L'apathie du secteur britannique de la PropTech : pourquoi le secteur immobilier britannique tarde à adopter la norme IA

L'illusion de l'imminence : Où en est la révolution de l'IA tant annoncée ?

Pendant la majeure partie de la dernière décennie, le secteur britannique de l'immobilier a parlé de l'intelligence artificielle comme d'un phénomène à venir : imminent, inévitable, mais perpétuellement juste à l'horizon. Les ordres du jour des conférences sont remplis de panels PropTech, les stratégies d'innovation sont remplies de références à data et à l'automatisation, et la plupart des grandes entreprises peuvent citer au moins une poignée de projets pilotes, d'initiatives ternes ou de preuves de concept. Et pourtant, pour de nombreux géomètres sur le terrain, les progrès semblent encore timides et fragmentés. L'IA semble présente partout dans la rhétorique, mais n'est intégrée que de manière sélective dans la réalité.

Cette apathie apparente masque toutefois une vérité plus nuancée. Le problème n'est pas que l'IA n'a pas réussi à trouver sa place dans l'immobilier, ni que la technologie elle-même est immature. En fait, l'IA apporte déjà une valeur tangible dans les transactions, l'évaluation, la gestion des actifs et l'exploitation des bâtiments. La vraie question est de savoir pourquoi l'adoption a été plus lente, plus prudente et plus inégale que dans de nombreux secteurs comparables. La réponse se trouve moins dans les algorithmes que dans les caractéristiques structurelles du secteur immobilier britannique lui-même.

Pour comprendre l'évolution du secteur, il faut d'abord être honnête sur sa situation actuelle.

Le changement : Du pilote à l'intégration du flux de travail

Au cours des douze à dix-huit derniers mois, un changement significatif s'est produit. L'IA est sortie de manière décisive de la phase expérimentale pour entrer dans les flux de travail professionnels quotidiens. Il y a un an à peine, la plupart des initiatives étaient encore conçues comme des projets pilotes, souvent confinés à de petites équipes d'innovation travaillant à la périphérie de l'entreprise. Ces efforts avaient tendance à se concentrer sur des outils conversationnels, des chatbots conçus pour répondre à des questions de base, rédiger des textes ou faire remonter des informations à partir de référentiels documentaires. Bien qu'utiles, ils étaient rarement connectés aux processus opérationnels de base.

Aujourd'hui, la situation est bien différente. L'IA est de plus en plus intégrée au travail quotidien des géomètres, des analystes, des gestionnaires d'actifs et des équipes opérationnelles. La rapidité du changement est frappante. Alors qu'une grande partie de l'activité de l'année dernière tournait autour de l'utilisation de grands modèles de langage (LLM) en tant qu'assistants passifs, l'attention s'est maintenant portée sur les systèmes agentiques ; des agents d'IA capables d'exécuter des tâches en plusieurs étapes de manière autonome, de collecter des informations, de valider des entrées, de rédiger des sorties et de faire remonter les problèmes pour un examen humain à des points définis.

Malgré cette accélération, un principe est resté largement intact dans le secteur immobilier britannique : L'IA est déployée en tant qu'aide à la décision et non en tant que décideur.. Cette distinction n'est pas accidentelle et ne relève pas non plus d'un simple conservatisme culturel. Elle reflète une conception profondément ancrée de la responsabilité professionnelle et du risque, qui continue de déterminer jusqu'où les entreprises sont disposées à aller, et capables de le faire.

L'IA dans la pratique de la topographie : L'augmentation, pas l'automatisation

Transactions et diligence raisonnable

Dans la pratique, cela devient plus évident dans les transactions et la diligence raisonnable, qui restent le domaine le plus mature de l'adoption de l'IA. Ici, la proposition de valeur est claire et immédiate. Les systèmes d'IA sont désormais couramment utilisés pour lire et analyser de gros paquets de documents, extraire les clauses clés des baux, résumer les conditions de planification, les EPC et les manuels d'exploitation, et générer les premières versions des baux, des listes et de la due diligence reports. Le concept essentiel qui sous-tend tous ces cas d'utilisation est celui de la “première passe”. L'IA permet aux équipes de faire émerger les problèmes plus rapidement, de structurer les informations de manière plus cohérente et de concentrer l'attention des professionnels là où elle est la plus importante. Elle ne supprime pas le besoin de jugement professionnel et d'expérience ; au contraire, elle l'aiguise.

Évaluation et étude de marché

Une tendance similaire peut être observée dans le domaine de l'évaluation et des études de marché. L'IA est de plus en plus utilisée pour présélectionner des éléments comparables, rédiger des commentaires initiaux sur le marché et exécuter des scénarios ou des analyses de sensibilité à une vitesse et à une échelle qui n'auraient pas été possibles auparavant. Toutefois, l'avis d'évaluation lui-même reste fermement (et légalement) entre les mains de l'évaluateur. D'un point de vue professionnel et assurantiel, il ne peut en être autrement. L'IA accélère l'analyse, mais elle ne signe pas, et ne doit pas signer les avis de valeur. Elle ne le fera jamais.

Gestion d'actifs et de portefeuilles

Dans le domaine de la gestion d'actifs et de portefeuilles, l'accent est à nouveau mis sur la perspective plutôt que sur la rapidité. L'IA permet aux entreprises d'interroger leurs portefeuilles d'une nouvelle manière, en explorant les questions relatives à la sensibilité aux taux d'intérêt, à l'exposition au risque de vacance ou aux priorités en matière d'allocation de capital avec beaucoup plus de profondeur et de cohérence que ne le permettent les approches manuelles. Une fois de plus, il ne s'agit pas d'une automatisation de la prise de décision, mais d'une augmentation de la réflexion stratégique.

Exploitation des bâtiments et gestion de l'énergie

L'illustration la plus claire du potentiel de l'IA se trouve peut-être dans l'exploitation des bâtiments et la gestion de l'énergie, où l'adoption a été la plus forte partout où il existe une data de bonne qualité. La maintenance prédictive, l'optimisation énergétique et la détection précoce des défaillances se prêtent toutes naturellement aux approches data-driven, et les avantages financiers sont souvent faciles à quantifier. Il n'est donc pas surprenant que ces cas d'utilisation aient rencontré moins de résistance que ceux qui touchent au jugement professionnel de base.

Les contraintes structurelles qui pèsent sur l'adoption au Royaume-Uni

Compte tenu de l'étendue des applications, on peut raisonnablement se demander pourquoi l'adoption de l'IA dans le domaine de la propriété ne semble pas plus avancée. La réponse est que les principales contraintes ne sont pas technologiques. Elles sont structurelles et humaines, comme c'est souvent le cas.

Le défi de la Fondation Data

Le défi le plus évident, et le plus persistant, est celui du data. Le data est notoirement fragmenté, incohérent, coûteux à accéder et souvent non structuré. Le même bien peut apparaître sous plusieurs noms (ou adresses) dans différents systèmes ; les documents se contredisent fréquemment ; les informations critiques sont souvent enfouies dans des référentiels cloisonnés de PDF, de scans ou de longues chaînes de courriels. Les systèmes d'intelligence artificielle ont du mal à évoluer dans ces conditions. Sans un data foundations solide, même les modèles les plus sophistiqués ne seront pas performants.

Une question plus profonde et spécifique au secteur est également en jeu. L'immobilier est fondamentalement non standardisé. Il n'y a pas deux biens identiques. Les caractéristiques physiques varient, tout comme les structures d'occupation, les mesures d'incitation et les nuances contractuelles. Contrairement aux matières premières ou aux biens de consommation, les transactions immobilières sont de grande valeur, de faible volume et intrinsèquement uniques. Il est donc beaucoup plus difficile de créer des ensembles data propres et statistiquement robustes que dans les secteurs traitant de produits standardisés échangés à grande échelle.

Bien que le Royaume-Uni dispose d'un riche paysage data lié à l'immobilier (et d'ensembles data contextuels encore plus riches), plus fort que la plupart de ses homologues de l'UE, il présente des lacunes notoires en matière d'ensembles data. Il n'existe pas de data fiable pour la location, pas d'API pour le registre foncier de HM permettant d'extraire des transactions de vente en masse, une planification data fragmentée derrière d'interminables pare-feux et des autorités locales mal intégrées au niveau national data. Si, à certains égards, il existe un risque d'être submergé par data, des lacunes importantes subsistent, ce qui limite les cas d'utilisation potentiels de l'IA.

Gouvernance, responsabilité et risques

Au-delà de data, les questions de responsabilité, de gouvernance et de protection de data se posent avec acuité. La plupart des activités du secteur immobilier sont étroitement réglementées et les gouvernements sont généralement (souvent à juste titre) lents à adopter des changements susceptibles d'avoir un impact sur le public. Lorsque Artefact donne des cours pratiques d'IA par l'intermédiaire de la Royal Institution of Chartered Surveyors (RICS), les mêmes préoccupations reviennent sans cesse. À qui appartient un résultat généré par l'IA ? Qui est responsable en cas d'erreur ? Sur quel data le modèle a-t-il été formé, et où vont les informations sur les clients une fois qu'elles ont été traitées ? Ces questions ne sont pas abstraites. Les enquêteurs traitent des informations très sensibles et le fonctionnement des grands modèles linguistiques reste largement méconnu, notamment en ce qui concerne la conservation des data, la formation et les risques. Tant que ces questions ne seront pas clairement abordées par le biais de la gouvernance et de la politique, de nombreuses entreprises resteront prudentes, préférant des projets pilotes limités à un déploiement à grande échelle.

Inertie culturelle et organisationnelle

Des facteurs culturels et organisationnels viennent encore renforcer cette prudence. Le secteur immobilier britannique est, par nature, lent et peu enclin à prendre des risques. Les revenus sont à long terme et relativement prévisibles (en particulier pour les grandes sociétés de placement immobilier et les constructeurs de logements), les marges sont sous pression et les conditions du marché restent difficiles. Dans un tel environnement, la préservation des liquidités prime souvent sur l'expérimentation. En outre, les sociétés immobilières ont tendance à opérer avec des effectifs relativement réduits par rapport à la valeur des actifs ou aux revenus, ce qui signifie que les gains d'efficacité ne se traduisent pas toujours par des réductions immédiates des coûts des ETP. Cela peut rendre le retour sur investissement plus difficile à exprimer en termes traditionnels.

La démographie joue également un rôle. L'âge moyen au sein du secteur continue d'augmenter, et l'industrie peine à attirer des talents plus jeunes, natifs de l'IA et capables de conduire le changement de l'intérieur. Il ne s'agit pas simplement d'une question de compétences, mais d'un état d'esprit et d'une familiarité avec les outils numériques par défaut plutôt qu'en complément.

Le rôle de la RICS : Favoriser l'adoption responsable

La RICS joue un rôle de leader mondial en préparant la profession de géomètre à l'adoption responsable de l'IA. Reconnaissant que l'IA transforme déjà la pratique quotidienne, de l'aide à l'évaluation et de la modélisation des risques à l'extraction de data, la RICS a récemment publié une norme professionnelle mondiale révolutionnaire sur l'utilisation responsable de l'IA. La RICS a récemment publié une norme professionnelle mondiale innovante sur l'utilisation responsable de l'IA. Cette norme est conçue non pas pour étouffer l'innovation, mais pour favoriser une adoption confiante et éthique en fixant des attentes de base claires en matière de compétence, de gouvernance et de responsabilité parmi ses 150 000 experts-comptables du monde entier.

La nouvelle norme de conduite s'applique à tous les membres de la RICS et aux entreprises réglementées lorsque les résultats de l'IA ont un impact important sur la prestation de services. Élaboré avec les principaux dirigeants du secteur, dont Artefact qui copréside le groupe de travail, le cadre vise à renforcer le jugement professionnel tout en augmentant l'expertise. La norme énonce des exigences essentielles dans cinq domaines : l'établissement d'une base de connaissances en matière d'IA ; le renforcement de la gestion des pratiques grâce à des registres de gouvernance et de risques ; l'introduction d'attentes claires en matière de diligence raisonnable lors de l'acquisition d'outils d'IA de tiers ; le renforcement du jugement professionnel, du scepticisme et de la transparence dans la dépendance à l'égard des résultats de l'IA ; et l'établissement d'attentes en matière de responsabilité pour les personnes impliquées dans le développement de systèmes d'IA.

Cette approche proactive est essentielle pour gérer les nouveaux risques professionnels introduits par l'IA, garantir une pratique cohérente et protéger la confiance des clients. La RICS estime qu'en fournissant ce cadre commun, la profession peut embrasser l'innovation sur une base éthique et professionnelle solide, en attirant les talents ‘AI Native’ et en propulsant le secteur vers l'avant.

Les nouvelles normes font partie d'un écosystème plus large et complet de la RICS visant à promouvoir l'adoption responsable de l'IA. Il s'agit notamment d'adapter les évaluations des compétences professionnelles (APC), d'organiser des cours de formation pratique (tels que le très populaire ‘Global Harnessing AI & Data in the Built Environment’) et de publier des documents d'orientation pratiques. Cet effort concerté fournit aux géomètres une boîte à outils complète, leur permettant de déployer l'IA avec plus de confiance et d'intégrité et garantissant que la RICS reste pertinente à l'ère numérique.

Adoption pragmatique - Les principes clés

Le défi inhérent réside dans l'élément humain : les acteurs du secteur de l'immobilier font souvent preuve de réticence, voire d'aversion, à l'égard des changements importants. Si l'inertie réglementaire joue certainement un rôle, les attitudes dominantes constituent un obstacle plus fondamental. Les conversations avec les cadres supérieurs du secteur de l'immobilier et les géomètres font souvent ressortir des principes tels que : “ [...] le changement est une question d'argent ".“si ce n'est pas cassé, ne le réparez pas”.” “aucune IA ne remplacera mes décennies d'expertise contextuelle approfondie”.” ou “nos clients ne nous paient pas pour utiliser l'IA”.” Bien que ces perspectives contiennent une part de vérité, elles sont plus souvent le signe d'un leadership préoccupé par la préservation du statu quo que par la recherche d'une efficacité transformatrice.

Le flot initial de messages hyperboliques et souvent contradictoires entourant l'IA s'est avéré contre-productif, suscitant le scepticisme et la confusion. Cependant, nous avons désormais dépassé le stade de l'incertitude et de la confusion. “Le creux de la désillusion” et en commençant à remonter le “La pente de l'illumination” (un schéma reconnaissable dans le cycle de la hype de Gartner). Cette transition signifie que l'accent doit être mis non plus sur le ‘et si’ mais sur le ‘comment’. Pour l'enquêteur individuel, cela a créé une incertitude quant au point de départ pratique de l'adoption.

Pour favoriser un véritable changement, il est essentiel d'adopter une double approche combinant le ‘soft power’ et le ‘hard power’.

Du point de vue du ‘soft power’, les organisations doivent visiblement défendre et encourager les évangélistes internes de l'IA. Cela implique d'organiser régulièrement des séances d'information et de formation attrayantes, d'établir un cycle continu de démonstration des premiers succès tangibles, de partager ouvertement les ressources, de documenter les échecs et les résultats, et d'assurer la mise à niveau continue des collègues. Il est essentiel que ce changement culturel s'opère sans un exemple clair, cohérent et actif de la part des plus hauts responsables de l'entreprise.

Ces efforts culturels doivent être solidement complétés par le ‘pouvoir dur’ de la réforme structurelle et opérationnelle. Cela nécessite de modifier irrévocablement les méthodes de travail existantes, de rendre obligatoires les certifications de compétences techniques en matière d'IA pour les postes clés, de repenser les structures organisationnelles, d'affiner les modèles opérationnels et de mettre à jour les matrices RACI. L'objectif est de faire en sorte que l'IA ne soit plus traitée comme une activité volontaire, “à côté du bureau”, mais qu'elle soit pleinement intégrée dans le "Business as Usual" (BAU). Cette intégration doit s'étendre aux allocations budgétaires et aux mesures de performance, en considérant le déploiement de l'IA comme un moteur essentiel de l'activité, et non comme un projet technologique périphérique.

Avant tout, les organisations doivent cultiver un environnement qui encourage l'expérimentation, même si elle conduit à des échecs à petite échelle. Cela nécessite de favoriser des discussions honnêtes, data-driven sur l'utilité pratique de l'IA et les gains d'efficacité vérifiables qu'elle apporte (ou lorsqu'elle représente simplement un ‘outil brillant’ avec une valeur limitée). Les applications les plus efficaces de l'IA observées au Artefact sont celles qui s'intègrent de manière transparente dans les flux de travail existants. Si l'adoption d'un outil nécessite des frictions importantes pour un gain marginal, il sera inévitablement abandonné en masse. À l'inverse, le plus grand succès vient souvent des applications qui ne sont pas nécessairement visibles, mais qui facilitent discrètement la vie professionnelle en automatisant les tâches répétitives, manuelles et ‘dévoreuses d'âme’. Il est essentiel d'identifier et de déployer de manière délibérée et chirurgicale ces cas d'utilisation à fort impact et à faible friction pour favoriser une adoption réelle et durable.

A quoi ressemble l'avenir ? Trois horizons temporels

Pour l'avenir, les possibilités d'adoption de l'IA dans le secteur de l'immobilier au Royaume-Uni peuvent être envisagées sur trois grands horizons temporels.

Court terme (6 prochains mois) : Des gains pratiques et peu risqués

Les gains les plus convaincants sont pratiques et peu risqués. La standardisation de la réception des instructions, l'automatisation des premières ébauches de reports avec des références claires, l'extraction de listes de contrôle structurées à partir des baux et des documents de planification, et le déploiement d'outils de connaissance internes qui répondent à des questions telles que “comment avons-nous abordé cette question la dernière fois ? Notamment, certains des gains les plus importants sont susceptibles d'être trouvés dans les fonctions de back-office telles que les ressources humaines, les finances et le marketing, libérant les géomètres pour qu'ils se concentrent sur les relations avec les clients et le travail de conseil à plus forte valeur ajoutée.

Moyen terme (6 à 18 mois) : Intégration des processus agentiques

La véritable valeur émerge de l'association des processus. Les flux de transactions de bout en bout alimentés par l'IA agentique, les plateformes de gestion des actifs combinant l'état, la conformité, l'énergie et les dépenses d'investissement data, et les outils soutenant la modernisation et l'optimisation net-zéro entrent tous dans cette catégorie. Le succès dépend ici moins de modèles d'IA plus avancés que d'une conception et d'une intégration réfléchies des processus. Tous les modèles fondamentaux ont récemment fait d'énormes progrès dans le développement et la normalisation des capacités agentiques, de sorte que leur mise en œuvre devient un jeu d'enfant.

À plus long terme (18 à 36 mois) : Approfondissement des connaissances et nouveaux services

Les entreprises se tourneront de plus en plus vers des informations plus approfondies, notamment la planification, l'analyse des risques géospatiaux et climatiques, les jumeaux numériques au niveau du portefeuille et les nouveaux services de conseil data-driven. Toutefois, ces ambitions ne pourront se concrétiser que si une solide data governance et une bonne qualité sont déjà en place.

A plus long terme (36 mois et plus) : Effroi existentiel

Les utilisateurs de ‘X’, ou même les personnes qui suivent occasionnellement l'actualité générale, peuvent ressentir un sentiment de terreur écrasante, presque existentielle. Le rythme de développement de l'IA est implacable. Nous voyons des robots humanoïdes remplacer les ouvriers d'usine et même être déployés comme soldats, les voitures auto-conduites atteindre enfin leur vitesse de croisière, Neuralink promettre d'augmenter les capacités humaines, l'informatique quantique se rapprocher de la réalité, une accélération massive de la recherche scientifique, et la domination généralisée de l‘’IA slop" (la bouillie de l'IA).

Pourtant, malgré cette cascade de découvertes et de progrès, la plus grande excitation actuelle se concentre sur l'aboutissement potentiel des efforts à long terme en faveur de l'AGI (Intelligence Générale Artificielle) - un système d'IA beaucoup plus contextuel et complexe qui pourrait théoriquement égaler, voire surpasser, le cerveau humain - et les profonds changements sociétaux que cela implique. La productivité s'en trouvera-t-elle vraiment stimulée au point que l'emploi devienne facultatif et que le recours au revenu de base universel devienne une voie heureuse pour l'avenir ?

Les capitaux sans précédent investis dans les centres data, la puissance de calcul et l'infrastructure pour réaliser l'AGI sont stupéfiants. Cet investissement entraînera sans aucun doute d'importantes corrections du marché à court et à moyen terme. Le retour sur investissement sera probablement plus lent que prévu, et le battage médiatique dépassera probablement l'impact réel. Néanmoins, la technologie est sur le point d'avoir une influence spectaculaire et imprévisible sur notre environnement bâti et notre interaction avec lui. Les entreprises doivent rester agiles et bien conscientes de cette réalité si elles veulent non seulement survivre, mais aussi prospérer dans cet avenir très incertain.

Les éléments non négociables : Le jugement, la confiance et l'examen minutieux

Dans tout cela, il est essentiel de rester lucide sur les limites de l'IA. L'IA ne réduit pas la responsabilité professionnelle, elle la concentre. Le jugement ne peut être délégué. Si l'IA peut faciliter l'analyse, elle ne peut pas remplacer l'intuition et l'expérience acquises au fil des décennies, ni tenir compte du comportement humain émotionnel et souvent irrationnel qui façonne les marchés immobiliers. Les géomètres restent légalement responsables de leurs conseils à tout moment, et cette réalité ne changera pas.

La transparence avec les clients est tout aussi essentielle. Lorsque l'IA affecte matériellement la manière dont un service est fourni, les clients doivent en être informés. Il ne s'agit pas simplement d'une question de conformité, mais d'une question de confiance. L'explicabilité et l'auditabilité sont également essentielles. Si un professionnel n'est pas en mesure d'expliquer d'où provient un résultat, quelle data a été utilisée et quelles hypothèses ont été formulées, il peut s'avérer difficile de défendre ce résultat devant un tribunal.

Les risques de fiabilité ne doivent pas être sous-estimés. Les systèmes d'IA peuvent faire autorité tout en se trompant, ce qui rend indispensables la révision, l'échantillonnage et l'examen minutieux. Enfin, la protection data et la confidentialité ne sont pas négociables. Les messages-guides sont des enregistrements. Les outils doivent être approuvés et évalués. Les data clients doivent être contrôlés. Il s'agit là d'éléments essentiels de la pratique professionnelle, et non de suppléments facultatifs.
En fin de compte, l'IA ne remplacera pas les géomètres. Ce qu'elle remplacera, ce sont les recherches manuelles, les rédactions répétitives et les travaux administratifs de faible valeur. En fin de compte, le chemin du secteur immobilier britannique vers l'adoption de l'IA ne dépend pas de l'adoption d'une nouvelle technologie, mais de sa volonté de corriger ses vieilles habitudes : intégrer la qualité data, adopter le cadre de gouvernance de la RICS et élever consciemment le jugement humain au-dessus des tâches que la technologie peut désormais gérer en toute confiance.

A propos de Artefact & Chris de Gruben, FRICS

Artefact est un cabinet mondial de conseil en Data et en IA. Nous nous occupons de tout, de la stratégie data et de la gouvernance de l'IA, de l'évaluation des risques et de la conformité, à la définition de l'art du possible en matière d'IA et de ML, à la mise en œuvre, puis à la gestion du changement et à l'adoption. Artefact tire parti de son expertise approfondie en matière de propriété et de stratégie Data et de gouvernance de l'IA pour aider les entreprises à intégrer stratégiquement l'IA dans leurs opérations de manière responsable et en toute confiance.

Chris est directeur principal au bureau britannique Artefact, où il dirige l'équipe immobilière et gère tous les clients immobiliers du Royaume-Uni. Il est Chartered Surveyor depuis 15 ans et continue de plaider pour une utilisation responsable de l'IA au sein de la profession immobilière au Royaume-Uni. Chris est également vice-président du groupe professionnel sur l'évaluation, siège dans divers groupes de travail d'experts en IA et est un formateur principal pour la RICS Academy, en particulier pour le cours ‘Global Harnessing AI & Data in the Built Environment’ (qui s'est avéré être le cours le plus populaire de la RICS jusqu'à présent). Chris est actuellement occupé à rédiger des conseils pratiques sur l'utilisation de l'IA à l'intention des évaluateurs agréés (Chartered Valuers). Enfin, il intervient régulièrement lors de conférences sur les technologies de l'information et de la communication et sur l'immobilier dans le monde entier.