Automatisation Par

Automatiser le compte rendu de visite immobilière

Automatiser le compte rendu de visite immobilière consiste à transformer une note vocale dictée par l'agent juste après la visite en deux documents distincts : un compte rendu rassurant envoyé au propriétaire, et une fiche de suivi commercial structurée dans le CRM. Un workflow transcrit la note, en extrait les informations utiles, puis rédige les deux textes séparément, avant qu'un agent ne les relise et ne les valide.

C'est la partie qui distingue une automatisation utile d'un gadget : le propriétaire et le CRM n'ont pas besoin des mêmes informations, ni du même ton. Cet article détaille comment construire ce double livrable, connecter la mise à jour aux logiciels métier, et rester dans les clous du RGPD sur des données de visite qui restent sensibles.

La note vocale après la visite : ce qu'on capte sur le terrain

Le point de départ n'est pas un formulaire, c'est une habitude déjà installée chez la plupart des agents : reprendre la voiture après une visite et dicter ses impressions à voix haute, souvent dans les notes vocales du téléphone, avant que les détails ne s'effacent.

Pour qu'un workflow puisse exploiter cette note, elle doit couvrir un nombre limité de points, dans n'importe quel ordre :

  • Le bien concerné : adresse ou référence de mandat
  • Le ou les contacts : nom, et s'il s'agit d'un couple ou d'un groupe
  • Le ressenti général : ce qui a plu, ce qui a freiné
  • Le budget évoqué et l'état du financement (pré-accord bancaire, apport, primo-accédant)
  • Les objections précises : travaux à prévoir, prix jugé élevé, copropriété, luminosité, voisinage
  • La prochaine étape : deuxième visite, délai de réflexion, contact à recontacter et quand

Deux à trois minutes de dictée suffisent en général pour couvrir ces points. C'est nettement plus rapide qu'un formulaire à remplir sur mobile entre deux visites, et cela colle à un geste que beaucoup d'agents font déjà spontanément, sans discipline particulière à leur imposer.

Point de vigilance

La qualité du compte rendu final dépend directement de la qualité de la dictée. Une note vocale de dix secondes du type "visite ok, à revoir" ne donne rien d'exploitable : le workflow structure ce qui est dit, il n'invente pas ce qui manque. Un agent qui prend l'habitude de citer systématiquement budget, objection et prochaine étape obtient des comptes rendus nettement plus utiles que celui qui improvise.

De l'audio brut au texte structuré : la transcription automatique

Une fois la note vocale enregistrée, elle peut être envoyée automatiquement vers le workflow, par exemple en la déposant dans un dossier partagé, en l'envoyant par message à un numéro dédié, ou via une application mobile connectée. Le traitement se déroule en trois étapes.

Transcription

Un modèle de reconnaissance vocale convertit l'audio en texte brut. Sur une voix claire enregistrée dans une voiture ou un lieu calme, la transcription en français est aujourd'hui fiable sur l'essentiel du propos. Elle se dégrade avec le bruit de circulation, un chantier voisin ou un nom propre inhabituel, ce qui justifie une vérification ciblée plus loin dans le processus.

Extraction des données

Un modèle de langage lit ensuite le texte brut et en extrait les champs utiles définis à l'avance : nom du contact, bien, budget, statut de financement, objections, ressenti, prochaine étape. Cette extraction transforme un texte parlé, souvent décousu, en données structurées exploitables par les étapes suivantes.

Double rédaction

À partir de ces données structurées, deux textes sont générés en parallèle avec des instructions différentes : un compte rendu à destination du propriétaire, et une fiche de suivi à destination du CRM. C'est l'étape centrale de tout le dispositif, détaillée dans la section suivante.

Deux comptes rendus, un seul input : propriétaire et CRM

C'est le point que la plupart des automatisations génériques ratent : elles produisent un seul texte, envoyé tel quel partout. Or le propriétaire et le commercial de l'agence n'ont pas besoin des mêmes informations, ni du même registre.

Prenons un exemple concret. Un agent dicte, en sortant d'une visite : "Visite du trois pièces rue des Arts avec M. et Mme Lefort. Ils ont aimé la luminosité et la cuisine ouverte, mais trouvent le prix un peu élevé vu les travaux à prévoir dans la salle de bain. Budget confirmé autour de 280 000, financement pas encore validé par la banque. Ils veulent revenir avec un artisan avant de se positionner. À relancer dans une semaine."

De cette seule note, le workflow produit deux documents qui n'ont presque rien en commun dans leur formulation :

Pour le propriétaire

"Nous avons fait visiter votre bien à un couple sérieusement engagé dans son projet. Ils ont particulièrement apprécié la luminosité et l'agencement de la cuisine ouverte. Ils souhaitent faire évaluer les travaux de la salle de bain avant de se positionner définitivement. Nous les recontactons sous une semaine et vous tiendrons informé de leur décision."

Pour le CRM

Contact : Lefort (couple). Bien : T3 rue des Arts. Budget confirmé : ~280 000 €. Financement : en attente d'accord bancaire. Objection : coût des travaux SDB vs prix affiché. Statut : tiède, en attente d'un devis artisan. Action : relance programmée J+7.

Le premier texte protège la relation avec le propriétaire : il ne mentionne pas le chiffre exact du budget, reformule l'objection sur le prix en "évaluer les travaux" plutôt que de la présenter brute, et reste dans un registre professionnel et rassurant. Le second texte, lui, ne rassure personne : il donne au commercial tout ce dont il a besoin pour préparer la relance, sans filtre.

C'est ce même principe qui structure notre approche des agents IA immobilier chez Tensoria : un même flux de données source, mais des sorties adaptées à chaque destinataire, pas un texte générique renvoyé partout.

Critère Compte rendu propriétaire Fiche de suivi CRM
Destinataire Le vendeur, tiers externe L'agent et son équipe, usage interne
Ton Rassurant, factuel, sans détail cru Brut, chiffré, orienté action
Données sensibles Reformulées ou omises (budget exact) Conservées telles quelles
Canal Email ou courrier Fiche CRM (Hektor, Apimo, Netty)
Validation avant diffusion Obligatoire, systématique Recommandée, vérification rapide

"Le compte rendu qui part chez le propriétaire et la fiche qui atterrit dans le CRM ne devraient jamais être le même texte", résume Anas Rabhi, fondateur de Tensoria. "C'est pour ça qu'un simple copier-coller d'une transcription automatique déçoit vite : il faut deux rédactions, avec deux objectifs différents, à partir de la même donnée source."

Mise à jour du CRM et déclenchement des relances

Une fois la fiche de suivi générée, elle peut alimenter directement le logiciel métier de l'agence, sous réserve que celui-ci expose une API ou un mécanisme d'export exploitable. La compatibilité varie selon l'outil :

Logiciel Type de connexion Mise à jour automatique de fiche
Apimo API REST documentée Directe, via l'API contacts
Netty API REST, webhooks disponibles Directe, via l'API contacts
Hektor Pas d'API publique, export CSV Indirecte, par import planifié

Une fois la fiche déposée dans le CRM avec un score de température (chaud, tiède, froid) et une date de relance, le workflow peut déclencher l'étape suivante sans intervention manuelle : un rappel interne à l'agent le jour prévu, un email de relance pré-rempli à personnaliser, ou une alerte si aucune relance n'a eu lieu passé le délai fixé. La relance après visite immobilière devient ainsi une conséquence automatique du compte rendu, plutôt qu'une tâche à se rappeler soi-même dans un agenda. Nos prompts IA immobilier pour les relances détaillent des exemples de messages à J+1, J+7 et J+15.

Ce mécanisme s'inscrit dans une logique plus large d'automatisation des processus d'agence avec n8n, où le compte rendu de visite n'est qu'un déclencheur parmi d'autres flux connectés au même CRM.

RGPD, consentement et validation humaine avant tout envoi

La note vocale et les deux comptes rendus qui en découlent contiennent des données personnelles sur l'acquéreur : nom, budget, situation financière, parfois des éléments sur son projet de vie. Ce traitement relève du RGPD, avec deux cas de figure à distinguer.

L'agent dicte seul, après la visite. Il enregistre ses propres observations dans sa voiture, sans capter la voix du client. Le consentement explicite de l'acquéreur n'est pas requis pour cet enregistrement, mais l'agence reste responsable du traitement des données personnelles qui y figurent : information sur la finalité, durée de conservation limitée, accès restreint aux personnes concernées par le dossier. La CNIL distingue précisément ce cas de figure de l'enregistrement d'un échange avec un tiers, qui obéit à des règles plus strictes.

La conversation elle-même est enregistrée, avec la voix du client, pendant la visite. Ce cas est différent : la CNIL rappelle que tout enregistrement de conversation suppose une information claire, donnée avant l'enregistrement, sur son existence et sa finalité. C'est pourquoi le schéma le plus simple à mettre en conformité reste la dictée solo de l'agent après la visite, plutôt que l'enregistrement live de l'échange avec le client.

Dans les deux cas, un principe reste non négociable : aucun compte rendu ne part au propriétaire sans relecture humaine. Ce n'est pas une précaution accessoire. Un modèle de langage peut mal transcrire un chiffre, inverser un prénom ou reformuler une objection de façon maladroite. Sur un sujet aussi relationnel que la vente d'un bien, une phrase mal calibrée peut inquiéter un propriétaire pour rien, ou au contraire minimiser un vrai point de blocage.

La fiche CRM mérite la même vigilance, à un degré moindre : une vérification rapide du budget et du statut avant validation évite qu'une donnée mal transcrite ne fausse un scoring ou une relance automatique. La règle générale reste celle que nous appliquons à tous les usages IA chez Tensoria : une tâche confiée à l'IA doit rester facile à vérifier avant d'être diffusée.

Questions fréquentes sur le compte rendu de visite immobilière

En dictant une note vocale de deux à trois minutes juste après la visite (bien concerné, contact, ressenti, budget, objections, prochaine étape), qu'un workflow transcrit et structure automatiquement. Le système produit deux textes distincts à partir de cette même note : un compte rendu rassurant pour le propriétaire et une fiche de suivi commercial pour le CRM. L'agent relit les deux avant tout envoi ou toute mise à jour du dossier.
Un bon compte rendu au propriétaire reste court, factuel et rassurant : qui a visité, ce qui a plu, ce qui a freiné, et la prochaine étape. Il ne doit jamais reprendre mot pour mot les objections brutes de l'acquéreur (budget exact, critique sur l'état du bien) sans les reformuler, au risque de braquer le propriétaire inutilement. Un LLM peut générer ce premier jet à partir de la note vocale de l'agent, mais la relecture avant envoi reste obligatoire : c'est un contenu relationnel sensible.
En structurant la note vocale de l'agent en champs exploitables pour le CRM : profil du contact, budget confirmé, statut de financement, objections précises, biens comparables demandés, score de température (chaud, tiède, froid) et date de relance. Contrairement au compte rendu propriétaire, ce document conserve les détails bruts, car il sert à préparer la prochaine action commerciale, pas à informer un tiers.
La transcription vocale en français est aujourd'hui fiable sur une voix claire et un environnement calme, avec un taux d'erreur généralement faible sur les mots courants. Elle se dégrade avec le bruit ambiant (rue, chantier voisin), les accents marqués ou les noms propres inhabituels. Un chiffre, une adresse ou un montant mal transcrit peut changer le sens d'un compte rendu : c'est pourquoi la relecture humaine porte en priorité sur les données chiffrées et les noms, pas sur l'ensemble du texte.
Cela dépend de ce qui est enregistré. Si l'agent dicte seul, après la visite, ses propres observations dans sa voiture, il traite ses données personnelles et n'enregistre pas la voix du client : le consentement explicite du client n'est pas requis, mais l'information sur le traitement de ses données (nom, budget, situation) reste due au titre du RGPD. En revanche, enregistrer la conversation elle-même pendant la visite, avec la voix du client, exige une information claire donnée à l'oral avant l'enregistrement, comme le rappelle la CNIL pour tout enregistrement de conversation.
Le budget dépend du volume de visites hebdomadaires, du nombre de logiciels métier à connecter (Hektor, Apimo, Netty) et du niveau de personnalisation des deux modèles de sortie (propriétaire et CRM). Un premier pilote sur un seul cas d'usage se chiffre différemment d'un déploiement complet avec relances automatiques. Le dimensionnement se fait sur devis, après un cadrage qui mesure votre volume réel de visites et vos outils existants.

Pour aller plus loin

Prochaine étape

Chez Tensoria, nous construisons ce type de workflow avec un principe simple : deux sorties différentes pour deux usages différents, et une validation humaine sur tout ce qui part vers un tiers. C'est le même principe qui structure nos solutions IA et automatisation pour agences immobilières, du premier contact avec un lead jusqu'à la relance après visite.

Si votre agence traite un volume de visites suffisant pour que le compte rendu et la mise à jour du CRM pèsent réellement sur le temps de vos négociateurs, contactez-nous pour un premier échange sur votre volume et vos outils existants.

Passer à l'action

Vous voulez appliquer ça dans votre entreprise ?

En quelques minutes, identifiez les cas d'usage IA les plus rentables pour votre métier. Sans engagement, et sans jargon.

Demander un devis
Anas Rabhi, ingénieur IA et data scientist, fondateur de Tensoria
Anas Rabhi Ingénieur IA, fondateur de Tensoria ianas.fr

Je suis ingénieur IA et data scientist, fondateur de Tensoria. Depuis plus de 6 ans, j'accompagne les entreprises dans l'exploitation concrète de l'IA pour leur métier : assistants internes basés sur RAG, agents IA en production, automatisations sur mesure, traitement intelligent de documents. J'interviens du cadrage initial à la mise en production, sur stacks LLM modernes (Mistral, Claude, GPT) et infrastructures souveraines quand la confidentialité l'exige.