CO152
L’INTELLIGENCE ARTIFICIELLE AU SERVICE DE l’IMMOBILIER (LOCATION et GESTION SYNDIC)

INTRODUCTION
• Tour de table pour comprendre les attentes des participants et connaître leurs niveaux. •
• Aide à la création d’un compte ChatGPT OpenAI gratuit Démonstrations :
• Extraction automatique des résolutions d’un PV d’AG.
• Génération d’une fiche de liaison adaptée pour le comptable.
• Objectif : Créer un effet d’attente et présenter les compétences que les participants acquerront durant la journée.
L’IA GÉNÉRATIVE MULTIMODALE - MODE D’INTÉRACTION ET DE COMMUNICATION
DIFFÉRENT
Théorie :
• Comprendre les fondements de l’IA générative (texte, audio, image).
Pratiques et cas d’usage :
• Texte :
• Réécriture de mails professionnels.
• Résumé et compréhension d’articles ou contrats juridiques.
• Image :
• Interprétation d’une capture d’écran pour des tutoriels ou démarches sur un logiciel.
• Analyse d’un document papier (par exemple un devis ou une facture) pour rédiger un mail ou poser des questions.
• Audio :
• Synthèse des idées et brainstorming.
• Résumé de courtes réunions.
L’ART DE SAVOIR PARLER À L’IA - PROMPT
ENGINEERING
Théorie :
• Fonctionnement des modèles d’IA (tokens, prédiction, structure des réponses). • Montrer les limites d’un modèle basé sur la
prédiction de tokens :
• Pourquoi l’IA peut se tromper (base de données, absence de vérification de la véracité).
• Expliquer que l’IA utilise uniquement des probabilités et ne distingue pas le vrai du faux.
• Importance des “prompt systems” pour cadrer les résultats (ton, format, qualité).
Pratiques :
• Analyse des erreurs de l’IA sur des exemples concrets (calculs, dates historiques, faits). • Pose de questions juridiques et
identification des sources.
• Création d’une fiche de liaison parfaite grâce au prompt system et au contexte. • Formatage des résultats (tableaux, documents
structurés).
CONFIDENTIALITÉ, BIAIS ET ÉTHIQUE
Théorie :
• Circulation et utilisation des données chez OpenAI.
• Comparatifs des différentes IA Générative (LLMs) :
• Comparatif des caractéristiques (Entreprises, et grands modèles vs petits modèles tournant en local).
• Avantages des petits modèles pour garantir la confidentialité parfaite des données.
• Optimisation des réponses de l’IA :
• Ajustement des paramètres et leurs impacts sur la génération de réponses.
• Ajout de contexte pour limiter les erreurs et hallucinations.
Pratiques :
• Analyse d’erreurs potentielles :
• Démonstration des cas où l’IA tente de répondre malgré un manque de contexte ou de données fiables.
• Exemple de réponses erronées si on pousse l’IA hors de ses limites.
EXPLORATION D’AUTRES MODÈLES D’IA ET OUVERTURE
Théorie :
• Différences entre modèles supervisés et non supervisés :
• Méthodes d’entraînement et de validation (datasets divisés en entraînement et témoin).
• Cas spécifiques au secteur immobilier.
• Comprendre les biais de base de données et leur impact sur les prédictions.
Pratiques :
• Identification d’e-mails suspects (hameçonnage).
• Simulation de l’estimation d’un appartement ou d’une prestation.
• Utilisation de l’IA pour identifier des leads pour un service transactionnel.
Conclusion :
• Messages clés : L’IA ne remplace pas l’humain, mais le pousse à évoluer.
• Qualité des réponses directement liée à la précision des prompts et du contexte.
CAS PRATIQUE : CRÉATION D’UN ASSISTANT IA