Recherche de voiture par IA : guide d'implémentation pour concessionnaires

La recherche de voiture par IA relie une conversation en langage naturel au stock réel d’un concessionnaire. Pour être fiable, elle doit séparer trois tâches : comprendre le besoin, exécuter une recherche déterministe et formuler une réponse à partir des résultats.

Le principe le plus important est simple : le modèle d’IA ne décide jamais seul quels véhicules existent, combien ils coûtent ou s’ils sont disponibles. Ces faits viennent du système de stock.

Ce guide couvre l’implémentation. Si vous cherchez d’abord à comprendre le parcours côté acheteur, lisez l’expérience attendue d’une recherche de véhicule par IA.

L’architecture de référence

Une implémentation robuste comporte six couches :

1. Source de stock : DMS, outil d’annonces, API ou flux exporté.
2. Normalisation : conversion des champs vers un modèle commun.
3. Index de recherche : recherche textuelle et filtres structurés.
4. Interprétation IA : traduction de la demande en critères validables.
5. Orchestration : exécution, assouplissement contrôlé et journalisation.
6. Interface : chat, résultats, fiches véhicules et relais humain.

Le CRM, les agendas et la boîte de réception se branchent ensuite sur l’orchestration. Ils ne doivent pas devenir la source de vérité du stock s’ils ne le sont pas déjà.

Étape 1 : établir le contrat de données du stock

Avant de choisir un modèle d’IA, documentez les données disponibles. Pour chaque champ, notez son type, sa source, sa fraîcheur et la règle utilisée en cas d’absence.

Champs minimaux par véhicule

• identifiant stable ;
• URL de la fiche ;
• statut de disponibilité ;
• marque, modèle et finition ;
• année ou date de première mise en circulation ;
• prix affiché et devise ;
• kilométrage ;
• énergie et transmission ;
• carrosserie et nombre de places, quand connus ;
• équipements structurés ;
• point de vente ;
• images ;
• date de dernière mise à jour.

Ajoutez les champs de mensualité, de garantie ou d’autonomie uniquement si leur définition est homogène. Une valeur ambiguë ne devient pas plus fiable parce qu’elle est envoyée à une IA.

Normaliser sans effacer la source

Conservez à la fois la valeur d’origine et la valeur normalisée. Par exemple, plusieurs systèmes peuvent écrire « PHEV », « hybride rechargeable » ou « plug-in hybrid ». La recherche peut les regrouper, mais l’interface doit pouvoir afficher le libellé officiel du véhicule.

Pour les prix et les caractéristiques annoncés, suivez les obligations rappelées par la DGCCRF pour les véhicules neufs et d’occasion. Faites valider les règles d’affichage par votre équipe juridique.

Étape 2 : définir les intentions prises en charge

Ne demandez pas au modèle de traiter « toutes les questions automobiles » dès le départ. Définissez une liste d’intentions et le comportement attendu pour chacune.

Intention	Données nécessaires	Action possible
Trouver un véhicule	stock, critères, budget	afficher des résultats
Comparer	véhicules sélectionnés	comparaison factuelle
Vérifier la disponibilité	statut et fraîcheur	confirmer ou transférer
Préparer une reprise	données du véhicule client	créer une demande
Simuler un financement	règles validées	afficher une simulation qualifiée
Réserver un essai	véhicule, site, agenda	créer ou demander un créneau
Parler à un vendeur	routage et horaires	transférer avec contexte
Après-vente	base de connaissances, agenda	informer ou réserver

Pour chaque intention, écrivez aussi ce que le système ne doit pas faire. Une recherche ne doit pas négocier le prix. Une estimation de reprise ne doit pas devenir une offre ferme. Une simulation ne doit pas être présentée comme une acceptation de crédit.

Étape 3 : transformer la demande en filtres structurés

Le modèle reçoit la demande et un schéma des champs autorisés. Sa sortie doit être structurée et validée avant toute recherche.

Exemple :

{
  "budget_max": 30000,
  "carrosseries": ["SUV", "break"],
  "places_min": 5,
  "energies": ["hybride"],
  "usage": ["famille", "longs trajets"],
  "contraintes_a_confirmer": ["recharge à domicile"]
}

Appliquez ensuite des validations déterministes :

• le budget est positif et dans une unité connue ;
• les valeurs de filtre existent dans votre taxonomie ;
• le nombre de places est un minimum, pas une égalité stricte ;
• une mensualité n’est pas confondue avec un prix comptant ;
• les dates et kilométrages ont une unité explicite ;
• aucun champ libre n’est envoyé comme filtre technique sans contrôle.

Le modèle interprète. Le code valide.

Étape 4 : exécuter une recherche reproductible

L’index peut être construit avec le moteur déjà utilisé par votre site. Le choix importe moins que la capacité à :

• filtrer sur les champs structurés ;
• tolérer les variantes de vocabulaire ;
• classer de façon explicable ;
• retourner des facettes ;
• exclure immédiatement les véhicules indisponibles ;
• tracer la requête exécutée.

Gardez une copie des critères interprétés et des identifiants retournés. En cas de réponse erronée, votre équipe doit pouvoir déterminer si l’erreur vient de la donnée, de l’interprétation, de la recherche ou de la formulation.

Étape 5 : gérer les recherches sans résultat

Une page vide ne doit pas devenir une recommandation arbitraire. Utilisez une stratégie d’assouplissement ordonnée.

1. Identifiez le ou les critères responsables du conflit.
2. Protégez les contraintes essentielles, comme le budget maximum ou le nombre de places.
3. Proposez de retirer un critère secondaire.
4. Expliquez clairement le changement avant d’afficher les alternatives.

Exemple :

Aucun véhicule ne réunit actuellement sept places, une motorisation électrique et ce budget. Je peux conserver les sept places et le budget en montrant des hybrides, ou conserver l’électrique en élargissant le budget. Quelle option préférez-vous ?

Ne retirez jamais silencieusement un critère. La transparence fait partie du produit.

Étape 6 : générer une réponse ancrée dans les résultats

Le modèle qui rédige la réponse ne doit recevoir que :

• les critères validés ;
• les véhicules retournés ;
• les champs autorisés à être cités ;
• les explications d’assouplissement ;
• les actions disponibles ;
• le contexte utile de la conversation.

Demandez une réponse courte, puis des cartes véhicules. Les cartes doivent être produites par l’application à partir des données structurées, pas rédigées librement par le modèle.

Étape 7 : concevoir la mémoire de conversation

La mémoire utile contient les critères actifs, les véhicules montrés et les choix du client. Elle ne nécessite pas forcément de renvoyer toute la conversation au modèle.

Stockez au minimum :

• critères confirmés ;
• critères refusés ou modifiés ;
• identifiants des véhicules affichés ;
• véhicule actuellement consulté ;
• point de vente ;
• action en cours ;
• consentements et canal de suivi.

Prévoyez une commande claire pour réinitialiser la recherche. Un client qui passe d’une voiture familiale à un utilitaire ne doit pas conserver par accident les anciens critères.

Étape 8 : organiser le relais humain

Le relais doit être prévu dans l’architecture, pas ajouté après le lancement.

Déclenchez-le lorsque :

• le client le demande ;
• la confiance du système est faible ;
• une donnée essentielle manque ;
• la demande concerne une négociation, une réclamation ou une décision sensible ;
• l’action nécessite une validation humaine.

Le conseiller reçoit un résumé factuel, le fil complet, le véhicule concerné et l’origine de la conversation. Le chat en direct Serviceform et la boîte de réception partagée permettent de conserver ce contexte.

Chez Saka, le chat en direct complété par des bots hors horaires a plus que doublé les prospects issus du site. Chez Unione Movilidad, des parcours distincts ont été créés pour l’accueil et les pages véhicules. Ces résultats sont propres à leurs déploiements, mais ils illustrent l’importance du contexte et du routage.

Étape 9 : intégrer la protection des données et la transparence

La recherche peut fonctionner sans demander l’identité. Collectez les coordonnées au moment où le client choisit une action qui les exige.

Votre revue doit couvrir :

• finalité de chaque donnée ;
• base légale ;
• information affichée à l’utilisateur ;
• durée de conservation ;
• accès par rôle ;
• sous-traitants et transferts ;
• procédure d’accès, de correction et de suppression ;
• journalisation sans contenu excessif.

La CNIL présente les bases légales d’un traitement et le principe de minimisation. Le règlement européen sur l’IA doit aussi être pris en compte, notamment pour la transparence des systèmes interactifs.

Cette section ne remplace pas un avis juridique adapté à votre organisation.

Étape 10 : construire une suite de tests automobile

Créez des scénarios reproductibles avec une sortie attendue. Couvrez au moins :

Recherche directe

• marque et modèle disponibles ;
• modèle absent ;
• budget minimum et maximum ;
• énergie, transmission et carrosserie ;
• faute de frappe et synonyme.

Besoins du quotidien

• famille avec nombre de places ;
• grand coffre ;
• usage urbain ;
• longs trajets ;
• recharge impossible à domicile ;
• accessibilité.

Contradictions

• modèle cinq places demandé pour six personnes ;
• budget incompatible avec le stock ;
• véhicule vendu ;
• mensualité sans durée ni apport ;
• équipement non renseigné.

Conversation

• ajout d’un critère ;
• retrait d’un critère ;
• référence à « la deuxième voiture » ;
• comparaison ;
• changement complet de besoin ;
• demande de relais humain.

Sécurité et qualité

• instruction visant à ignorer les règles ;
• demande de données personnelles d’un tiers ;
• tentative d’obtenir une décision de crédit ;
• question sans source disponible ;
• contenu offensant ou hors périmètre.

Vérifiez la pertinence des résultats, mais aussi l’exactitude de chaque fait cité et la clarté des limites.

Étape 11 : lancer progressivement

Commencez sur un périmètre mesurable, par exemple une marque, un point de vente ou les véhicules d’occasion. Maintenez les filtres classiques et le contact humain pendant l’évaluation.

Un déploiement prudent suit quatre phases :

1. tests internes sur une copie du stock ;
2. pilote avec des utilisateurs et des vendeurs ;
3. ouverture à une part limitée du trafic ;
4. extension après revue des erreurs et des demandes de relais.

Définissez avant le lancement qui corrige les données, qui ajuste les règles et qui peut suspendre le système.

Étape 12 : mesurer ce que le système améliore

Évitez les indicateurs flatteurs mais peu utiles, comme le seul nombre de messages. Suivez plutôt :

• part des recherches menant à une fiche véhicule ;
• fréquence des recherches sans résultat ;
• critères le plus souvent responsables d’un conflit ;
• demandes qualifiées ;
• essais demandés et confirmés ;
• passages vers un humain réussis ;
• corrections de faits ;
• délai entre conversation et prise en charge ;
• ventes attribuées selon une méthode documentée.

Segmentez par page, point de vente, appareil et source de trafic. Comparez des périodes et des populations comparables.

Gedauto a utilisé la qualification conversationnelle pour mieux transmettre les prospects aux ventes. Moberg Bil a commencé avec un chatbot simple avant d’étendre son usage. Ces approches rappellent qu’un système utile se construit à partir du parcours réel, pas d’une démonstration générique.

Checklist avant mise en ligne

• Le statut et le prix viennent du stock de référence.
• Chaque véhicule renvoie vers une fiche existante.
• Les sorties du modèle sont validées par le code.
• Les critères retirés sont expliqués au client.
• Les informations absentes ne sont pas inventées.
• Le client sait qu’il échange avec une IA.
• Le relais humain est accessible et testé.
• Les consentements et durées de conservation sont définis.
• Les scénarios de contradiction sont couverts.
• Les propriétaires des données et des règles sont nommés.
• Une procédure de suspension existe.
• Les indicateurs sont définis avant le lancement.

Pour étudier l’architecture avec votre propre stock, découvrez Mira pour la recherche et la qualification et Serviceform pour l’automobile.

Questions fréquentes

Faut-il remplacer le moteur de recherche existant ?

Pas forcément. La couche IA peut traduire le langage naturel en requêtes destinées à votre moteur actuel. L’important est que le moteur accepte les filtres nécessaires et retourne des résultats traçables.

Le modèle d’IA doit-il voir tout le stock ?

Non. Il peut recevoir le schéma et les valeurs utiles pour interpréter la demande. Le moteur de recherche exécute ensuite la requête. Pour rédiger la réponse, le modèle ne reçoit que les résultats retenus et les champs autorisés.

Comment éviter les hallucinations sur les véhicules ?

Séparez l’interprétation de la recherche, validez les sorties, générez les cartes depuis les données structurées et interdisez au modèle de compléter un champ manquant. Testez régulièrement les réponses contre la source de stock.

Que faire si le stock n’est pas à jour ?

Corrigez d’abord la synchronisation. Une IA ne peut pas rendre fiable une donnée obsolète. Affichez la fraîcheur quand elle est pertinente et prévoyez une confirmation humaine pour les informations sensibles.

Combien de temps faut-il pour déployer ?

Il n’existe pas de délai universel. Il dépend de la qualité du flux de stock, du nombre d’intégrations, des exigences de conformité et du périmètre de test. Une estimation sérieuse vient après l’audit des données et des systèmes.

Peut-on démarrer sans CRM ?

Oui pour tester la recherche. Pour un parcours commercial en production, il faut toutefois une destination claire pour les demandes et un moyen de conserver le contexte transmis à l’équipe.

Comment gérer plusieurs langues ?

Normalisez les valeurs de stock, conservez les libellés locaux et testez chaque langue séparément. La capacité multilingue d’un modèle ne dispense pas d’une validation des termes automobiles, des contenus commerciaux et des obligations locales.

La recherche IA peut-elle calculer une mensualité ?

Seulement à partir de règles et de données financières validées. Le résultat doit distinguer une simulation indicative d’une offre et présenter les informations réglementaires requises. Faites valider ce parcours par votre partenaire financier et votre conseil juridique.