IA générative pour l'achat automobile en ligne
Un réseau d'agents IA comprend une demande formulée en langage courant, compare les véhicules disponibles et prépare une demande de devis.
Les défis de l'achat automobile en ligne
Les plateformes de vente ou de comparaison de véhicules partagent les mêmes obstacles, du premier clic jusqu'au bon de commande.
- Un catalogue difficile à parcourir
Des dizaines de modèles, des centaines d'options, des milliers de configurations : le visiteur se perd avant même de comparer deux véhicules sérieusement.
- Aucun vendeur pour traduire le besoin
En concession, un vendeur reformule la demande du client en critères concrets. En ligne, cette étape n'existe pas : chacun se débrouille avec des filtres.
- Un vocabulaire que le client ne maîtrise pas
Cylindrée, motorisation hybride, niveau de finition : les acheteurs savent ce qu'ils veulent faire de leur véhicule, rarement comment le formuler en termes techniques.
- Des fiches produit identiques pour tout le monde
La même fiche s'affiche pour une famille qui cherche de l'espace et un célibataire qui cherche un petit budget. L'argumentaire ne s'adapte à personne.
Notre approche : un réseau d'agents IA spécialisés
Kalaia construit un réseau d'agents IA spécialisés plutôt qu'un moteur de recherche à filtres. Chaque agent tient un rôle précis, et les agents se coordonnent pour répondre à une demande exprimée en langage naturel.
Comment fonctionne le réseau d'agents
Trois familles d'agents se relaient sur le parcours du client, de la première question jusqu'à la demande de devis.
Comprendre le besoin en langage naturel
Le client écrit ou dit ce qu'il cherche avec ses propres mots. L'agent de compréhension identifie les critères explicites, comme le budget ou le type de véhicule, et les priorités qui restent implicites. Il transforme le tout en une requête structurée.
En pratique
- Le client formule sa demande comme il la dirait à un vendeur : usage, budget, contraintes.
- L'agent sépare les critères explicites des priorités implicites, et pose une question quand un critère manque.
- La demande est traduite en requête structurée, exploitable par le catalogue.
Sélectionner et comparer
Un agent de sélection croise cette requête avec le catalogue, pondère les compromis (le budget face aux équipements, par exemple) et retient une proposition principale, plus des alternatives pertinentes.
En pratique
- Les véhicules du catalogue sont confrontés à la requête, critère par critère.
- Les compromis sont pondérés : ce que le client accepte de céder sur l'équipement pour rester dans son budget.
- L'agent retient une proposition principale et des alternatives, avec la raison de chaque écart.
Argumenter jusqu'au devis
Un agent de rédaction construit un argumentaire propre à chaque véhicule retenu, centré sur ce qui compte pour ce client précis. Le parcours se termine par un accès direct à une demande de devis.
En pratique
- L'argumentaire est rédigé véhicule par véhicule, à partir des critères que le client a exprimés.
- Les caractéristiques sans intérêt pour ce client précis ne sont pas mises en avant.
- Le parcours se termine par une demande de devis, sans ressaisie des informations déjà données.
Se brancher sur le catalogue existant
Le réseau d'agents interroge votre base de véhicules telle qu'elle est. Il n'y a pas de catalogue parallèle à maintenir, ni de refonte préalable à mener.
En pratique
- Connexion en lecture à la base de véhicules existante.
- Les ajouts et les modifications du catalogue sont pris en compte sans intervention manuelle.
- Les échanges peuvent rester hébergés sur vos serveurs si votre politique de données l'exige.
Une plateforme de recherche et de comparaison de véhicules
Le contexte
La plateforme voulait savoir où l'IA générative apporterait vraiment de la valeur sur son parcours, de la recherche du véhicule jusqu'au bon de commande. C'est une start-up du secteur automobile, portée par son équipe fondatrice, qui nous a confié cette mission en deux volets.
Le point de départ était un constat que partagent la plupart des plateformes du secteur :
- un catalogue trop vaste pour être parcouru à la main,
- des filtres qui supposent que le client connaisse déjà le vocabulaire technique,
- des abandons en cours de recherche, avant même la comparaison de deux véhicules,
- des fiches produit identiques pour des besoins très différents,
- aucun équivalent en ligne du vendeur qui reformule la demande en concession.
Notre approche
Le premier volet a couvert l'ensemble de la proposition de valeur, de la recherche du véhicule au bon de commande, avec un état de l'art des usages d'IA générative envisageables à chaque étape.
Le second volet a construit un POC agentique en ligne. Des agents IA spécialisés se répartissent la compréhension du besoin, la sélection des véhicules et la rédaction de l'argumentaire. Le client affine ses préférences avec un moteur conversationnel en langage naturel, reçoit des propositions personnalisées et accède directement à une demande de devis.
Les deux volets ont été menés directement avec l'équipe fondatrice, sans intermédiaire. Le POC a été construit sur notre plateforme, hors des systèmes de la start-up, pour ne pas dépendre d'un chantier technique préalable.
Ce que la mission a produit
Le POC a démontré la faisabilité technique du moteur conversationnel connecté au catalogue existant, de la formulation du besoin jusqu'à l'accès à une demande de devis. Comme pour chaque POC Kalaia, la mission s'est terminée par une démonstration fonctionnelle, un rapport de faisabilité et les conditions d'un pilote.
Ce que le POC a montré
- Une demande formulée en langage courant peut être traduite en critères de recherche exploitables.
- Le catalogue existant peut être interrogé tel quel, sans refonte préalable.
- L'argumentaire peut être généré véhicule par véhicule, à partir des seuls critères exprimés.
- Le parcours tient de bout en bout, de la première question jusqu'à la demande de devis.
Ce que le POC ne mesure pas : l'effet réel sur la conversion de la plateforme. Cela demande un pilote, avec des visiteurs et des volumes réels, sur une période assez longue pour être lue. Les conditions de ce pilote font partie des livrables de la mission.
Un même principe, un autre usage
Le même principe s'applique à d'autres usages du secteur automobile. Pour un acteur de la mobilité, nous avons construit un moteur conversationnel d'aide au choix et à la planification de voyages : recommandations d'hébergements, d'itinéraires et d'activités selon les préférences exprimées.
Le principe est identique : des agents spécialisés se répartissent la compréhension du besoin, la sélection dans un catalogue et la rédaction de la recommandation. Ce qui change d'un cas à l'autre, c'est la source de données et le vocabulaire du domaine.
Vous voulez savoir où l'IA générative apporterait de la valeur sur votre plateforme ?
Nous pouvons faire le même exercice sur votre parcours d'achat : un état de l'art ciblé, puis un POC si le cas le justifie. Le premier échange ne vous engage à rien.
Discuter de votre projetQuestions fréquentes
Ce que l'on nous demande le plus souvent sur l'assistance à l'achat automobile par IA.
Comment l'agent IA comprend-il les besoins d'un client ?
Il traite les critères explicites, comme le budget ou le type de véhicule, et déduit certaines préférences du contexte : une recherche mentionnant une famille oriente par exemple vers l'espace et la sécurité, même sans que ces mots soient utilisés.
Combien de temps faut-il entre le feu vert et une première démonstration ?
Nous comptons huit à dix semaines entre le feu vert et une démonstration qui fonctionne. La première semaine sert au cadrage fonctionnel et aux données, les suivantes au développement, avec quatre à cinq itérations avec vous, jusqu'à la démonstration et au rapport de faisabilité.
Comment l'agent suit-il les mises à jour du catalogue ?
Il interroge directement votre base de données de véhicules. Un nouveau modèle ou une caractéristique modifiée est pris en compte dans les recommandations sans intervention manuelle de votre part.
Quelles données sont utilisées, et comment ?
Seules les données nécessaires à la compréhension du besoin sont traitées, dans le respect du RGPD. Les échanges peuvent être hébergés entièrement sur vos serveurs si votre politique de données l'exige.
En quoi un réseau d'agents diffère-t-il d'un moteur de recherche à filtres ?
Un moteur à filtres attend que le client traduise lui-même son besoin en critères techniques. Un réseau d'agents fait cette traduction à sa place. Chaque agent tient un rôle précis, comprendre, sélectionner, argumenter, et les agents se passent le relais. C'est aussi ce qui rend le comportement lisible : quand une recommandation est mauvaise, on sait quel agent a dérapé.
Faut-il refondre notre catalogue avant de commencer ?
Non. Nous partons de la base telle qu'elle est. Si des champs manquent pour répondre à certaines demandes, cela ressort pendant le cadrage et devient une décision explicite, pas un préalable imposé.
Prêt à savoir ce que l'IA générative changerait sur votre plateforme ?
Parlons de votre parcours d'achat et de ce qu'un premier état de l'art révélerait.
Échanger sur votre projet