Rôle
Product Designer
Projet
Refonte de l’interface de recherche globale pour CoStar
Objectif
Unifier l’accès aux données et réduire la friction utilisateur via une interface intelligente.
CoStar est l’outil leader du marché immobilier commercial, mais la richesse de ses données rendait la navigation complexe. L’utilisateur devait naviguer dans des silos d’informations (Propriétés, News, Comps, Locataires) sans vue d’ensemble.
Grâce aux outils de tracking (Pendo et Heat Maps), j’ai identifié un comportement critique :
Le constat : La sélection manuelle de la catégorie avant la recherche est une barrière cognitive majeure.
Les entretiens et les tests d’utilisabilité ont mis en lumière une frustration réelle liée à la rigidité du système actuel :
L’utilisateur doit obligatoirement choisir une section (via un menu déroulant) avant de pouvoir effectuer une recherche. Cette exigence empêche de visualiser l’ensemble des fonctionnalités ou du contenu du produit en une seule fois.
Comme seule la section sélectionnée s’affiche, l’utilisateur ne peut pas naviguer librement parmi les différentes parties du produit. Il n’existe aucun mode « tout afficher » permettant d’agréger l’éventail complet des offres ou des capacités du produit.
Pour passer d’une section à une autre, l’utilisateur doit :
Rouvrir le sélecteur.
Choisir la nouvelle section.
Relancer la recherche. Chaque changement de contexte impose ces trois étapes, ce qui alourdit considérablement le flux de travail (workflow).
Perte de temps : De multiples allers-retours sont nécessaires pour comparer ou explorer les différentes sections.
Risque d’abandon : La complexité ajoutée et la répétition des clics peuvent décourager les utilisateurs.
Frustration : Il n’y a aucune continuité visuelle ou cognitive lors de la navigation entre les sections.
Pour concevoir une recherche universelle, j’ai cartographié les intentions spécifiques des métiers clés :
Indicateurs clés : Prix au m², taux de vacance, échéances de baux (Lease Renewals).
Le « Plus » de la recherche unifiée : Il peut désormais taper « Bureaux à Manhattan avec baux expirant sous 12 mois » et obtenir à la fois les propriétés, les locataires actuels et les news liées.
Indicateurs clés : LTV (Loan To Value), historique de refinancement, taux de défaut des sponsors.
Le « Plus » de la recherche unifiée : En cherchant un portfolio spécifique (ex: « LTV > 75% portfolio XYZ »), il accède directement aux données financières critiques sans naviguer dans les sous-menus « Public Record ».
Indicateurs clés : Taux de CAP, Cash Flow net, tendances de prix de vente.
Le « Plus » de la recherche unifiée : Il peut comparer instantanément deux marchés (ex: « Comparaison bureau Dallas vs Houston ») et obtenir des rapports d’analyse générés par l’IA en complément des listings.
Indicateurs clés : Accessibilité (transports/commerces), performance énergétique (DPE), aménagement intérieur.
Le « Plus » de la recherche unifiée : Une recherche naturelle (ex: « Entrepôt à Denver avec photos et plans ») lui évite de configurer des filtres complexes.
J’ai exploré plusieurs pistes, de la recherche facettée classique à l’agent conversationnel pur (type ChatGPT). L’enjeu était de trouver le « Sweet Spot » entre la puissance technologique de l’IA et le modèle mental actuel de nos utilisateurs.
- Recherche par mots clés
- Affiche les résultats par catégories
- Ajoute des suggestions basé sur la recherche
- Recherche par facette
- Filtres dynamiques basés sur les attributs
- Exccellent pour les produits complexes
Depuis 2023, Amazon a commencé à integrer des LLM afin d’enrichir la recherche de produits avec des résulés, la reformulation des requêtes et même des experiences de chat avec Amazon Rufus
Rufus utilise l’IA générative basée sur le LLM pour :
- Répondre aux questions
- Fournir des guides d’achat
- Comparer les produits
- Résumer les avis
- Aider à la découverte des produits
Pour concevoir la solution de recherche IA idéale pour CoStar, j’ai mené une phase d’exploration approfondie couvrant les technologies sémantiques, les systèmes à facettes et les agents conversationnels. Cette analyse comparative m’a permis d’identifier une architecture hybride capable de transformer des données immobilières denses en une expérience fluide et intelligente.
Mon objectif : garantir que chaque utilisateur, quelle que soit la complexité de sa requête, obtienne une réponse précise et contextualisée.
Une interface 100% chat.
Bien que moderne et courante, cette option présentait un risque de rupture trop important pour des professionnels habitués à des workflows rapides et visuels.
De plus, l’intégration de l’icône de Chat sur une page d’accueil dédiée à l’actualité générait une dissonance cognitive. Ce décalage entre un contenu informatif (news) et un outil fonctionnel (recherche IA) risquait de brouiller la perception de l’utilisateur quant à la véritable valeur ajoutée du chatbot.
L’interface génère des réponses dynamiques et contextuelles adaptées à chaque requête. Conçu comme un système de recherche guidée, l’agent accompagne l’utilisateur pas à pas, affinant les résultats de manière itérative pour garantir une précision maximale à chaque étape de l’exploration.
Cette solution a été choisie comme la plus impactante pour nos utilisateurs.
Respect du Modèle Mental : Nous conservons la barre de recherche, point d’entrée naturel. Nous ne changeons pas radicalement leurs habitudes, ce qui garantit un taux d’adoption élevé.
Amélioration Incrémentale « IA-Augmented » : L’IA transforme une recherche par mots-clés rigide en une expérience fluide capable d’extraire des intentions (NLP).
Le Chat comme Accélérateur : Le chatbot intégré n’est pas là pour remplacer la recherche, mais pour l’affiner via des pistes contextuelles (ex: « Trouver des propriétés similaires »).
Ces trois scénarios illustrent la polyvalence de l’interface : de la recherche directe par adresse à l’exploration ciblée via des facettes précises, jusqu’à l’extraction d’insights stratégiques par le chatbot. Cette synergie permet à l’utilisateur de passer intuitivement de la donnée brute à une analyse assistée par l’IA, garantissant une réponse pertinente quel que soit le niveau de complexité de la requête.
Optimisation de la saisie directe pour un accès immédiat aux fiches propriétés. L’interface reconnaît instantanément l’intention géographique et priorise les résultats les plus pertinents pour réduire la charge cognitive et accélérer la navigation.
Exploitation des facettes dynamiques pour segmenter des données immobilières complexes. L’utilisateur peut combiner plusieurs critères métiers (surfaces, taux de vacance, types d’actifs) pour isoler des opportunités ciblées avec une précision chirurgicale.
Utilisation du langage naturel pour extraire des insights stratégiques. Le système dépasse le simple listing pour répondre à des problématiques complexes, comme la comparaison de marchés ou l’analyse de tendances, transformant la donnée brute en aide à la décision.
Le nouveau parcours utilisateur réduit drastiquement les étapes :
- Choisir une section
- Taper
- Chercher
- (Erreur)
- Changer de section
- Re-taper
- Taper la requête
- Vue globale instantanée
- Affinement intelligent via Chat ou Tags
L’innovation ne doit pas être une rupture, mais une évolution fluide. En retenant la Solution B, nous avons choisi l’impact et l’utilisabilité plutôt que la simple démonstration technologique.
CoStar recherche & IA
