Choisissez votre analyste : comment nous avons intégré la sélection de modèles chez Quanthome

La semaine dernière, nous avons poussé le dernier commit sur une fonctionnalité dont nous discutions depuis des mois. C'est d'apparence trompeusement simple — un menu dans l'interface qui permet aux utilisateurs de choisir quel modèle AI alimente leur analyse. Mais derrière ce panneau se cache un changement fondamental dans notre vision de l'analyse immobilière assistée par AI, et honnêtement, un reflet de la vitesse à laquelle cette industrie tout entière évolue.

Tout a commencé par une conversation que nous avions régulièrement en interne : pourquoi tout le monde devrait-il avoir la même puissance analytique pour chaque tâche ? Quand un gestionnaire de portefeuille mène une due diligence sur une acquisition de 50 millions de CHF, il a besoin de précision. Chaque décimale compte. Mais quand quelqu'un explore rapidement les loyers moyens d'un quartier avant un appel client, il a besoin de vitesse et d'efficacité, pas nécessairement de l'équivalent computationnel d'un analyste senior passant trois heures sur le problème.

L'industrie du conseil immobilier a fonctionné sur un modèle unique pendant des décennies. Vous engagez un cabinet, vous obtenez sa méthodologie, son rythme, sa grille tarifaire. Ce que nous construisons chez Quanthome est différent. Il s'agit de donner aux professionnels les outils pour calibrer leur analyse en fonction de la tâche à accomplir.

Lorsque nous avons intégré la nouvelle fonctionnalité de sélection de modèles, nous avons retenu quatre options, chacune avec sa propre personnalité et sa raison d'être.

Claude 4.5 Opus est notre poids lourd. À 2,5× la consommation standard de crédits, il n'est pas bon marché, mais la précision est remarquable. Je l'ai observé traiter une requête la semaine dernière qui illustre parfaitement pourquoi le raisonnement structuré est important.

Un utilisateur a posé une question apparemment simple : quel est le loyer moyen des appartements dans un rayon de 500 mètres autour d'une adresse spécifique ? Pour un analyste humain, cela implique plusieurs étapes. Trouver l'immeuble, obtenir ses coordonnées, définir une zone géographique, interroger les bonnes tables de la base de données et agréger les résultats. Ce qui m'a impressionné, c'est de regarder Opus raisonner à voix haute sur le problème. Il a d'abord interrogé notre table des immeubles pour obtenir les champs disponibles. Puis il a filtré pour trouver la propriété spécifique et extraire ses coordonnées. Quand il a découvert que les données des logements n'incluaient pas directement les coordonnées, il a raisonné pour trouver la solution : interroger la table des immeubles dans la zone géographique, puis accéder aux logements connectés via la relation entre les tables.

Six appels d'outils. Plusieurs tables de base de données. Des calculs de coordonnées géographiques pour convertir un rayon de 500 mètres en bornes de latitude et longitude. Et il a narré son raisonnement à chaque étape, expliquant pourquoi il devait pivoter quand sa première approche aboutissait à une impasse. Ce n'est pas du simple pattern matching. C'est de la résolution de problèmes structurée. Pour les analyses critiques où les erreurs ont des conséquences financières réelles, Opus vaut chaque crédit.

Claude 4.5 Sonnet est devenu notre choix par défaut recommandé pour de bonnes raisons. À 1,5× de consommation, il atteint un point d'équilibre qui convient à la plupart des cas d'utilisation quotidiens. Il est suffisamment intelligent pour gérer des requêtes sophistiquées, suffisamment efficace pour que vous ne brûliez pas votre allocation mensuelle en une semaine. Quand je teste de nouvelles fonctionnalités ou que je mène des analyses de marché standard, Sonnet est mon premier choix.

Claude 4.5 Haiku est fait pour la vitesse et le volume. À seulement 0,5× de consommation, vous pouvez exécuter des analyses exploratoires toute la journée sans penser deux fois aux crédits. Premier passage sur un nouveau marché ? Haiku. Question rapide sur les classifications de propriétés ? Haiku. Il ne rédigera pas votre présentation au conseil d'administration, mais il vous aidera à déterminer quelles questions poser.

Gemini 3 Pro complète la sélection à 1,0× de consommation. Nous croyons à la diversité des modèles — des architectures différentes détectent parfois des éléments que d'autres manquent, ou abordent les problèmes sous des angles utiles. Avoir une alternative nous garde honnêtes et offre des options aux utilisateurs.

Voici ce qui me préoccupe constamment alors que nous déployons ces mises à jour : le rythme du changement est sans précédent. Il y a six mois, les modèles que nous qualifions désormais de « legacy » étaient à la pointe de la technologie. Dans six mois, nous intégrerons probablement des capacités qui n'existent pas encore aujourd'hui.

Cette réalité façonne l'ensemble de notre architecture. Notre couche d'intégration de modèles est conçue pour la flexibilité — ajouter un nouveau modèle prend des jours, pas des mois. Chaque mise à jour est validée par rapport à nos cas d'utilisation immobiliers spécifiques, car ce qui fonctionne pour la conversation générale ne fonctionne pas toujours pour l'analyse structurée de propriétés. Les outils qu'Opus gère avec élégance — nos fonctions d'agrégation, nos filtres géographiques, nos intégrations de données de marché — ont nécessité un prompt engineering et des tests minutieux.

Le modèle traditionnel de conseil en immobilier repose sur les relations, l'intuition et des rapports approfondis périodiques. Ce modèle ne disparaît pas, mais il est augmenté par quelque chose de plus rapide, plus continu et plus accessible. Un gestionnaire immobilier qui attendait auparavant des semaines pour une analyse de marché peut désormais en exécuter une en quelques minutes. Un investisseur qui s'appuyait sur des rapports trimestriels peut maintenant vérifier les conditions du marché avant toute décision importante.

Nous ne remplaçons pas l'expertise humaine. Nous l'amplifions. Et avec la sélection de modèles, nous laissons les utilisateurs décider exactement du niveau d'amplification dont ils ont besoin pour chaque tâche.

Ce qui m'enthousiasme le plus, ce n'est pas une analyse en particulier. C'est de regarder l'AI raisonner sur des problèmes qu'elle n'a jamais rencontrés. Cette requête de rayon géographique que j'ai mentionnée ? Nous n'avons pas explicitement programmé ce workflow. Opus a compris les mathématiques de coordonnées, a réalisé qu'il devait traverser les relations entre tables, et s'est adapté quand sa première approche ne fonctionnait pas. Ce type de résolution de problèmes flexible est ce qui distingue un outil utile d'un outil transformateur.

Nous construisons une infrastructure pour un avenir où chaque professionnel de l'immobilier a accès à des capacités analytiques de qualité institutionnelle. Pas seulement les grands fonds avec des équipes d'analystes, mais les consultants indépendants, les petits gestionnaires immobiliers, les investisseurs individuels.

La sélection de modèles est une étape dans cette direction. Elle reconnaît que des situations différentes appellent des outils différents, et met ce choix entre les mains de l'utilisateur. À mesure que de nouveaux modèles émergent — et ils le feront, plus vite que quiconque ne l'anticipe — nous les intégrerons. À mesure que les capacités s'étendent, nous les exposerons.

L'industrie immobilière a été plus lente que d'autres à adopter le changement technologique. Mais une fois que la transformation commence, elle tend à s'accélérer. Nous construisons pour cette accélération, et honnêtement, c'est le travail le plus passionnant que j'aie jamais fait.

La fonctionnalité de sélection de modèles est désormais disponible pour tous les utilisateurs de Quanthome. Accédez-y via le panneau Modèle sur le côté droit de votre interface de chat.