Par Cédric Dossou Yovo
Le scoring de leads attribue un score (0-100) à chaque contact de ton CRM en combinant des critères comportementaux (ouvertures email, visites site), des critères de profil (budget, délai) et des données marché DVF (activité du quartier, tendance des prix). Avec Pykly pour la qualification automatique et Make pour l
📁 Dossier Prospection IA — 12 tutos pas à pas Ce dossier regroupe 12 tutoriels pour transformer ta prospection immobilière avec l'IA. Voir les 116 cas d'usage → • Scripts appel à froid par quartier avec l'IA • Emails prospection vendeur IA : séquences 2026 • Annonces PAP : identifier des prospects avec l'IA • Veille concurrentielle immobilier automatisée IA • Lettres prospection boîte aux lettres avec l'IA • Chatbot IA immobilier : qualifier les leads • Scoring de leads • Générer des messages de relance personnalisés avec l'IA • Détecter les signaux faibles de mise en vente avec l'IA • Messages LinkedIn immobilier : approcher avec l'IA • Scripts de pige téléphonique avec l'IA : guide • Suivi leads CRM automatisé : rappels IA
Ce que tu vas apprendre dans ce tuto 1. Les 12 critères de scoring adaptés à l'immobilier en 2026 (comportementaux + profil + marché DVF) 2. Comment pondérer chaque critère avec une grille de points validée terrain 3. Le prompt structuré 2026 pour affiner ton scoring avec Claude 4. Comment automatiser avec Make + Pykly + Brevo 5. Le concept de Score de Maturité Projet (SMP) pour prédire le timing de signature 6. Résultats typiques du scoring enrichi sur la conversion
Pourquoi scorer tes leads change tes résultats
Sans scoring, tous les contacts se valent dans ton CRM. Tu passes autant de temps sur un curieux qui a cliqué une fois que sur un propriétaire prêt à signer. Le scoring inverse cette logique : il te dit exactement à qui consacrer ton énergie, et quand.
En 2026, le scoring ne se limite plus au comportemental (a-t-il ouvert mon email ?). Les meilleurs systèmes intègrent des données marché objectives : activité DVF du quartier, tendance des prix, nombre de transactions récentes. Un propriétaire dans un quartier en hausse de 8% n'a pas le même potentiel qu'un propriétaire en zone stagnante.
18% — de taux de conversion moyen chez les agents qui scorent leurs leads vs 5% sans scoring — Données terrain IA LAB, 45 agents accompagnés 2024-2025
Les 12 critères de scoring immobilier 2026
La grille 2026 va au-delà des 10 critères classiques en intégrant les données DVF et le contexte marché local.
Critère | Points | Type | Source A ouvert 3+ emails | +10 | Comportemental | Brevo / Mailchimp A cliqué un lien dans un email | +15 | Comportemental | Brevo / Mailchimp A visité la page estimation | +20 | Comportemental | Google Analytics A répondu à un email/SMS | +25 | Comportemental | CRM A interagi avec le chatbot Pykly | +20 | Comportemental | Pykly Délai projet < 3 mois | +30 | Profil | Questionnaire Propriétaire confirmé | +20 | Profil | Pykly / questionnaire Localisation dans ton secteur | +15 | Profil | CRM A déjà fait estimer son bien | +10 | Profil | Déclaratif Quartier en hausse > 5% (DVF) | +15 | Marché | DVF / Perplexity Inactif depuis 30+ jours | -20 | Décroissance | CRM Email bounced / faux numéro | -50 | Disqualifiant | Brevo
Étape 1 : collecter les données DVF pour pondérer le scoring
Les données DVF permettent d'ajouter une couche "marché" à ton scoring. Un lead dans un quartier avec 40 transactions/an et des prix en hausse est objectivement plus "chaud" qu'un lead dans un quartier à 5 transactions/an.
Enrichir ton scoring avec DVF - Identifier les quartiers de tes leads : Regroupe tes contacts CRM par quartier ou code postal. Exporte la liste. - Extraire les données DVF par quartier : Sur app.dvf.etalab.gouv.fr, relève pour chaque quartier : nombre de transactions 12 mois, prix médian/m², tendance. - Créer un bonus scoring par quartier : Quartier en hausse > 5% : +15 points. Quartier > 20 transactions/an : +10 points. Quartier avec délai < 60 jours : +10 points. - Intégrer dans ta grille : Ajoute ces bonus au score de chaque lead selon son quartier. Un lead tiède dans un quartier chaud devient prioritaire.
Le scoring de leads automatisé attribue un score à chaque contact dans ton CRM en fonction de leur comportement, de leur profil et du marché immobilier (données DVF). C'est important car cela te permet de prioriser tes efforts sur les prospects les plus intéressants, et d'augmenter ton taux de conversion. En utilisant cette méthode, certains agents sont passés de 5% à 18% de taux de conversion, car ils se concentrent sur les bonnes opportunités.
Pour évaluer tes leads, tu dois considérer plusieurs types de critères. Il y a les critères comportementaux, comme les emails ouverts ou les visites sur ton site web. Il y a aussi les critères de profil, comme le budget du prospect ou son délai pour acheter. Enfin, tu peux intégrer des données de marché DVF, qui te donnent des informations sur l'activité du quartier et l'évolution des prix. La combinaison de ces éléments te donnera un score complet.
Tu peux utiliser différents outils selon tes besoins et ton budget. Pour une formule débutant, tu peux combiner Pykly et Brevo pour 0 à 30€ par mois. Pour une formule intermédiaire, Make avec ton CRM et Claude te coûtera entre 50 et 100€ par mois. Si tu as besoin d'une solution avancée, Claude Code peut t'aider pour environ 100$ par mois. Ces outils t'aideront à automatiser la mise à jour des scores en temps réel.
Pour déterminer le système de scoring qui te convient le mieux, tu dois analyser tes besoins spécifiques et les ressources dont tu disposes. Un diagnostic est recommandé pour évaluer ton volume de contacts, la complexité de tes critères de qualification et ton budget. Par exemple, si tu as peu de contacts, une formule simple comme Pykly + Brevo peut suffire. Si tu as un volume important et des besoins poussés, une solution avancée avec Claude Code serait plus adaptée.