Skip to main content
La recherche par critères suppose une cible bien définie (T2, Nancy, sous 180 k€). La recherche sémantique fonctionne à l’inverse : la description tient en une phrase floue (“une maison de caractère avec du potentiel rénov en Bretagne”), et Imoria classe les annonces qui collent le mieux à l’idée. Même si leurs vendeurs n’ont pas utilisé les mêmes mots.
La recherche sémantique fonctionne sur l’embedding du texte des annonces (titre + description). Plus la description est vivante côté vendeur, plus le matching est précis.

Exemple de prompt

Dans le client IA

Ce qu’Imoria renvoie

Une liste classée par similarité sémantique (score de 0 à 1). Chaque ligne contient les champs habituels d’une annonce, plus : Les filtres durs (ville, prix, surface) sont appliqués avant le ranking sémantique. Ils restent stricts. C’est le classement qui est sémantique. Exemple de réponse réelle :
Réponse Imoria

Variations à essayer

Limites

  • Une description très générique (“un appartement”) produit un classement peu différent d’une recherche par critères classique. La recherche sémantique brille quand la description est spécifique mais non chiffrable.
  • Les vendeurs qui écrivent des descriptions très courtes ressortent moins bien. Leurs annonces sont sémantiquement pauvres.
Voir : adresses-masquees-sur-les-annonces

Et après ?

Inspecter une annonce

Plonger dans le détail d’un bien repéré.

Estimer la valeur

Vérifier si le prix est aligné avec le marché.
Cette page utilise principalement search_ads_semantic (et parfois search_ads_hybrid quand Imoria combine sémantique et keyword).Paramètres :
  • query. Texte libre, c’est la requête sémantique
  • department, city, polygon. Filtres géographiques durs
  • minPrice / maxPrice. Fourchette de prix
  • minSurfaceM2 / maxSurfaceM2. Fourchette de surface
  • minBedrooms / maxBedrooms. Chambres
  • dpeMinClass. DPE minimum
  • nearPoi. Proximité à un type de POI
  • limit / offset. Pagination
Retourne similarity (cosinus, 0–1) en plus des champs d’annonce.