Agents IA en conciergerie : la fin de la tech stack éclatée pour les gestionnaires pro ?

Depuis un an, presque tous les outils du secteur annoncent une fonctionnalité IA. Mais ajouter un chatbot à un PMS et construire un logiciel pensé pour être piloté par des agents dès le départ, ce n'est pas la même chose. Jan Sahagun le sait mieux que la plupart : après plusieurs années dans la vente de solutions IA pour la location courte durée, il a co-fondé Trellis, une plateforme d'agents IA en conciergerie passée par le programme Y Combinator à San Francisco. Dans cet épisode Spotlight, il explique pourquoi la vraie rupture ne se joue pas dans l'ajout d'une couche d'IA, mais dans l'architecture même du logiciel. Cet article revient sur ce que ça change concrètement pour votre activité, et pour qui c'est déjà pertinent aujourd'hui.

Regarder l'épisode sur YouTube

Ecouter l'épisode avec Spotify

Le vrai problème n'est pas l'IA, c'est la fragmentation des outils

Pour comprendre la proposition de Trellis, il faut revenir à la façon dont une conciergerie s'équipe historiquement. Le premier outil utilisé est presque toujours un channel manager, qui synchronise les annonces sur les OTA. Vient ensuite un PMS (Property Management System, logiciel central de gestion locative). Puis, au fil de la croissance, une multitude de solutions ponctuelles s'ajoutent pour le pricing, la communication ou les opérations.

Chaque outil résout un problème précis, mais ils ne communiquent pas bien entre eux. Résultat : la conciergerie devient elle-même l'orchestrateur manuel de sa propre tech stack, en passant d'une interface à l'autre pour éviter que l'information ne se perde.

C'est exactement le constat qui a poussé Jan Sahagun et son cofondateur Lodovico Benvenuti à lancer Trellis. Lodovico, qui a étudié l'IA à Cambridge, avait déjà développé une brique IA pour la relation voyageurs chez Conduit et gérait lui-même 150 logements à Milan. Cette double casquette, technique et opérationnelle, a nourri leur diagnostic commun : le secteur n'a pas un problème d'outils, il a un problème de connexion entre ses outils. Le sujet n'est d'ailleurs pas propre à Trellis : notre Spotlight avec François Lavie sur le MCP et RentalReady abordait déjà cette même friction d'interopérabilité, sous un angle différent.

Agents IA natifs : au-delà du chatbot ajouté à votre PMS

La distinction que fait Jan Sahagun entre une solution qui "ajoute de l'IA" et une solution "IA native" est centrale à sa démonstration. Dans le premier cas, l'IA vient répondre à des messages ou générer du texte, mais un humain reste nécessaire pour exécuter la tâche derrière. Dans le second cas, l'agent peut effectuer lui-même l'action, à la place de la personne qui cliquerait normalement dans une interface.

Concrètement, Trellis centralise la communication voyageurs et propriétaires dans une boîte de réception unique, tous canaux confondus (OTA, WhatsApp, SMS, e-mail, appels). Un ménage qui signale une chaise cassée via un message peut déclencher, sans intervention humaine, la création d'une tâche de remplacement et l'envoi d'un message au propriétaire pour valider le budget.

"L'objectif de Trellis, c'est pas de enlever l'humain, c'est justement de lui donner des super pouvoirs."
Jan Sahagun, cofondateur, Trellis

Cette phrase résume l'ambition affichée : automatiser les tâches répétitives pour redonner du temps à ce que Jan Sahagun appelle "l'hospitalité". Il illustre cette idée avec un exemple tiré de l'activité de son cofondateur : un agent qui identifie, en interrogeant un voyageur avant son arrivée, qu'il vient célébrer un anniversaire de mariage, propose spontanément une mise en scène (pétales de roses, champagne), organise la logistique avec l'équipe de ménage, puis recontacte le voyageur après son séjour pour recueillir son ressenti. L'exemple est cliché, il l'admet lui-même, mais il pose une question de fond que notre Spotlight sur l'IA et la relation voyageur explorait déjà : automatiser sans perdre la dimension humaine de l'accueil.

Autre élément structurant : les workflows créés par une conciergerie pour un cas d'usage spécifique peuvent, selon Jan Sahagun, être partagés à l'ensemble du réseau d'utilisateurs, un peu comme des modèles réutilisables. C'est un pari sur un effet de réseau encore à démontrer à cette échelle du secteur.

Qui utilise déjà ce type de solution, et à quel prix ?

Les profils qui adoptent en priorité ce type de plateforme sont, sans surprise, les plus équipés techniquement : des conciergeries qui utilisent déjà un PMS, un outil de pricing dédié et Slack en interne plutôt que WhatsApp. Ce sont aussi des structures qui avaient parfois commencé à bricoler elles-mêmes leur propre couche d'automatisation avant de préférer déléguer ce chantier.

"Aujourd'hui, on a 46 clients, à peu près 4000 logements et ils sont dans 11 pays différents."
Jan Sahagun, cofondateur, Trellis

Selon ces chiffres, communiqués par Jan Sahagun et non vérifiés de façon indépendante, le profil type se situe autour de 100 logements gérés, avec une majorité de clients américains, une présence significative au Mexique et en Europe, et deux clients en France dont un de taille importante. La France reste, d'après lui, le deuxième marché mondial de la location courte durée derrière les États-Unis, mais accuse un retard d'adoption technologique par rapport au marché américain.

Côté modèle économique, Trellis a démarré sur une logique familière au secteur : un coût fixe par logement et par mois. La nuance vient de la consommation de tokens IA, qui varie fortement selon le nombre d'agents et de workflows activés. Le prix fixe donne donc accès à un volume de crédits, au-delà duquel il faut en racheter. L'objectif affiché à terme est de basculer vers un modèle purement à la consommation, sans coût fixe ni pourcentage sur les commissions, une architecture tarifaire que Jan Sahagun présente comme plus transparente que les modèles à commission qu'il juge porteurs de coûts cachés.

"On est passé de 0 à plus de 600 K d'ARR en 6 semaines."
Jan Sahagun, cofondateur, Trellis

Cette croissance, revendiquée par le fondateur lui-même dans le cadre de sa levée de fonds en cours, doit être lue avec la prudence qui s'impose pour toute startup en phase d'amorçage : elle traduit un intérêt de marché réel, pas encore une maturité produit éprouvée sur la durée.

Qui gagne, qui perd ?

Les gagnants les plus évidents sont les conciergeries professionnelles déjà en croissance, avec une équipe familière des outils numériques et une pile technologique fragmentée qui leur coûte du temps au quotidien. Pour ce profil, la promesse de scaler sans recruter proportionnellement a un sens économique direct.

Les perdants potentiels sont à l'inverse assez clairement identifiables. D'abord, les petites structures d'un à dix logements, pour qui la logique de crédits liés aux tokens peut être difficile à arbitrer sans accompagnement, et dont le volume d'opérations ne justifie pas forcément l'investissement. Ensuite, les gestionnaires qui espéreraient que l'outil compense un manque de rigueur opérationnelle.

"L'IA c'est garbage in, garbage out."
Jan Sahagun, cofondateur, Trellis

La formule est directe : un mauvais gestionnaire qui donne un mauvais contexte à ses agents obtiendra de mauvais résultats, exactement comme s'il formait un nouvel employé avec les informations d'un concurrent. Enfin, le marché français dans son ensemble risque de perdre du terrain sur ce sujet s'il continue d'aborder l'IA agentique avec la prudence que Jan Sahagun observe par rapport aux États-Unis.

Selon votre taille de portefeuille : dans quel ordre avancer ?

1 à 10 logements : ce type de solution n'est probablement pas une priorité immédiate. Mieux vaut d'abord consolider un PMS unique et des process de base documentés avant d'envisager une couche agentique, dont le coût par crédit reste difficile à rentabiliser sur un petit volume.

10 à 50 logements : c'est la zone où la fragmentation des outils commence réellement à coûter du temps de gestion. Un test ciblé sur un seul cas d'usage, la communication voyageurs par exemple, permet d'évaluer l'apport réel avant toute généralisation.

50 logements et plus : c'est le profil le plus représenté chez les premiers utilisateurs de ce type de plateforme. L'enjeu principal n'est pas l'outil en lui-même, mais la discipline opérationnelle : sans procédures et SOP correctement formalisées, les agents manqueront du contexte nécessaire pour bien fonctionner.

Questions fréquentes

Ce que ça change pour votre activité

Que vous adoptiez ce type de solution demain ou dans deux ans, le signal envoyé par cet épisode est clair : la distinction entre "avoir de l'IA" et "être pensé pour l'IA" va devenir un critère de choix technologique à part entière. Pour les conciergeries de plus de 50 logements aux process déjà documentés, c'est un sujet à mettre sur la table dès maintenant, ne serait-ce que pour tester un cas d'usage limité. Pour les structures plus petites, la priorité reste de construire des fondations opérationnelles solides, condition indispensable pour qu'un agent IA, quel qu'il soit, puisse un jour travailler avec le bon contexte. Notre article sur la documentation des process avant recrutement donne d'ailleurs une bonne base pour s'y préparer, IA ou pas.

À propos de Jan Sahagun

Jan Sahagun est cofondateur et responsable des opérations de Trellis, une plateforme d'agents IA pour la location courte durée passée par le programme Y Combinator (promotion Spring 2026). Avant de créer Trellis, il a occupé des postes commerciaux dans plusieurs entreprises technologiques du secteur, dont Besty AI, ce qui lui a donné une connaissance fine du terrain et du réseau de professionnels de la conciergerie. Plus d'informations sur la page officielle de Trellis sur Y Combinator et le site de Trellis.