Rocket Close a automatisé la vérification des droits de propriété avec l'IA agentive d'AWS

Rocket Close, une plateforme d'automatisation des transactions immobilières, a construit un système d'agents IA appelé Supercharger sur AWS. La solution automatise la vérification de titre — l'une des étapes les plus consommatrices de documents et à risque de la clôture d'une transaction.

Problème : Montagnes de Documents Avant Chaque Transaction

Avant qu'une transaction immobilière puisse être clôturée, les spécialistes en titres de propriété mènent un examen juridique complet du bien. Cela comprend l'examen des registres de tous les propriétaires précédents, des registres hypothécaires et des privilèges, des charges judiciaires, des dettes fiscales, des servitudes et des restrictions. L'historique de chaque propriété peut remonter à des décennies, et les données sont souvent réparties dans les registres municipaux, régionaux et fédéraux.

Le traitement manuel de telles demandes demande du temps et une grande concentration. Un seul enregistrement de charge omis peut bloquer ou invalider une transaction valant des millions de dollars. À mesure que l'entreprise se développe, ce processus se heurte à un plafond de ressources humaines : on ne peut pas simplement embaucher davantage de spécialistes et s'attendre à une croissance linéaire de la productivité.

C'est précisément la tâche que Rocket Close a abordée lors de la conception de Supercharger. L'objectif est d'automatiser les vérifications standard et de laisser aux spécialistes uniquement les cas non standard nécessitant un jugement professionnel.

Comment Fonctionne Supercharger

Le système est construit sur une combinaison de plusieurs composants AWS unifiés dans une architecture d'agents unique :

• Strands Agents — cadre AWS pour orchestrer plusieurs agents IA ; chaque agent se spécialise dans son propre type de vérification
• Amazon Bedrock — plateforme pour travailler avec les grands modèles de langage ; effectue l'analyse sémantique des documents et l'extraction d'informations structurées
• Amazon Bedrock Knowledge Bases — base de connaissances vectorielle pour RAG : les agents récupèrent dynamiquement les exigences réglementaires, les modèles juridiques et les précédents pertinents pour la demande actuelle
• Model Context Protocol (MCP) — norme ouverte qui permet de connecter des outils externes et des sources de données directement aux modèles de langage

Dans le cycle de travail, les agents reçoivent une tâche, déterminent indépendamment quels outils et bases de données consulter, effectuent l'extraction et la vérification des informations, puis retournent un résultat structuré. Les opérateurs sont impliqués uniquement dans les cas exceptionnels — lorsqu'un agent rencontre un document sortant des modèles connus ou nécessitant une interprétation juridique.

Leçons de l'Équipe lors de la Mise en Œuvre

AWS publie l'étude de cas Rocket Close sur le blog Machine Learning comme l'un des premiers exemples d'application des Strands Agents en conditions réelles. L'équipe partage plusieurs enseignements pratiques.

La qualité de la Knowledge Base s'est avérée être le facteur déterminant. Sans une base de connaissances soigneusement structurée et annotée, les agents perdaient le contexte lorsqu'ils travaillaient avec des formulations juridiques non standard — la terminologie spécifique d'États individuels, les registres obsolètes ou les formes atypiques de charges. L'équipe a consacré un temps considérable à la construction et à l'annotation d'un corpus de documents avant que le système commence à fournir régulièrement des résultats fiables.

MCP a considérablement accéléré l'intégration avec les sources de données externes. Au lieu d'écrire des connecteurs personnalisés pour chaque registre, l'équipe a connecté les nouvelles sources via le protocole standard, ce qui a réduit le temps de développement. Parmi les résultats commerciaux documentés : réduction du temps de traitement des demandes de titre, diminution de la charge opérationnelle des vérifications de routine et la capacité à augmenter le volume de travail sans augmentation proportionnelle du personnel.

Ce Que Cela Signifie

L'étude de cas de Rocket Close est un exemple concret de la façon dont l'IA agentique s'étend au-delà des entreprises technologiques et commence à résoudre des tâches opérationnelles dans les industries traditionnelles : juridique, financière, assurance et immobilière. AWS promeut activement Strands Agents comme un outil prêt pour la production, et cette étude de cas devient l'une des premières confirmations publiques de son application dans le monde réel dans un contexte aux exigences élevées de précision et de responsabilité. Si l'approche se généralise, les opérations de titre pourraient devenir un cas d'usage standard pour l'automatisation agentique dans le secteur immobilier — avec le transfert ultérieur du modèle à des processus adjacents intensifs en documents : souscription d'assurance, examen juridique de contrats, contrôles de conformité dans les banques.