Estimation immobilière : ce que je demande vraiment à l’intelligence artificielle

Oui, j’utilise l’intelligence artificielle pour estimer des biens. Et non, je ne lui demande pas « combien vaut cette maison ? ».

Ouvrir ChatGPT ou Claude et poser cette question, c’est devenu un réflexe pour beaucoup de vendeurs. C’est justement ce réflexe que je veux déconstruire ici, parce que ce n’est pas comme ça que je m’en sers.

Une estimation sérieuse ne peut pas sortir d’un algorithme à qui on donne une adresse et une surface. Mais ignorer aujourd’hui ce que l’intelligence artificielle peut apporter à l’analyse serait tout aussi discutable. Entre les deux, il y a une nuance qui change tout, et c’est celle-là que je veux vous expliquer.

Le vrai problème n’est plus la donnée, c’est l’interprétation

Un professionnel qui estime un bien aujourd’hui n’a pas de mal à trouver de l’information. Les ventes DVF de la commune, les biens actuellement en vente et leur délai d’écoulement, l’historique de son propre secteur, le DPE, les données INSEE sur le profil des acquéreurs, tout ça existe et tout ça est accessible.

Le problème n’a jamais été là. Le problème, c’est de savoir laquelle de ces informations compte vraiment pour tel bien précis, et laquelle est en train de vous induire en erreur. Deux maisons peuvent avoir exactement les mêmes chiffres sur le papier et valoir des sommes très différentes. C’est précisément là que l’intelligence artificielle devient intéressante, pas pour produire un chiffre, mais pour aider à trier ce qui compte de ce qui n’est que du bruit statistique.

Ce que j’analyse avant même de parler d’IA

Avant d’ouvrir quoi que ce soit, il y a le bien lui-même : sa surface réelle, son état, les travaux à prévoir, le terrain, les dépendances, l’exposition, la vue, les prestations, le DPE, les possibilités d’aménagement.

Puis il y a le marché : les comparables réellement vendus, les biens concurrents actuellement en vente, l’historique et le volume de transactions du secteur, le niveau de demande, le type d’acquéreurs qui s’y intéressent, la dynamique propre à la commune et au micro-secteur. J’en parlais déjà dans l’article sur les écarts de prix dans le 38160 : deux communes qui partagent le même code postal peuvent avoir des marchés radicalement différents, et un secteur peut se comporter différemment d’un village voisin situé à cinq kilomètres.

C’est seulement une fois cette base posée, bien et marché, que l’intelligence artificielle entre en jeu. Pas avant.

Alors, à quoi me sert réellement l’IA ?

Voici le cœur du sujet.

Je ne lui demande pas de me donner un prix. Je lui demande de confronter mon hypothèse à tout ce que je ne peux pas raisonnablement croiser seul en un temps raisonnable, des dizaines de comparables, des écarts de prix au m² selon les typologies, des incohérences que je n’aurais pas vues, des critères que j’aurais peut-être sous-pondérés sans m’en rendre compte.

Et il y a une chose que je fais volontairement, et qui change tout : je ne lui demande pas seulement de confirmer mon estimation. Je lui demande aussi de chercher pourquoi elle pourrait être fausse.

C’est ça qui est puissant. Après une visite, je ressors souvent avec un chiffre en tête. Le réflexe naturel, humain, serait de chercher inconsciemment les comparables qui confortent ce chiffre. L’intelligence artificielle n’a aucune raison de faire ça. Elle n’a pas d’ego à défendre sur une estimation qu’elle aurait donnée la veille. C’est exactement le même principe que lorsque je débats d’une estimation avec Vincent ou avec Romain : on confronte nos lectures, on se challenge, on cherche les angles morts de l’autre, jusqu’à trouver un chiffre qui tient debout parce qu’il a résisté à la contradiction, pas parce que personne ne l’a contesté. J’utilise l’IA exactement de la même façon, comme un collègue de plus dans cette discussion.

Et elle a un avantage que ni Vincent, ni Romain, ni moi n’avons : elle n’est pas subjective. Elle ne va pas surcoter un bien parce qu’il lui plaît personnellement, ni le sous-coter parce qu’il ne correspond pas à ses goûts. Ce n’est pas rien.

Un point important à préciser : ce n’est pas une conversation ouverte où je pose une question à un assistant vierge et je prends la première réponse qui sort. C’est un outil que j’ai façonné avec mes propres règles, affiné au fil du temps, pour qu’il reste juste, qu’il ne parte jamais dans des suppositions non vérifiées, et qu’il refuse d’avancer un chiffre quand il n’a pas l’information pour le faire. Le travail en amont, sur ce que je lui demande et sur la façon dont il doit répondre, compte autant que l’outil lui-même.

Prenez un exemple concret, une ferme rénovée avec des terres attenantes. Vincent, qui vient d’un milieu où le foncier agricole a une vraie valeur d’usage, y voit une exploitation. Moi, je vois une résidence à la campagne pour une famille en quête d’espace et de calme. Deux lectures, deux profils d’acheteurs, deux logiques de prix différentes.

L’intelligence artificielle, elle, va pondérer. Elle croise les données publiques disponibles, prix du foncier agricole dans le secteur, comparables de maisons de caractère avec terrain, avec ce que Vincent et moi lui avons chacun apporté comme lecture d’expérience. Le résultat n’est ni une simple addition ni une opinion de plus, c’est une synthèse pondérée de tout ce qu’on lui a donné. Mais même bien pondérée, cette synthèse ne peut pas savoir des choses que ni les données publiques ni nos règles ne lui ont transmises : l’état réel de la grange ce jour-là, la façon dont la lumière tombe sur la terrasse en fin d’après-midi, ce que ressent un acheteur en poussant la porte. C’est là que la lecture terrain reprend la main, pas pour rejeter ce que l’IA a produit, mais pour le confronter à ce qu’elle ne pouvait structurellement pas voir.

Beaucoup traiter ne veut pas dire tout comprendre

L’intelligence artificielle peut analyser des dizaines de transactions DVF, des surfaces, des terrains, des DPE, des prix, l’évolution du secteur, les volumes de vente. Elle traite ça très vite et sans se fatiguer.

Mais une vente DVF indique qu’une maison s’est vendue à un certain prix. Elle ne raconte pas qu’en arrivant sur la terrasse, on découvre une vue dégagée qui change tout. Elle ne raconte pas qu’une route qui paraît anodine sur une carte devient réellement gênante une fois les fenêtres ouvertes. Elle ne raconte pas qu’une dépendance présentée comme un gros potentiel est en réalité difficilement exploitable une fois qu’on y met les pieds. Et à l’inverse, elle peut donner de l’importance à un critère qui semble objectivement valorisant, mais auquel les acheteurs locaux n’accordent en réalité que peu de valeur.

C’est le même principe que celui que je développais dans l’article sur les biens qui reçoivent des visites sans jamais déboucher sur une offre : ce qui bloque ou débloque une vente ne se lit presque jamais dans les statistiques. Il faut être sur place pour le voir.

Le prix au m², un bon exemple de ce que ça change

Reprenons la ferme. Une IA peut très bien calculer 150 mètres carrés multipliés par un prix au mètre carré moyen du secteur, et obtenir un chiffre en quelques secondes. C’est facile, et c’est justement le problème.

Deux maisons de 150 mètres carrés situées à quelques kilomètres l’une de l’autre peuvent valoir des sommes très différentes selon l’état, le terrain, les nuisances, les dépendances, la vue, le DPE, la qualité des rénovations et la demande réelle pour ce type de bien. C’est exactement ce que montrait l’article sur le 38160 : un même code postal peut recouvrir des marchés qui n’ont rien à voir entre eux. Plus de données ne veut pas dire une meilleure estimation. Encore faut-il savoir lesquelles comptent, et lesquelles ne sont que du bruit.

Et l’IA peut aussi se tromper

Je m’en voudrais de ne pas en parler franchement, parce que c’est indispensable pour être crédible sur le reste.

Elle peut s’appuyer sur un mauvais comparable. Surpondérer un critère qui ne mérite pas ce poids. Manquer une particularité propre au secteur. Travailler sur une information devenue obsolète. Et surtout, elle peut produire une analyse très bien formulée, très convaincante dans sa forme, tout en étant fausse sur le fond.

Une réponse bien rédigée n’est pas une preuve. Une donnée doit pouvoir être retrouvée, vérifiée et comprise. C’est pour ça que je ne prends jamais une sortie d’IA telle quelle. Elle est un point de départ à challenger, pas un point d’arrivée à accepter.

Pourquoi je ne choisirais ni l’un ni l’autre

Le débat « l’IA contre l’agent immobilier, qui gagne » est mal posé. Ce n’est pas une compétition, et réduire la question à ça revient à passer à côté de ce qui fonctionne réellement.

Un professionnel seul apporte une expérience et une lecture terrain précieuses, mais sa capacité à croiser un grand volume d’informations reste limitée, et il n’est jamais totalement à l’abri d’un biais de confirmation. Une IA seule peut traiter une quantité de données qu’aucun humain ne traiterait avec la même profondeur dans le même temps, mais elle ne comprend ni l’usage réel d’un bien ni ce que ressent un acheteur en le visitant. C’est la combinaison des deux, professionnel, IA, et données vérifiables, qui produit une estimation qui tient réellement la route.

Le droit de demander comment votre estimation a été construite

C’est une question que peu de vendeurs pensent à poser, et pourtant elle en dit souvent plus long que le chiffre lui-même. Quelles données ont été utilisées. Ce qui a été vérifié sur place plutôt que supposé. Ce qui a été challengé avant d’être validé. Un professionnel qui peut répondre précisément à ces questions ne travaille pas de la même façon que celui qui vous donne un chiffre sans pouvoir expliquer d’où il vient.

L’intelligence artificielle ne visite pas la maison à ma place. Elle ne rencontre pas le vendeur. Elle n’entend pas la route, ne ressent pas les volumes, et ne voit pas un acquéreur changer d’attitude en découvrant le jardin. En revanche, elle m’aide à confronter ce que j’ai observé sur le terrain à une quantité d’informations qu’il serait difficile d’analyser seul avec la même profondeur.

Un bien qui ne se vend pas au bon prix n’a pas toujours un problème de marché. Il a parfois un problème d’estimation, construite trop vite ou sur trop peu de recul. Encore faut-il savoir comment celle-ci a été faite.