CheckValue
Données & méthode

ChatGPT peut-il estimer un bien immobilier ? Limites et méthode

ChatGPT peut-il estimer un bien immobilier ? Pas de façon fiable : il n'a ni les ventes DVF ni le cadastre. Ce qu'il sait faire, et ce qu'il invente.

Christian EckmairMis à jour: 9 min de lecture9 sourcesRelu par Josef Eckmair MBA
Écran d'ordinateur portable affichant une conversation avec un assistant conversationnel, posé à côté d'un plan cadastral papier et d'une calculatrice
Les ventes réelles d'un quartier figurent dans la base DVF publiée par la DGFiP, pas dans la mémoire d'un modèle de langage. Image : StartupStockPhotos (Pixabay), CC0, via Wikimedia Commons

La question revient à chaque dîner depuis deux ans : si l'assistant conversationnel rédige un contrat, résume un diagnostic et traduit un bail, pourquoi ne donnerait-il pas la valeur d'un appartement ? Parce que les trois tâches citées portent sur du texte que vous lui fournissez, et que la quatrième réclame des actes de vente qu'il n'a jamais lus. Cette page sépare ce qu'un chatbot fait bien d'une estimation, ce qu'il fabrique, et comment vérifier n'importe quel chiffre en trois questions.

ChatGPT a-t-il accès aux ventes DVF de votre rue ?

Non, et la raison est matérielle avant d'être technique. Les ventes françaises réelles sont publiées par la direction générale des Finances publiques sous le nom de « demandes de valeurs foncières » : un historique de cinq ans, bâti sur les actes passés devant notaire et sur le fichier cadastral, que la DGFiP livre deux fois l'an, en avril puis en octobre, chaque version remplaçant intégralement la précédente ; l'Alsace, la Moselle et Mayotte restent hors périmètre, les autres départements et territoires d'outre-mer étant couverts1. Ce sont des fichiers à télécharger et à traiter parcelle par parcelle, pas des pages web que l'on consulte en lisant.

Un modèle de langage n'a pas ingéré ces fichiers ligne à ligne, et quand il dispose d'une recherche web, il atteint au mieux une page de synthèse ou une annonce en ligne, c'est-à-dire des prix demandés et non des prix signés. L'écart entre les deux est précisément ce que DVF permet de mesurer.

Le cadastre ouvert pose la même limite dans l'autre sens : il publie parcelles, sections, bâti et habillage du plan, et le site précise que les fichiers des propriétés et des propriétaires n'en font pas partie5. Un modèle ne peut donc ni retrouver un propriétaire, ni connaître la surface réelle d'un lot à partir de son seul entraînement. Pour savoir quelles bases publiques publient quoi, et à quelle fréquence, l'inventaire détaillé existe à part.

Pourquoi un chatbot sort quand même un prix au m²

Posez la question « combien vaut un 70 m² à Clamart ? » et vous obtiendrez un nombre, souvent arrondi, souvent présenté avec une fourchette bien formée. Ce comportement n'est pas un bug, c'est la conséquence de la façon dont ces systèmes sont notés : quatre chercheurs ont soutenu en 2025 que les procédures d'entraînement et d'évaluation récompensent la réponse assurée plutôt que l'aveu d'incertitude, si bien que deviner devient la stratégie rationnelle du modèle2.

La CNIL le formule du point de vue de l'utilisateur : ces systèmes « peuvent générer des résultats inexacts qui peuvent, pourtant, paraître plausibles », et elle invite à porter un regard critique sur chaque résultat8. Appliqué à l'immobilier, le symptôme est reconnaissable : le texte est fluide, le raisonnement a l'air bon, et la liste des ventes qui porterait le chiffre n'existe pas.

Deux indices trahissent la devinette. Le chiffre est rond là où un calcul par comparaison produirait une valeur irrégulière. Et il bouge quand vous reformulez la question sans rien changer au bien, alors que la même adresse avec les mêmes caractéristiques devrait donner le même résultat. Ce test de reproductibilité vaut aussi pour les estimateurs en ligne et leur fiabilité réelle.

Les trois questions à poser à n'importe quel outil, chatbot compris

Il n'est pas nécessaire de comprendre un modèle statistique pour juger sa sortie. Trois questions suffisent, et elles s'adressent aussi bien à un chatbot qu'à un site d'estimation ou à un agent.

Quelles ventes ? Demandez la liste : adresse approximative, date, surface, prix signé. Sans ventes citées, il n'y a pas de comparaison, donc pas d'estimation. La version géolocalisée de DVF attribue à chaque mutation un identifiant de parcelle et des coordonnées en WGS-84, ce qui rend possible une sélection par distance réelle plutôt que par commune4 ; un outil sérieux s'en sert et le montre.

Quelle date ? Une vente de l'an dernier doit être ramenée à aujourd'hui. L'étalon public est l'indice Notaires-Insee, calculé chaque trimestre par les notaires avec l'Insee : il raisonne à qualité constante et ne retient que la somme revenant au vendeur, une fois retirés les droits, les émoluments du notaire et l'éventuelle commission d'agence3.

Quels écarts corrigés ? Étage, ascenseur, extérieur, classe énergétique, état : chaque différence entre la vente citée et votre logement doit faire l'objet d'une correction annoncée. Le détail de ce mécanisme figure dans l'anatomie d'une estimation immobilière par intelligence artificielle.

Depuis le 2 août 2026, le texte européen (UE) 2024/1689 consacré à l'intelligence artificielle s'applique pour l'essentiel. Il range les systèmes du risque inacceptable au risque minimal ou nul et demande notamment aux fournisseurs d'IA générative que les contenus produits soient identifiables9. Un assistant conversationnel grand public relève des obligations de transparence, non d'un agrément qui garantirait l'exactitude de ses chiffres.

Exemple : un 68 m² francilien, du chatbot aux sources

Exemple construit pour la démonstration, avec un bien inventé et des montants arrondis ; aucun chiffre ne vaut engagement. Soit un appartement de 68 m², troisième étage avec ascenseur, immeuble de 1975, DPE D, état d'usage, dans une commune de petite couronne.

Étape Réponse d'un assistant conversationnel sans source Ce que fournit la source publique
Niveau de prix « Environ 7 000 €/m² dans ce secteur » 6 120 €/m² pour les appartements d'Île-de-France entre mars et mai 2026, 9 520 €/m² à Paris7
Ventes citées Aucune Quatre mutations d'appartements de 60 à 76 m² dans un rayon de 300 m sur dix-huit mois, dans DVF géolocalisée4
Date de référence Implicite, jamais précisée Deuxième trimestre 2026 : appartements à -0,1 % sur un an, maisons à -1,3 %6
Corrections annoncées Aucune Étage, ascenseur, exposition, classe énergétique, état, ligne par ligne
Résultat « Autour de 476 000 € » 408 000 à 449 000 €, valeur ponctuelle vers 432 000 €

La colonne de droite se construit ainsi. Les quatre ventes retenues ressortent à 6 250, 6 480, 5 980 et 6 610 €/m². Trois datent de plus d'un an et reçoivent la variation annuelle des appartements mesurée au deuxième trimestre 2026, soit une correction quasi nulle6 ; pour une maison, la correction aurait été négative de 1,3 % et aurait tiré le résultat vers le bas6. Après corrections d'étage et de classe énergétique, la fourchette s'établit de 6 000 à 6 600 €/m², donc de 408 000 à 449 000 €, avec une valeur ponctuelle vers 6 350 €/m².

Le repère régional confirme la cohérence : la commune se situe entre la moyenne francilienne et le niveau parisien7, et la fourchette obtenue reste dans ce couloir. La réponse arrondie du chatbot, elle, dépasse le haut de fourchette d'une somme supérieure au coût d'une cuisine complète, sans qu'aucune vente ne vienne l'appuyer. Pour refaire ce travail à la main, voyez comment retrouver les ventes de votre rue dans DVF.

Ce que votre adresse devient dans un prompt

Décrire son logement à un assistant, c'est écrire une adresse, une surface, un état et parfois une situation familiale dans un service en ligne. La CNIL recommande de ne soumettre dans un prompt que des informations que l'on est autorisé à partager, et d'éviter les données confidentielles dans un service grand public8.

Avant de détailler votre bien dans une conversation, vérifiez le réglage qui empêche la réutilisation de vos échanges pour l'entraînement du modèle, et retirez ce qui identifie les personnes : numéro de lot, nom des occupants, montant d'un prêt en cours. La base DVF elle-même est encadrée : l'article R112 A-3 du livre des procédures fiscales impose d'éviter toute réidentification indirecte et interdit l'indexation de ces données par les moteurs de recherche1. Cet article est une information générale et non un conseil juridique ou fiscal.

Ce qu'un assistant conversationnel fait vraiment bien pour un projet immobilier

Le refus porte sur les chiffres, pas sur l'outil. Demandez du texte et le rapport qualité/temps devient excellent.

Il prépare une visite : liste de questions sur l'année de la toiture, l'état des colonnes, les travaux votés, la nature du chauffage. Il résume un diagnostic de performance énergétique de trente pages en cinq lignes compréhensibles. Il explique une clause de compromis, un droit de préemption urbain, le mécanisme d'une condition suspensive de prêt. Il rédige un courrier de contestation d'une charge de copropriété. Il construit un tableau de comparaison entre deux biens à partir des informations que vous lui donnez.

Et il sert de contradicteur utile : collez les quatre ventes que vous avez relevées vous-même, votre raisonnement et vos corrections, puis demandez quels écarts vous avez oubliés. Là, il travaille sur des données que vous avez apportées, et son apport devient vérifiable.

Quand on me montre une estimation sans liste de ventes, je pose toujours la même question : lesquelles ? Si personne ne peut répondre, le texte est bien écrit et le chiffre ne vaut rien. Un modèle qui n'a pas les actes sous les yeux ne peut pas les deviner, même en parlant très bien.
Christian Eckmair, cofondateur de CheckValue

Ce que fait un rapport d'estimation, et ce qu'il ne fait pas

Entre le chatbot qui devine et l'expert qui se déplace, il existe un objet intermédiaire : un rapport d'estimation calculé sur des ventes nommées. C'est ce que produit CheckValue, et il vaut mieux dire tout de suite où il s'arrête.

Ce qu'il apporte : les ventes comparables retenues apparaissent dans le document avec leur date, l'indice utilisé pour les ramener au jour du calcul est nommé, et les corrections sont listées une par une avec leur source numérotée en fin de rapport. L'aperçu gratuit de votre rapport montre la structure du document et des valeurs d'exemple avant tout paiement, ce qui permet de juger la méthode sans engagement. Les formules et ce qu'elles couvrent sont détaillées à part.

Ce qu'il n'est pas : ni une expertise signée engageant la responsabilité d'un professionnel, ni un avis de valeur délivré par un titulaire de la carte professionnelle, ni un document qui lierait une banque, un notaire ou l'administration fiscale. Aucun taux de précision n'y figure : une moyenne calculée sur la France entière n'apprendrait rien sur votre immeuble. Et il reste aveugle à ce que seule une visite révèle : une humidité masquée par un meuble, une servitude inscrite au titre de propriété, des travaux de façade déjà votés par la copropriété.

La bonne façon de l'utiliser est donc celle d'un point de départ documenté : vous arrivez chez l'agent, le notaire ou le banquier avec des ventes, des dates et des corrections à discuter, au lieu d'un chiffre sorti d'une conversation. La méthode manuelle que ce calcul automatise reste celle du guide sur la valeur d'une maison et ses déterminants.

En résumé : la question à remplacer

« ChatGPT peut-il estimer mon bien ? » est une question mal posée, parce qu'elle interroge l'outil au lieu de la méthode. La bonne version tient en une phrase : sur quelles ventes, à quelle date, avec quelles corrections ? Un assistant conversationnel ne peut répondre à aucune des trois, et le reconnaît volontiers si vous lui posez la question directement. Un outil d'estimation qui ne peut pas y répondre non plus mérite la même méfiance, chatbot ou non.

Les 958 000 transactions estimées par l'Insee sur les douze mois arrêtés fin juin 2026 forment la matière publique de toute estimation française6. Un chiffre qui ne s'y rattache pas, aussi bien rédigé soit-il, reste une phrase.

Questions fréquentes

Comment fonctionne une estimation immobilière par IA ?

Un outil d'estimation part de ventes réelles, pas de texte. Il interroge la base DVF géolocalisée, retient les mutations proches et comparables, corrige chaque vente des écarts avec votre logement, puis applique la variation d'indice entre la date de la vente et aujourd'hui. Le résultat sort sous forme de fourchette accompagnée de la liste des ventes retenues. Un chatbot généraliste ne dispose d'aucune de ces briques.

Quelles données utilise un algorithme d'estimation ?

Côté public : les mutations de la base DVF de la DGFiP, leur version géolocalisée à la parcelle, le plan cadastral ouvert pour le terrain et le bâti, et un indice trimestriel de prix calculé par les notaires avec l'Insee. Côté privé : ce que vous déclarez vous-même sur la surface, l'étage, l'année et l'état, plus vos photos. Aucun nom de propriétaire n'entre dans le calcul.

Pourquoi deux outils d'IA donnent-ils des valeurs différentes ?

Trois réglages suffisent à écarter deux chiffres : le périmètre de recherche des ventes, la profondeur d'historique acceptée, et la date à laquelle les prix sont ramenés. Un outil figé sur l'année précédente ignore le recul du deuxième trimestre 2026, mesuré à 1,0 % sur tout le marché ancien et à 1,3 % pour les seules maisons, et surévalue donc ces dernières. Comparez donc les ventes citées et la date d'actualisation, jamais les seuls totaux.

Une estimation par IA est-elle acceptée par la banque ?

Non, aucune banque n'est tenue d'en reprendre le résultat. Le prêteur apprécie lui-même la garantie, avec son propre outil interne ou un expert mandaté. Un rapport chiffré et sourcé vous sert en amont du rendez-vous, pour situer un prix d'achat parmi les mutations récentes du quartier, et pour savoir quoi demander si l'établissement retient une valeur inférieure.

ChatGPT a-t-il accès aux ventes DVF ?

Pas dans une conversation ordinaire. Les fichiers DVF sont volumineux, remplacés à chaque mise à jour semestrielle, et leur exploitation suppose un traitement parcelle par parcelle. Même avec une recherche web activée, le modèle lit au mieux une page de synthèse, pas les mutations de votre rue. Pour voir les ventes elles-mêmes, passez par le portail DVF ou un outil qui les requête.

Pourquoi un chatbot invente-t-il un prix au m² ?

Parce qu'il est construit pour produire la suite de mots la plus vraisemblable, et que ses procédures d'entraînement et d'évaluation récompensent la réponse assurée plutôt que l'aveu d'ignorance, comme l'analyse un travail de recherche de 2025. Face à une adresse inconnue, deviner rapporte davantage que répondre « je n'ai pas cette donnée ». Le chiffre sort donc arrondi, sûr de lui et sans source.

Quel prompt donner à ChatGPT pour un projet immobilier ?

Demandez-lui du texte, pas des chiffres. Il rédige bien une liste de questions à poser lors d'une visite, un résumé des pièces à réclamer au vendeur, un plan de négociation, ou l'explication d'une clause de compromis. Pour la valeur, faites-lui plutôt vérifier votre raisonnement : collez les ventes que vous avez relevées vous-même et demandez quels écarts vous avez oubliés.

Peut-on écrire son adresse dans un chatbot ?

La CNIL recommande de ne soumettre dans un prompt que des informations que l'on est autorisé à partager, et d'éviter les données confidentielles dans un service grand public. Une adresse précise associée à votre situation patrimoniale en fait partie. Vérifiez le réglage qui empêche la réutilisation de vos conversations pour l'entraînement avant de décrire votre logement en détail.

Cet article est une information générale et non un conseil juridique, fiscal ou en investissement. Les chiffres et règles portent l’année de leur publication ; consultez la source citée pour la version en vigueur.

Christian Eckmair
Christian Eckmair
Cofondateur de CheckValue · gérant de CBDNOL GmbH · Plus de 20 ans d’expérience immobilière à Tenerife et en Autriche · Relu par Josef Eckmair MBA

Christian Eckmair est cofondateur de CheckValue et gérant de CBDNOL GmbH (Ansfelden, Autriche). Il travaille dans l’immobilier depuis plus de 20 ans à Tenerife et en Autriche – achat, rénovation, location et vente de logements – et écrit sur la valeur des biens, les vérifications avant achat et les registres de propriété.

Articles de Christian Eckmair →

Sources

  1. 1
    officialDemandes de valeurs foncières (DVF) : jeu de données
    DGFiP via data.gouv.fr · 2026
    Mutations des cinq dernières années reconstituées depuis les actes notariés et les informations cadastrales, publiées en application du décret n° 2018-1350 du 28 décembre 2018 ; couverture du territoire métropolitain et des DOM-TOM, à l'exception de l'Alsace, de la Moselle et de Mayotte ; mise à jour semestrielle en avril et en octobre, la dernière affichée datant du 7 avril 2026, chaque livraison remplaçant les fichiers précédents ; l'article R112 A-3 du livre des procédures fiscales impose d'éviter la réidentification indirecte et interdit l'indexation des données par les moteurs de recherche.
    data.gouv.fr ↗
  2. 2
    studyWhy Language Models Hallucinate
    Adam Tauman Kalai, Ofir Nachum, Santosh S. Vempala, Edwin Zhang (arXiv:2509.04664) · 2025
    Les auteurs soutiennent que les modèles de langage produisent des énoncés faux parce que leurs procédures d'entraînement et d'évaluation récompensent la devinette plutôt que la reconnaissance de l'incertitude, et proposent de modifier la notation des jeux d'évaluation existants.
    arxiv.org ↗
  3. 3
    officialIndice des prix des logements anciens : description de la source (indices Notaires-Insee)
    Insee · 2026
    Les indices Notaires-Insee mesurent l'évolution des prix des logements anciens à qualité constante, sur le prix net vendeur hors droits de mutation, frais de notaire et commission d'agence ; les notaires recueillent les données et calculent les indices chaque trimestre.
    insee.fr ↗
  4. 4
    officialDemandes de valeurs foncières géolocalisées
    data.gouv.fr / Etalab, d'après DGFiP · 2026
    Version retraitée de DVF comportant un identifiant de parcelle compatible avec les fichiers cadastraux et un géocodage latitude/longitude à la parcelle en WGS-84, obtenu par rapprochement avec le plan cadastral ; certaines parcelles restent non géocodées (communes sans cadastre vectorisé ou parcelles remaniées) ; diffusion sous Licence Ouverte 2.0.
    data.gouv.fr ↗
  5. 5
    officialDonnées cadastrales ouvertes
    cadastre.data.gouv.fr (DINUM / DGFiP) · 2026
    Les jeux ouverts couvrent les parcelles, les sections, le bâti et l'habillage du plan cadastral ; le site précise que « les fichiers des propriétés et des propriétaires ne sont pas concernés ».
    cadastre.data.gouv.fr ↗
  6. 6
    statisticsAu deuxième trimestre 2026, les prix des logements anciens reculent de 1,0 % (Informations rapides n° 216)
    Insee · 2026
    Publication du 8 septembre 2026 : prix des logements anciens en baisse de 1,0 % sur le trimestre (appartements -0,7 %, maisons -1,3 %) et de 0,8 % sur un an (appartements -0,1 %, maisons -1,3 %) ; appartements parisiens en hausse de 0,6 % sur un an ; 958 000 transactions estimées sur les douze derniers mois.
    insee.fr ↗
  7. 7
    statisticsConjoncture immobilière en Île-de-France de mars à mai 2026
    Chambre des notaires du Grand Paris · 2026
    Communiqué du 30 juillet 2026 : prix au m² des appartements de 6 120 € en Île-de-France (+0,3 % sur un an) et de 9 520 € à Paris (+0,1 %) ; prix médian des maisons franciliennes de 318 000 € (-1,3 % sur un an) ; 29 370 ventes enregistrées entre mars et mai 2026.
    paris.notaires.fr ↗
  8. 8
    guidanceLes questions-réponses de la CNIL sur l'utilisation d'un système d'IA générative
    CNIL · 2024
    La CNIL rappelle que les systèmes d'IA générative « peuvent générer des résultats inexacts qui peuvent, pourtant, paraître plausibles », que les utilisateurs finaux « ne devraient soumettre que des informations qu'ils sont autorisés à partager » dans le prompt, qu'il faut éviter les données confidentielles dans un service grand public et toujours porter un regard critique sur les résultats.
    cnil.fr ↗
  9. 9
    lawLégislation sur l'intelligence artificielle : cadre réglementaire (règlement (UE) 2024/1689)
    Commission européenne, Bâtir l'avenir numérique de l'Europe · 2026
    Quatre niveaux de risque (inacceptable, haut risque, risque limité de transparence, risque minimal ou nul) ; application générale depuis le 2 août 2026, interdictions depuis le 2 février 2025, obligations sur les modèles à usage général depuis le 2 août 2025, systèmes à haut risque de certains domaines à partir du 2 décembre 2027 ; les fournisseurs d'IA générative doivent veiller à ce que les contenus générés soient identifiables.
    digital-strategy.ec.europa.eu ↗

À lire aussi