CheckValue
Données & méthode

Estimation immobilière par intelligence artificielle : comment ça marche

Estimation immobilière par intelligence artificielle : quelles données (DVF, indices, photos), comment sont choisis les comparables, et ses limites.

Christian EckmairMis à jour: 12 min de lecture11 sourcesRelu par Josef Eckmair MBA
Vue aérienne d'un quartier d'immeubles parisiens avec un maillage de données superposé, image d'une estimation immobilière par IA
La base DVF publie le prix signé et la surface de chaque vente ; l'état intérieur, l'étage et les travaux n'y figurent pas. Image : Bjankuloski06, CC BY 4.0, via Wikimedia Commons

Deux sites, la même adresse, 40 000 € d'écart : c'est ainsi que beaucoup de propriétaires découvrent qu'une « estimation par IA » n'est pas un oracle mais un calcul, avec des données d'entrée, des règles et des angles morts. Ce guide ouvre la boîte noire et explique comment fonctionne une estimation en ligne, des bases publiques françaises au cadre européen, puis déroule un exemple parisien et précise ce que CheckValue fait exactement, et ne fait pas. La méthode manuelle qu'un modèle automatise est celle du guide complet de la valeur d'une maison.

Quatre familles de modèles derrière une estimation immobilière par intelligence artificielle

Derrière le mot « intelligence artificielle », quatre constructions statistiques coexistent, souvent combinées dans le même outil ; les professionnels parlent de modèle d'évaluation automatisé, ou AVM.

Famille Ce qu'elle apprend Données nécessaires Point fort Point faible
Indice de prix (ventes répétées ou qualité constante) L'évolution moyenne des prix d'une zone Des séries longues de ventes ; pour l'indice Notaires-Insee, les actes collectés par les notaires chaque trimestre2 Mesure la tendance sans effet de composition Ne dit rien d'un bien précis
Modèle hédonique Le prix implicite de chaque caractéristique (surface, étage, époque, DPE) Des milliers de ventes décrites en détail Décompose le prix, chiffre chaque attribut Suppose que ce qui est observé explique le prix
Comparaison automatisée Rien : elle sélectionne et ajuste des ventes proches Des ventes géolocalisées récentes Lisible, vérifiable vente par vente Fragile quand les ventes semblables manquent
Apprentissage automatique (arbres de décision, réseaux, méthodes d'ensemble) Des interactions complexes entre variables Du volume et de la variété, images comprises Gère les non-linéarités, lit des photos Opaque si le fournisseur cache ses comparables

L'indice Notaires-Insee illustre la première famille et sert d'étalon aux autres. Il suit les prix de l'ancien à qualité constante, sur le net vendeur, droits, frais d'acte et commission exclus2 : si l'on vend davantage de grands appartements refaits au printemps, l'indice ne monte pas pour autant. Sa méthodologie repose sur une équation hédonique, qui attribue un prix à chaque caractéristique avant de suivre un logement type3 ; la deuxième famille est ainsi mise au service de la première.

Un rapport sérieux emprunte aux quatre : coefficients hédoniques, ventes choisies par comparaison, actualisation par l'indice, photos lues par apprentissage. La question à poser à un outil n'est donc pas « est-ce de l'IA ? » mais « quelles ventes, quels coefficients, quel indice ? ».

Étape 1 : d'où viennent les données, de DVF à vos photos

La matière première d'un modèle français est publique.

Les ventes réelles. DVF, pour « Demandes de valeurs foncières », est le fichier que la direction générale des Finances publiques publie depuis le décret n° 2018-1350 du 28 décembre 2018 ; il recense cinq années de mutations reconstituées depuis les actes des notaires et le fichier cadastral, partout en France hors Alsace, Moselle et Mayotte ; les fichiers sont remplacés à chaque mise à jour semestrielle, en avril puis en octobre, la dernière remontant au 7 avril 20261. Un modèle nourri de DVF découvre donc les ventes de l'été avec des mois de retard. Etalab en publie une version géolocalisée, avec la parcelle et ses coordonnées, qui permet de chercher des comparables par distance plutôt que par commune4.

Le cadastre. Les données cadastrales ouvertes livrent parcelles, sections et emprise du bâti ; les fichiers des propriétaires n'en font pas partie5. Le modèle y lit le terrain et la densité, jamais un nom.

L'énergie. L'ADEME publie la base des diagnostics de performance énergétique établis depuis la réforme du 1er juillet 2021, avec une mise en garde : le DPE n'étant obligatoire qu'à la vente, à la location ou à l'achèvement d'une construction, la base ne couvre pas tout le parc et n'en est pas représentative6.

Vos informations et vos photos. Aucune base publique ne connaît l'état de votre cuisine ni l'exposition du salon. Ce que vous confirmez et ce que vous photographiez remplace la visite que le modèle ne fait pas ; un modèle d'images en tire l'état, les extérieurs et l'environnement immédiat, pas un diagnostic. L'inventaire des sources officielles françaises de prix détaille chaque base, sa fréquence de mise à jour et ses lacunes.

Étape 2 : comment le modèle choisit les comparables et les ajuste

La sélection procède par filtres : même type de bien, distance croissante autour de la parcelle grâce aux coordonnées de DVF géolocalisées4, date la plus récente possible, surface voisine. Les ventes atypiques sont écartées : prix au m² très éloigné du voisinage, mutation de plusieurs lots, terrain nu, cession de parts. Quand la rue manque de ventes, le rayon s'élargit et le rapport doit le dire.

L'ajustement corrige chaque vente retenue des différences avec votre bien. Si un comparable dispose d'un ascenseur et le vôtre non, son prix est réduit de ce que vaut l'ascenseur dans ce type d'immeuble avant de servir de preuve. Les coefficients viennent de la famille hédonique, qui a mesuré sur des milliers de ventes l'écart de prix lié à l'étage, à l'extérieur, à l'époque de construction et à la classe énergétique.

Deux règles des professionnels valent pour les modèles : la proximité l'emporte sur la ressemblance, parce que la localisation explique la plus grande part du prix ; et les ajustements viennent des ventes locales, pas de moyennes nationales. La lecture d'une vente DVF et son ajustement pas à pas montrent le travail à la main.

Étape 3 : ramener les ventes anciennes à aujourd'hui et lire le tempo

Une vente vieille de dix-huit mois n'est pas un comparable d'aujourd'hui. Le modèle lui applique la variation de l'indice entre sa date et celle de l'estimation. Au deuxième trimestre 2026, l'indice Notaires-Insee affiche -1,0 % sur trois mois et -0,8 % sur douze ; les maisons reculent de 1,3 % sur un an, les appartements presque pas (-0,1 %), ceux de Paris gagnant encore 0,6 %7. Un modèle qui n'a pas intégré ce retournement continue d'actualiser à la hausse une maison de province vendue en 2025, et surestime.

Le tempo compte autant que le niveau : l'Insee compte 958 000 transactions sur les douze mois achevés fin juin 2026, après 953 000 fin mars7 ; en Île-de-France, les notaires enregistrent 31 200 ventes dans l'ancien entre décembre 2025 et février 2026, soit une progression de 15 % sur un an, tandis que l'appartement parisien se négocie 9 580 €/m², en hausse de 0,9 %8. Des volumes qui remontent et des prix qui stagnent décrivent un marché où le vendeur trouve un acheteur, mais pas au prix qu'il espérait.

Étape 4 : contrôles de cohérence, fourchette et reproductibilité

Le contrôle de plausibilité confronte le résultat à des repères indépendants : le prix au m² doit rester dans le faisceau des ventes du secteur, la fourchette ne doit pas s'élargir au point de ne plus rien dire, un studio ne doit pas valoir plus qu'un trois-pièces du même immeuble. Quand un test échoue, le calcul est repris avec d'autres comparables ou signalé.

La fourchette traduit la dispersion des comparables ajustés. Cinq ventes ajustées entre 7 900 et 8 300 €/m² donnent une valeur ponctuelle solide ; cinq ventes étalées de 6 800 à 9 400 €/m² imposent de montrer l'écart au lieu de choisir la moyenne.

La reproductibilité est le test le plus simple à faire vous-même : demandez deux fois la même adresse avec les mêmes caractéristiques. Un outil qui renvoie deux chiffres différents tire au sort quelque part ; un outil sérieux archive chaque calcul, l'exécute séparément deux fois, compare et ne publie que ce qui passe le filtre. Le comparatif des estimateurs en ligne et de leur fiabilité applique ce test aux outils grand public.

Ce que le modèle ne voit pas : l'intérieur, les vices, les servitudes, l'acheteur

Quatre angles morts subsistent, quelle que soit la qualité du modèle. L'état réel au-delà des photos : une infiltration derrière un placard, une installation électrique d'origine, un ravalement voté en assemblée générale. Les vices et charges juridiques : servitude de passage, droit de préemption, bail en cours, permis de construire voisin ; ils sont dans les actes et les procès-verbaux, pas dans DVF. Le hors norme : loft, maison d'architecte, dernier étage avec terrasse ; faute de ventes comparables, le modèle retombe sur la moyenne du quartier. Et l'acheteur dans la pièce : le prix signé sort d'une négociation entre deux personnes à une date donnée.

Estimer sa maison avec l'IA donne donc un point de départ vérifiable, pas un verdict : le rapport ne remplace ni la visite d'un expert, ni la lecture des actes par un notaire, ni l'expérience d'un agent de quartier. Ce que valent une estimation, un avis de valeur et une expertise devant la banque, le fisc ou le juge est détaillé dans un article à part.

Règlement européen sur l'IA, RGPD et CNIL : le cadre d'une estimation automatisée

Le règlement (UE) 2024/1689 sur l'intelligence artificielle est entré en vigueur le 1er août 2024 et ses obligations s'appliquent pour l'essentiel depuis le 2 août 2026, selon un calendrier par niveau de risque : interdictions depuis le 2 février 2025, transparence depuis août 2026, systèmes à haut risque de l'annexe III à partir du 2 décembre 2027 après l'« omnibus IA » entré en vigueur le 27 juillet 20269. Quatre niveaux sont distingués : risque inacceptable, haut risque, risque de transparence, risque minimal, ce dernier sans règle nouvelle9.

Où se situe une estimation immobilière ? Les domaines à haut risque énumérés par la CNIL sont la biométrie, les infrastructures critiques, l'éducation, l'emploi, l'accès aux services publics essentiels, l'application de la loi, l'immigration et la justice10. Une estimation fournie à un particulier pour s'informer n'y figure pas ; le sujet devient plus sensible quand le même calcul sert à une banque pour décider d'un crédit. Dans tous les cas, rappelle la CNIL, le règlement IA ne remplace pas le RGPD, qui s'applique à toutes les données personnelles traitées10. L'adresse que vous saisissez, les photos de votre salon et votre adresse électronique sont des données personnelles au sens du règlement général sur la protection des données11 : un outil doit dire ce qu'il en fait et combien de temps il les garde.

Un trois-pièces parisien passé au modèle : de l'adresse à la fourchette

Cet exemple suit les étapes du rapport type parisien avec un bien inventé ; les montants sont arrondis et n'engagent rien. Un trois-pièces de 58 m² au troisième étage avec ascenseur, balcon, immeuble de 1930, DPE D, état d'usage, dans un arrondissement médian. Repère de départ : 9 580 €/m², le prix relevé par les notaires du Grand Paris pour un appartement dans la capitale en février 20268, soit 555 600 € pour cette surface : une moyenne parisienne, un ordre de grandeur, pas une valeur.

Comparables. La base DVF géolocalisée4 livre, dans un rayon de 250 m et sur vingt mois, cinq ventes d'appartements de 50 à 66 m². Deux sont écartées : une mutation de deux lots réunis, une autre à un prix au m² inférieur de moitié au voisinage (probable vente occupée ou familiale). Restent trois ventes :

Vente (fictive) Prix signé Surface Prix au m² Différences avec le bien Ajustements Prix ajusté au m²
A, même rue, il y a 5 mois 545 000 € 57 m² 9 560 € 5e étage, ascenseur, pas de balcon −2 % étage, +2 % balcon, pas d'actualisation (moins de six mois) 9 560 €
B, rue voisine, il y a 11 mois 512 000 € 55 m² 9 310 € 1er étage sur cour, ascenseur, DPE E +3 % étage, +2 % DPE, +0,6 % indice 9 830 €
C, à 200 m, il y a 12 mois 610 000 € 66 m² 9 240 € 4e étage, balcon, refait à neuf −6 % état, −1 % étage, +1 % surface, +0,6 % indice 8 740 €

Actualisation. Les ventes B et C ont environ un an : elles reçoivent les +0,6 % gagnés sur un an par les appartements parisiens au deuxième trimestre 20267 ; pour une maison de province, la correction aurait été négative7. Le pourcentage sur la surface traduit le fait qu'un grand logement se vend un peu moins cher au m² ; les autres coefficients sont des hypothèses d'exemple, du même ordre que ceux d'un modèle hédonique pour ce type d'immeuble.

Résultat. Les prix ajustés s'étalent de 8 740 à 9 830 €/m². La vente A, la plus proche et la plus récente, pèse le plus ; la valeur ponctuelle se fixe vers 9 500 €/m², soit 551 000 €, dans une fourchette de 9 200 à 9 800 €/m², soit 534 000 à 568 000 €. Le contrôle de plausibilité passe : le prix au m² reste dans le faisceau des ventes du secteur et proche de la référence parisienne8. Les photos ont confirmé l'état d'usage ; sans elles, l'ajustement de la vente C aurait été plus faible.

Comment le rapport CheckValue est construit, et ce qu'il n'est pas

Reste à savoir si l'outil que vous payez applique les quatre étapes ou en saute une. Pour CheckValue, trois points se vérifient dans le rapport lui-même.

Chaque ajustement figure avec son coefficient et sa source : ascenseur, classe énergétique, état, année de construction, stationnement, piscine ou solaire quand ils existent, ligne par ligne plutôt que fondus dans un score global ; les références officielles sont numérotées en fin de rapport, comme les notes de cet article. Vous pouvez contester un coefficient plutôt que le total.

Deux demandes identiques renvoient le même résultat : chaque valorisation est consignée dans un registre, calculée en deux exécutions indépendantes puis confrontées, et soumise à un test de plausibilité avant affichage. Un chiffre différent signifie qu'une entrée a changé.

Vos photos servent à qualifier l'état, décrire le terrain et lire l'environnement proche ; elles n'ouvrent pas les murs. La méthode et ses limites sont exposées en détail, et les rapports types de Paris, Berlin, Madrid, Rome, Vienne et Los Angeles montrent le document fini.

Ce rapport n'est ni une expertise ni l'avis de valeur signé d'un agent titulaire de la carte professionnelle, et il ne lie aucune banque. Il n'affiche pas de pourcentage de précision, parce qu'un taux global ne dirait rien de votre bien. Il donne les ventes, les coefficients et l'indice ; la décision reste la vôtre.

Le premier modèle qui m'a fait douter ne manquait pas de données : il ignorait qu'une rue changeait de standing au carrefour, et il mélangeait les deux tronçons. Depuis, je ne lis plus une estimation sans ouvrir la liste des ventes qui la portent ; quand la liste n'existe pas, je range le chiffre avec les publicités.
Christian Eckmair, cofondateur de CheckValue

Cet article est une information générale et non un conseil juridique ou fiscal. Les dates d'application du règlement européen et les chiffres de marché sont ceux publiés par les sources citées en septembre 2026.

Questions fréquentes

Comment fonctionne une estimation immobilière par intelligence artificielle ?

Le modèle apprend, sur des milliers de ventes réelles publiées dans la base DVF, la relation entre les caractéristiques d'un logement et son prix. Pour votre adresse, il sélectionne des ventes proches et semblables, corrige chacune des différences avec votre bien (étage, état, extérieur, classe énergétique), ramène les ventes anciennes à la date du jour avec un indice, puis contrôle la cohérence du résultat. Il en sort une fourchette et une valeur ponctuelle, jamais une certitude.

Quelles données utilise un algorithme d'estimation ?

Les ventes réelles de la base DVF de la direction générale des Finances publiques, dans leur version géolocalisée à la parcelle publiée par Etalab, le plan cadastral ouvert pour les parcelles et le bâti, la base des diagnostics de performance énergétique de l'ADEME, les indices Notaires-Insee, puis ce que vous confirmez vous-même : surface, étage, état, année, et vos photos. Aucune information sur le propriétaire n'est nécessaire, et le cadastre ouvert n'en contient pas.

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

Parce qu'ils ne partent pas des mêmes ventes, ne tracent pas le même périmètre autour de votre adresse, n'appliquent pas les mêmes coefficients et n'actualisent pas à la même date. Un modèle qui n'a pas intégré le recul de 1,0 % des prix au deuxième trimestre 2026 raisonne encore sur le marché de 2025 et surestime, surtout pour une maison. Comparez les comparables et l'indice cités par chaque outil, pas seulement le chiffre final.

Qu'est-ce que la méthode hédonique ?

C'est une méthode statistique qui décompose le prix d'un logement en prix implicites de ses caractéristiques : tant pour un mètre carré, tant pour un étage supplémentaire, tant pour une classe énergétique meilleure. Les indices Notaires-Insee s'en servent pour suivre les prix de l'ancien à qualité constante : la composition des ventes d'un trimestre ne fausse pas la tendance. Dans une estimation par IA, elle fournit les coefficients d'ajustement appliqués aux comparables.

L'IA remplace-t-elle l'expert immobilier ?

Non. Un modèle ne voit ni l'état réel derrière les photos, ni les servitudes, ni les procès-verbaux d'assemblée générale, ni la négociation qui fixera le prix signé, et il n'engage la responsabilité de personne. L'expert visite, motive et signe un rapport dont il répond. Un rapport d'estimation par IA prépare la discussion avec l'expert, le notaire ou l'agent, en donnant les ventes et les coefficients à discuter ; il ne clôt pas cette discussion.

Que dit le règlement européen sur l'IA pour l'immobilier ?

Le règlement (UE) 2024/1689 est entré en vigueur le 1er août 2024 ; la plupart de ses obligations s'appliquent depuis le 2 août 2026. Il classe les systèmes d'IA par niveau de risque et impose des obligations de transparence et de gestion des risques selon l'usage. Une estimation fournie à un particulier pour s'informer ne figure pas dans les domaines à haut risque énumérés ; les données que vous saisissez restent régies par le RGPD, que le règlement IA complète sans le remplacer, comme la CNIL le rappelle.

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

Aucune banque n'est tenue de retenir une estimation automatisée pour accorder un crédit : elle évalue elle-même la garantie, avec ses propres outils ou un expert. Le rapport vous sert avant le rendez-vous, pour vérifier qu'un prix d'achat ou une valeur de rachat se situe dans le faisceau des ventes du secteur, et pour comprendre un écart si la banque retient un chiffre plus bas. Il n'est pas une expertise et ne garantit aucun accord de prêt.

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 · Plus de 20 ans d’expérience immobilière à Tenerife et en Autriche · Relu par Josef Eckmair MBA

Christian Eckmair est cofondateur de CheckValue et 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
    Transactions des cinq dernières années issues des actes notariés et des informations cadastrales, publiées en application du décret n° 2018-1350 du 28 décembre 2018, hors Alsace, Moselle et Mayotte ; mise à jour semestrielle en avril et en octobre, la dernière datant du 7 avril 2026 ; l'article R112 A-3 du livre des procédures fiscales interdit la réidentification des personnes.
    data.gouv.fr ↗
  2. 2
    officialIndice des prix des logements anciens : description de la source (indices Notaires-Insee, prix à qualité constante)
    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 selon les accords signés avec l'Insee en 1998 et 1999.
    insee.fr ↗
  3. 3
    officialLes indices Notaires-Insee de prix des logements anciens : méthodologie, version 3 (Insee Méthodes n° 128)
    Insee · 2014
    Méthodologie officielle des indices Notaires-Insee : chapitres consacrés à la théorie des indices hédoniques et à l'estimation de l'équation hédonique, qui attribue un prix à chaque caractéristique du logement pour suivre l'évolution à qualité constante.
    insee.fr ↗
  4. 4
    officialDemandes de valeurs foncières géolocalisées
    Etalab / DGFiP via data.gouv.fr · 2026
    Version de DVF retraitée par Etalab avec un identifiant de parcelle compatible avec les fichiers cadastraux et une latitude et une longitude au centre de la parcelle (WGS-84), ce qui permet la sélection de comparables par distance ; première livraison le 24 avril 2019.
    data.gouv.fr ↗
  5. 5
    officialDonnées cadastrales ouvertes
    cadastre.data.gouv.fr (DINUM / DGFiP) · 2026
    Les données ouvertes sont celles du plan cadastral (parcelles, sections, bâti, habillage) ; les fichiers des propriétés et des propriétaires ne sont pas publiés.
    cadastre.data.gouv.fr ↗
  6. 6
    statisticsDPE Logements existants (depuis juillet 2021) : base de données ouverte
    ADEME, data.ademe.fr · 2026
    Base des diagnostics de performance énergétique établis depuis la réforme du 1er juillet 2021 sur les logements existants ; l'ADEME précise que le DPE n'étant obligatoire qu'à la vente, à la location ou à l'achèvement d'une construction, la base ne couvre pas l'ensemble du parc et n'en est pas représentative.
    data.ademe.fr ↗
  7. 7
    statisticsAu deuxième trimestre 2026, les prix des logements anciens reculent de 1,0 % : Informations rapides n° 216 (indices Notaires-Insee)
    Insee · 2026
    Prix des logements anciens en baisse de 1,0 % sur le trimestre et de 0,8 % sur un an au deuxième trimestre 2026 ; appartements quasi stables (-0,1 %), maisons en recul de 1,3 % ; appartements parisiens en hausse de 0,6 % sur un an ; 958 000 transactions sur douze mois à fin juin 2026, après 953 000 fin mars.
    insee.fr ↗
  8. 8
    statisticsConjoncture immobilière francilienne en février 2026
    Chambre des notaires du Grand Paris · 2026
    Prix des appartements parisiens de 9 580 €/m² en février 2026, en hausse de 0,9 % sur un an ; 31 200 ventes de logements anciens en Île-de-France entre décembre 2025 et février 2026, en progression de 15 % sur un an.
    paris.notaires.fr ↗
  9. 9
    lawLégislation sur l'IA (règlement (UE) 2024/1689)
    Commission européenne, Bâtir l'avenir numérique de l'Europe · 2026
    Règlement entré en vigueur le 1er août 2024 et applicable le 2 août 2026, avec quatre niveaux de risque ; interdictions depuis le 2 février 2025, règles sur les modèles à usage général depuis le 2 août 2025, obligations de transparence en août 2026, systèmes à haut risque de l'annexe III à partir du 2 décembre 2027 après l'omnibus IA entré en vigueur le 27 juillet 2026 ; aucune règle nouvelle pour le risque minimal.
    digital-strategy.ec.europa.eu ↗
  10. 10
    officialEntrée en vigueur du règlement européen sur l'IA : les premières questions-réponses de la CNIL
    CNIL · 2024
    Le règlement IA ne remplace pas le RGPD, qui s'applique à toutes les données personnelles traitées pour ou par un système d'IA ; le fournisseur est le plus souvent responsable de traitement pour le développement, le déployeur pour l'utilisation ; liste des domaines à haut risque de l'annexe III (biométrie, infrastructures critiques, éducation, emploi, services publics essentiels, application de la loi, immigration, justice) ; page mise à jour le 17 août 2026.
    cnil.fr ↗
  11. 11
    lawLe règlement général sur la protection des données : RGPD
    CNIL · 2026
    Texte du règlement (UE) 2016/679 : principes de licéité et de minimisation (article 5), bases légales du traitement (article 6), conditions du consentement (article 7), droits d'accès et d'information des personnes.
    cnil.fr ↗

À lire aussi