L’offre de moteurs d’estimation immobilière a explosé ces dernières années suite à la multiplication des sources de données et de la démocratisation de méthodes statistiques avancées au sein des entreprises. Il peut être difficile de s’y retrouver d’autant que les sociétés proposant des moteurs d’estimation ne communiquent que très peu sur les performances de ces derniers.
Des estimations précises, interprétables et transparentes
Fort d’un historique de données unique, sur le locatif comme sur la transaction, l’équipe Yanport a développé un algorithme basé sur l’état de l’art de l’apprentissage automatique (machine learning) et de l’intelligence artificielle. Cette méthode permet d’une part, d’extraire un maximum d’informations pertinentes et d’autre part, de découper finement l’ensemble de données en fonction de l’adresse, de la typologie ou d’autres caractéristiques des biens.
Yanport avait précédemment mis en évidence l’importance de l’interprétabilité des estimations ainsi que la façon dont leur solution permet aux utilisateurs de comprendre l’effet des caractéristiques sur le prix ou le loyer estimé. Sachant qu’aucun algorithme n’est parfait, un autre élément fondamental, et tout autant gage de transparence, implique une prise de recul sur les performances des modèles et l’évaluation des estimations fournies. C’est le rôle de l’indice de fiabilité Yanport qui donne une idée de l’erreur potentielle associée à une estimation.
Analyse des performances : la localisation, la typologie et le marché
Parmi les sources potentielles d’erreurs dans une estimation, on retrouve la dispersion élevée de la variable que l’on cherche à estimer, ou encore un nombre d’observations trop faible. Ces règles s’appliquent évidemment à l’estimation des prix et loyers.
Prenons la distinction entre location et transaction. Ludovic Gauvin, directeur des données de l’entreprise, souligne que “même s’ils sont interconnectés, la dispersion des prix est différente de celle des loyers. Ne serait-ce que parce que les loyers sont plus souvent réglementés (avec l’encadrement), ou encore parce que certaines caractéristiques influençant le loyer ou le prix sont moins variées en location. Par exemple, l’ensemble des biens mis en location ne contient normalement pas de biens à rénover ou de passoires énergétiques (en tout cas de moins en moins). Ou encore, sur l’ensemble des maisons en vente, la surface de terrain est beaucoup plus variable que sur l’ensemble des maisons en location”. En quelques mots, une plus grande diversité de caractéristiques entraîne une plus grande dispersion de prix/loyers et donc un besoin de plus d’observations (de qualité) pour estimer les relations entre les variables.
Ainsi, l’erreur médiane du moteur d’estimation Yanport est de 6.81 % pour la location et de 10.67 % pour la transaction. L’erreur d’estimation dépend de la typologie du bien. Côté transaction, l’erreur médiane est de 8.87 % pour les appartements et 11.18% pour les maisons. Pour la location ces erreurs sont respectivement de 6.70% et 7.20%. Les cartes en annexe 4 et 5, quant à elles, permettent de visualiser les erreurs médianes par marché, département et type de bien pour la France métropolitaine. Notons que les échelles entre la location et la transaction sont différentes.
Un indice de fiabilité pertinent
Bien souvent les indices de fiabilité sont difficiles à interpréter. Le score de fiabilité Yanport (allant de 0 à 100) se base sur l’erreur observée sur des biens similaires ainsi que sur un intervalle de confiance produit par le moteur d’estimation de la Proptech. Pour évaluer la performance du score de fiabilité, Yanport propose d’observer l’erreur médiane effectuée par tranche de 10 sur l’échelle du score. Un score de 0 à 10 est associé, sur l’échantillon, à une erreur médiane de 17% pour la location et de 21.4% pour la transaction. À l’opposé, un score de 90 à 100 est associé à une erreur médiane de 2.1% pour la location et de 1.5% pour la transaction. Le graphique en annexe 6 illustre ainsi la pertinence du score de fiabilité et peut servir de grille de lecture aux utilisateurs du moteur d’estimation Yanport.
