Estimation immobilière : L'IA générative et le "Prompt" magique au défi de la fiabilité

Depuis l'explosion de l'IA générative la tentation du "prompt" magique touche aussi bien les professionnels en quête de productivité que les particuliers persuadés de détenir le juste prix.

Mais l'IA générative est-elle réellement la baguette magique de l'estimation immobilière, ou une simple illusion mathématique ? Face à la variabilité imprévisible des prix générés par les LLM, peuvent-ils vraiment remplacer la rigueur d'un modèle d'estimation classique (AVM) ?

Pour vous fournir des arguments imparables et séparer le mythe de la réalité technologique, nous avons soumis les modèles de langage (LLM) à un véritable "crash test" comparatif face à l'AVM Yanport, portant sur plus de 1 000 biens immobiliers. Découvrez pourquoi la solution miracle ne réside pas dans le choix d'un outil contre un autre, mais dans leur synergie.

---

Comprendre les fondamentaux

IA, ML, DL, GenAI : De quoi parle-t-on exactement ?

Pour éviter de confondre "magie" et mathématiques, il est essentiel de sortir du flou artistique des termes marketing et de replacer ces technologies dans leurs boîtes imbriquées, à la manière de poupées russes :

• L’Intelligence Artificielle (IA) : C'est le concept parapluie. Il englobe toutes les techniques permettant à une machine d'imiter une forme d'intelligence humaine.
• Le Machine Learning (ML) : Une sous-famille cruciale de l'IA. Au lieu de dicter des règles figées à la machine, on lui injecte des données historiques pour qu'elle apprenne d'elle-même à repérer des motifs statistiques.
• Le Deep Learning (DL) : Une technique avancée de Machine Learning qui s'inspire de la structure des neurones humains. Elle excelle dans le traitement de données massives et non structurées.
• L’IA générative (GenAI) : C'est la dernière branche issue du Deep Learning, qui propulse les modèles de langage actuels (LLM). Sa particularité n'est pas d'analyser, de classer ou de prédire, mais de produire du contenu inédit (du texte, des images ou du code) en calculant de manière probabiliste une suite logique.

Et l'AVM dans tout ça ?

• L'Automated Valuation Model (AVM) : C'est un modèle d'évaluation automatisé spécifiquement conçu pour l'immobilier. Contrairement à l'IA générative, il s'appuie sur des algorithmes de Machine Learning classiques dont le but exclusif est de calculer l'estimation d'un prix ou d'un loyer. C'est ce moteur mathématique qui garantit une rigueur statistique, une constance dans les résultats et la création d'intervalles de confiance précis.

Estimation immobilière et IA générative : comment ça marche ?

En s'appuyant sur d'immenses volumes de données textuelles et chiffrées (annonces, prix au m², données notariales), le modèle a mémorisé des a priori numériques précis, parfois à l'échelle du quartier. Plus qu'une étiquette qualitative, ce moteur de justesse repose sur un rappel chiffré mémorisé lors de l'entraînement. Le LLM n'a pas besoin de raisonner réellement ; il lui suffit de multiplier un prix au m² mémorisé par la surface fournie. La surface étant le prédicteur majeur, un a priori de localisation correct suffit à obtenir l'essentiel de la valeur. En l'absence de données précises, le modèle interpole via des zones similaires, des priors régionaux ou des corrélations géographiques (codes postaux, littoral, proximité urbaine). Il s'agit d'une généralisation dans l'espace des paramètres, dépassant le simple recoupement de données. Il a appris les effets directionnels : “rénové” est mieux que “à rénover”, étage élevé avec ascenseur, terrasse/jardin/piscine valorisants, rez-de-chaussée décoté, etc. Encore une fois appris depuis le texte, appliqués comme corrections au prix de base. Les modèles récents sont plus performants sur les aspects mathématiques grâce à des mécanismes de chaînage (de pensée) ou de renforcement notamment.

Quelles sont les limites ?

• Instantané figé : Sans données en temps réel, le modèle estime le prix selon une distribution datée, ignorant les micro-mouvements de marché récents.
  Régression vers la moyenne : Il sous-estime les extrêmes et compresse les fourchettes, créant un biais systématique sur les valeurs aberrantes.

• Absence de comparables : Contrairement à la plupart des AVM, le LLM utilise un a priori flou comme prix de départ, perdant en précision à maille fine.

• Risque de mémorisation : La reconnaissance d'adresses ou de bien présentes dans l'entraînement (fuite de données) peut fausser les résultats du benchmark.

• Sensibilité locale : La précision du prior mobilisé dépend fortement de la finesse de l'adresse fournie.

• Variabilité de l’estimation pour un même bien : Nous verrons que pour un même bien, refaire la même demande d’estimation plusieurs fois peut entraîner une variabilité d’estimation importante.

• Incohérence entre estimation et fourchette de prix : Nous demandons au LLM d’indiquer une fourchette de prix (intervalle à 80% : 1er et 9ème décile). Rien ne garantit une vraie cohérence d’estimation d’intervalle alors qu’avec un AVM spécialisé on s’en approche par construction.

Crash Test des modèles

Notre expérience consiste à comparer les performances de notre AVM à celle de LLM (Gemini 3.5 Flash et Claude Opus 4.8) sur 1 071 biens. Nous donnons la même information au LLM qu’à notre AVM. Notons que le LLM bénéficie ainsi de nos méthodes d’extractions d’informations et de notre expertise en termes de données immobilières. Pour chaque bien nous demandons au LLM d’estimer le prix de vente, un intervalle à 80% et une note explicative. Notre AVM fournit déjà des intervalles (personnalisables) et les contributions de chaque variable. Nous estimons d’abord un prix demandé auquel nous enlevons les marges de négociation.

Performances générales

Les graphiques ci-dessous illustrent les distributions des erreurs d’estimation en pourcentage des trois méthodes. La distribution des erreurs de l’AVM est plus serrée et une médiane plus faible, suggérant de meilleures performances.

Le tableau ci-dessous présente les performances des trois méthodes.

L'AVM Yanport s'avère nettement plus précis que les LLM. Son erreur absolue médiane est de 10,5 % (avec une moyenne de 14,3 %), tandis que Gemini 3.5 et Claude Opus 4.8 sont moins performants avec des erreurs absolues médianes respectives de 15,0 % et 15,3 % (et des moyennes dépassant les 21 %).

Les LLM ont une tendance marquée à surestimer la valeur des biens. Gemini 3.5 affiche une erreur relative médiane de +9,1 % (moyenne de +13,1 %) et Claude Opus 4.8 de +3,8 % (moyenne de +7,8 %). À l'inverse, l'AVM Yanport est beaucoup mieux centré et plus neutre, avec une très légère tendance à la sous-évaluation (médiane à -2,9 %, moyenne très proche de zéro à -0,6 %).

Les estimations des LLM sont beaucoup plus dispersées et sujettes à des erreurs extrêmes. Si l'on regarde le 90e centile (P90) de l'erreur absolue, l'AVM Yanport contient ses erreurs les plus fortes à 30,0 %. En revanche, les erreurs s'envolent pour les LLM : 44,3 % pour Claude Opus 4.8 et jusqu'à 48,4 % pour Gemini 3.5. Le constat est similaire sur les erreurs relatives où l'écart entre le P10 et le P90 est beaucoup plus resserré pour l'AVM.

Bien que les LLM soient capables de produire des estimations, l'AVM classique de Yanport reste aujourd'hui beaucoup plus fiable, précis et constant. Les modèles de langage montrent une variance importante et un biais systématique à la hausse (surestimation) par rapport au modèle algorithmique spécialisé.

Le problème de confiance : L'effet "pile ou face" des LLM

Cohérence des distributions et contributions

Notre AVM permet de donner un intervalle d’estimation et une interprétabilité des estimations. Un AVM doit pouvoir donner des contributions vérifiables de chaque variable. Le prix estimé est bien souvent un prix de référence auquel on ajoute des contributions spécifiques (état du bien, présence d’une piscine, surface de terrain…). Ce calcul est normalement exact. Concernant l’intervalle de confiance, si on demande un intervalle à 80% (entre le 1er et le 9ème décile) le prix réel doit être dans cet intervalle si ce n’est dans 80% des cas au moins une part s’en approchant.

Nous avons donc demandé aux LLM de nous fournir les mêmes détails, à savoir :

• un intervalle de confiance à 80% permettant d’évaluer l’incertitude,
• une décomposition des contributions : un prix de référence et des contributions de variables (en % du prix de référence) permettant d’interpréter le prix estimé.

Plus le modèle est correctement calibré, plus la part de prix réels se trouvant dans l’intervalle de confiance doit être proche de 80%. Alors que le prix réel tombe dans 72% des cas dans l’intervalle de confiance avec notre AVM, il n’y est que dans 39% et 34% des cas pour Gemini et Claude respectivement. On peut aisément le comprendre, si on peut s’attendre à ce qu’un LLM généraliste trouve une estimation de prix convaincante (même si moins bonne qu’un AVM), il est difficile d'imaginer qu’il estime à la volée une incertitude d’estimation en se basant sur les documents qu’il a pu ingérer durant son entraînement.

Concernant les contributions (décomposition entre un prix de référence et le prix estimé), si celles de l’AVM sont toujours exactes, celles du LLM ne le sont pas toujours. Dans 6% des cas pour Gemini et 12.4% des cas pour Claude, le prix estimé a un écart de plus de 1% avec le prix estimé recalculé en partant du prix de référence et des contributions. Nous avons laissé une marge de 1%, supposant ainsi que les LLM donnent des prix et contributions arrondis. Par exemple, pour une maison à Nouzerines estimée à 362 880€ le LLM donne un prix de référence à 432 000€, une décote de 15% à cause du mauvais état, une sur-côte de 10% pour le grand terrain, une décote de 3% pour l’étiquette énergétique (E), et une petite surcote de 2% pour la présence d’un garage. Si ces contributions semblent pertinentes au premier abord en les appliquant au prix de référence on obtient 406 080€, bien loin des 362 880€ estimés.

Le fait que le LLM soit moins mauvais à déterminer des contributions cohérentes que pour l’estimation de l’intervalle s’explique par le fait que durant son entraînement il a rencontré des problèmes d’arithmétiques qu’il traite comme des chaînes de mots. L'arithmétique n'est pas une exception au modèle de langage, elle en est une conséquence. Prédire le prochain token de « 47 × 8 = ... » est une tâche de modélisation de séquence. La question devient : pourquoi la prédiction du bon token pousse-t-elle le réseau à apprendre un procédé de calcul plutôt qu'à réciter ? Les modèles récents sont plus performants sur ces aspects grâce à des mécanismes de chaînage (de pensée) ou de renforcement notamment. Les modèles n'ont pas « appris l'arithmétique » comme on l'enseigne — ils ont appris des représentations et règles approximatives parce que c'est la façon la plus compressive de prédire des suites arithmétiques, puis ils ont gagné de la profondeur de calcul via le chaînage de pensée et de la précision via l’apprentissage par renforcement (Reinforcement Learning ou RL). Ce qui explique qu'ils ne sont pas toujours fiables pour de simples décompositions de prix.

Reproductibilité et variabilité de l’estimation

Un AVM classique doit vous donner la même estimation pour un même ensemble de caractéristiques. Si ce n’est pas le cas c’est qu’il a été ré-entrainé et que ce n’est donc plus vraiment le même modèle.

L’une des caractéristiques de l’IA générative est de ne pas générer la même réponse à la même question, mais souvent une réponse suffisamment crédible pour ne pas être questionnée. Nous avons fait l’exercice de renvoyer 15 fois le même prompt d’estimation à Gemini pour 3 biens différents. Comme l’illustre le graphique ci-dessous et sans surprise, de par la nature des LLM, les estimations varient fortement d’une requête à l’autre.

Par exemple pour le studio ci-dessous les estimations sont entre 127 296€ et 150 000€, soit une amplitude de plus 17%. Les deux explications pouvant sembler crédibles en première lecture.

Explications du LLM pour l’estimation à 127 296€ :
Le point de départ de notre estimation est un studio standard de 17 m² dans le 10e arrondissement de Paris au prix de référence de 163 200 € (9 600 €/m²). Nous appliquons ensuite les pondérations liées aux caractéristiques propres du bien : l’état général mauvais entraîne une décote importante de -15% pour couvrir les travaux de réhabilitation. L’étage bas (1er étage) induit une dépréciation de -4%. La performance énergétique moyenne (E) réduit la valeur de -5%. Enfin, l'effet de petite surface de type studio permet de récupérer +2% grâce à la forte demande sur ce segment. La somme des contributions est de -22%. Le calcul final donne 163 200 € x (1 - 0.22) = 127 296 €.

Explication pour l’estimation à 150 000€ :
Nous commençons par définir un prix de référence pour un appartement de 17 m² dans le 10e arrondissement à 10 500 €/m², soit 178 500 €. Nous appliquons ensuite les ajustements suivants : une décote de -15% pour l'état général dégradé exigeant une rénovation complète (environ 1 500 €/m² de travaux), une surcote de +5% pour l'effet petite surface (forte demande locative/étudiante), une décote de -2% pour le 1er étage, et enfin une décote de -4% pour la classe énergétique E. La somme des contributions est de -16% (-15 + 5 - 2 - 4). Le prix estimé final est donc de 178 500 € x (1 - 0.16) = 149 940 €, arrondi à 150 000 €. Les déciles D1 et D9 reflètent l'incertitude du marché parisien sur les biens à rénover.

Sensibilité au prompt

Même avec une température à 0 (paramètre souvent associé au degré de “créativité” du LLM), il reste une source non négligeable de variance de l’estimation : le prompt. Si les résultats présentés ici se basent sur le même prompt pour tous les biens et les deux LLM nos tests préliminaires n’étaient pas aussi complets. En particulier, nous avions donné le même prompt à Gemini 3.5 sans demander de détailler les contributions en pourcentage à partir d’un prix de base (au lieu d’une explication peu, voire pas chiffrée). Le biais d’estimation était plus faible (6% au lieu de 13.1% présentés plus haut), tout comme l’erreur absolue (18% au lieu de 21% en moyenne). Même s’il est difficile de savoir exactement pourquoi on peut émettre une hypothèse. En demandant explicitement au LLM de donner les contributions chiffrées des caractéristiques du bien, il se force à produire des petites contributions explicites qu’il n’avait pas produites.

Mais alors, pourquoi les petites sur-côtes cumulées ne sont-elles pas compensées par de petites sous-côtes ? On peut penser à plusieurs raisons :

• Le biais d'optimisme : Les LLM modernes sont optimisés via le RLHF (Reinforcement Learning from Human Feedback, un ajustement basé sur les préférences humaines) pour être utiles, polis et accommodants. Ce trait de "caractère" se traduit par une asymétrie dans l'évaluation : le modèle a statistiquement tendance à être trop généreux avec les qualités (il va facilement donner +5% pour une belle vue) et trop timide avec les défauts (il osera rarement infliger un -15% pour un diagnostic énergétique désastreux, se contentant d'un -3% ou -5%). La moyenne des écarts est donc positive.

• L'erreur de l'empilement linéaire : Imaginons un appartement au dernier étage avec un balcon orienté sud. Dans la réalité, ces trois caractéristiques fusionnent pour créer un effet "coup de cœur" qui a un plafond sur le marché. En forçant le LLM à détailler, il va isoler chaque élément :

  • Dernier étage : +5%
  • Balcon : +5%
  • Plein sud : +4%
    Il empile les pourcentages (+14%) de manière déconnectée de la réalité du marché local, perdant la vision globale qu'il avait lorsqu'on ne lui demandait pas de détailler son calcul.

En résumé, demander des pourcentages explicites force le LLM à utiliser une méthode de calcul (l'addition linéaire de caractéristiques majoritairement positives) pour laquelle elle n'est pas câblée, détruisant ainsi l’“intuition statistique globale” qui rendait son estimation initiale beaucoup plus juste.

Créativité ou déterminisme ?

Souvent associé à un degré de “créativité” la température permet au LLM de ne pas générer exactement le même contenu pour un même prompt. Une température nulle permettrait a priori au LLM de fournir la même réponse systématiquement, ne tombant ainsi pas dans le travers vu précédemment. Pourquoi est-ce une fausse bonne idée ?
À 0, le LLM perd sa capacité à nuancer. Il aura tendance à vous livrer un chiffre unique, sec et définitif (ex : "Le bien vaut 252 000 €"), ce qui donne une illusion de précision absolue sur une valeur qui n'est au fond qu'une déduction statistique. Une estimation immobilière repose sur des critères standards (surface, localisation) mais aussi sur des signaux plus subjectifs (charme de l'ancien, vis-à-vis, nuisances sonores, potentiel d'agrandissement). Avec une température de 0, le modèle converge inévitablement vers la moyenne la plus "standard" de ses données d'entraînement. Il risque d'ignorer complètement la pondération de vos critères qualitatifs pour se contenter d'appliquer un simple prix moyen au mètre carré. Enfin et surtout, la température nulle implique une rigidité de raisonnement. Pour les estimations nous avons demandé aux LLM d’expliciter le raisonnement et les contributions. Avec une température nulle, si le modèle entame son explication avec une structure de phrase trop générique, le choix systématique du mot le plus probable peut l'enfermer dans une impasse logique ou le faire tourner en boucle, l'empêchant de corriger le tir ou d'explorer une méthode de valorisation alternative (comme la méthode par le rendement locatif, par exemple).

L'illusion des comparables : pourquoi connecter un LLM aux données DVF ne suffit pas

Face aux limites d'un LLM "nu", une approche tentante consiste à l'enrichir avec des données du marché réel. Il est aujourd'hui possible de connecter ces modèles à la base DVF (Demandes de Valeurs Foncières) via des outils comme le MCP (Model Context Protocol) de data.gouv. Nous avons d'ailleurs testé cette approche en injectant des biens vendus similaires dans le contexte du modèle pour l'aider à ajuster son prix. En théorie, cette méthode devrait affiner son jugement. En pratique, l'amélioration des résultats est marginale. Au-delà de l'inefficacité des LLM à traiter nativement de la donnée géospatiale (comme calculer un rayon de pertinence autour d'une adresse), le point de blocage réside dans les données elles-mêmes. Les transactions DVF manquent de critères qualitatifs essentiels à une valorisation précise : état général du bien, étage, luminosité, ou standing de la copropriété. Le LLM se retrouve à ingérer des comparables "pauvres" sans disposer de la logique mathématique pour les pondérer correctement. Au final, cette injection de données n'offre pas une estimation significativement meilleure que celle que le modèle produit de lui-même avec ses propres approximations.

La vraie révolution : L'orchestration des IA chez Yanport

Ces explications textuelles fluides et crédibles sont d’ailleurs l’une des forces majeures de l’IA générative. Notre philosophie n’est donc pas de choisir entre l'AVM et le LLM, mais d'orchestrer un "pipeline" où chaque technologie fait ce qu'elle fait de mieux. En somme, nous ne superposons pas les outils, nous les faisons collaborer.

Voici comment s'articule concrètement cette complémentarité dans les moteurs de Yanport :

1. L'extraction par le Deep Learning (NLP et Computer Vision) : En tant que spécialistes de la donnée, nous recevons des flux d'annonces non structurés. Nous utilisons des modèles de réseaux de neurones (Computer Vision) pour "regarder" les photos et en déduire l'état d'usure ou le standing, et des modèles de traitement du langage (NLP) pour lire entre les lignes des descriptions immobilières et en extraire des attributs précis (présence d'un balcon, travaux récents).

2. Le calcul par le Machine Learning (AVM) : Une fois ces caractéristiques extraites et vectorisées, nous confions la partie mathématique à des algorithmes de Machine Learning classiques (comme le Gradient Boosting). Ce sont eux, et eux seuls, qui calculent l'estimation de prix et de loyer, car ils garantissent une rigueur statistique, une constance et la création d'intervalles de confiance irréprochables (les indicateurs robustes de Yanport).

3. La restitution par l'IA Générative (LLM) : Enfin, la donnée pure est souvent aride. C'est ici que la GenAI entre en scène. Nous passons le relais aux LLM pour traduire la logique de notre AVM en un langage naturel. L'IA générative rédige les argumentaires commerciaux, synthétise l'analyse de marché et aide l'agent immobilier à justifier le prix auprès de son vendeur de manière pédagogique et convaincante.

En combinant l'œil du Deep Learning, le cerveau mathématique de l'AVM et l'éloquence de l'IA générative, nous offrons aux professionnels l'outil le plus complet, précis et transparent du marché.

Conclusion

En somme, l'opposition entre modèles de Machine Learning traditionnels (AVM) et IA générative est un faux dilemme. Nos tests démontrent que, si l'IA générative impressionne par sa capacité à formuler des explications fluides, elle manque de la rigueur mathématique et de la stabilité nécessaires pour l'estimation immobilière pure, où la précision reste critique. À l'inverse, l'AVM apporte la fiabilité statistique et la cohérence indispensables à toute évaluation de confiance.

La véritable valeur ajoutée réside dans une approche orchestrée : laisser aux modèles spécialisés le soin de traiter la donnée et le calcul de valeur, tout en utilisant la puissance de l'IA générative pour rendre ces résultats intelligibles, interprétables et actionnables pour les utilisateurs. C'est en combinant cette rigueur technique et cette facilité d'interface que nous bâtissons l'avenir de l'intelligence immobilière.

---

Ne laissez plus l'estimation au hasard. Demandez une démo de nos solutions !