Méthode

Valia est un projet open source : tout ce qui est décrit ici se vérifie dans le code, et la précision annoncée est mesurée, pas promise.

Les données

Les Demandes de valeurs foncières (DVF) recensent toutes les ventes immobilières publiées par la DGFiP depuis cinq ans, avec leur prix et leur position. Valia ne garde que les ventes d'un seul logement (appartement ou maison, avec éventuellement une dépendance), dont la surface et le prix au m² sont plausibles. L'Alsace, la Moselle et Mayotte ne sont pas couvertes par DVF.

Le point de départ : les ventes voisines

Comme un expert, Valia part des ventes comparables : la médiane du prix au m² des dix ventes du même type les plus proches sur les vingt-quatre derniers mois. À défaut, elle se replie sur les ventes récentes du quartier (environ 500 m, puis 2 km), puis de la commune.

Le bâtiment

La Base de données nationale des bâtiments (BDNB, CSTB) décrit chaque bâtiment : classe énergie (DPE), année de construction, nombre de niveaux et de logements, ascenseur, part de logements sociaux. Valia la relie à chaque vente par la parcelle cadastrale, et retrouve le bâtiment de votre adresse pour pré-remplir la classe énergie et l'année, que vous pouvez corriger. Un DPE réalisé après une vente n'est jamais utilisé pour apprendre de cette vente.

Les données de bâtiments publiées par Valia sont dérivées de la BDNB et diffusées sous licence ODbL, comme leur source.

L'ajustement : un modèle d'apprentissage

Un modèle de gradient boosting (LightGBM) apprend l'écart entre ce point de départ et le prix réel, selon la surface, le nombre de pièces, le terrain, le bâtiment, la dynamique du quartier, la population et la densité de la commune et la distance à la gare la plus proche. Il est entraîné uniquement sur des ventes antérieures à celles qu'il prédit.

Pourquoi ce prix

Chaque estimation est décomposée avec TreeSHAP, la méthode de référence pour ce type de modèle : partant du niveau de référence du quartier, elle attribue à chaque caractéristique (surface, bâtiment, terrain, emplacement, date…) sa part exacte de l'écart, de sorte que les lignes se combinent pour redonner l'estimation. Le calcul se fait dans votre navigateur et reproduit au millionième près celui du code Python.

Une contribution décrit ce que le modèle a appris des ventes passées, pas une relation de cause à effet : « classe F : −5 % » signifie que les logements comparables classés F se sont vendus moins cher, pas qu'une rénovation rapporterait exactement 5 %.

L'évolution des prix

La courbe montre, trimestre par trimestre, le prix médian au m² des ventes des douze mois précédents dans la commune, pour le même type de bien. Un point n'est publié que s'il repose sur au moins dix ventes ; quand la commune en compte trop peu, la courbe passe à tous les logements de la commune, puis au département, et le dit.

La carte du quartier

Autour de l'adresse, chaque carré d'environ 500 m est coloré selon le prix médian au m² des ventes des douze derniers mois, pour le même type de bien (tous les logements quand il y en a trop peu) ; un carré n'apparaît qu'à partir de trois ventes. Les classes de couleur suivent les quantiles des carrés visibles. Le fond de carte est le Plan IGN, chargé depuis la Géoplateforme ; la bibliothèque de carte (MapLibre) est servie par Valia.

Comparer deux biens

Après une estimation, « Comparer avec un autre bien » la garde de côté et estime le suivant. Les deux décompositions partagent la même base : l'écart de prix au m² se répartit donc exactement entre le quartier, la surface, le bâtiment, le terrain et l'emplacement. Le lien de la page conserve les deux biens.

La fourchette

La fourchette est calibrée par conformal prediction sur des ventes que le modèle n'a pas vues : elle contient le prix réel environ 8 fois sur 10, avec une largeur propre à chaque type de zone et de bien.

Précision mesurée

Mesurée sur une année entière de ventes jamais vues par le modèle.

L'écart médian signifie que la moitié des estimations sont plus proches du prix réel que ce chiffre.

Vie privée

Le calcul se fait dans votre navigateur. Seuls le texte de l'adresse et sa position sont envoyés au service de géocodage de l'IGN, pour retrouver l'adresse et sa parcelle, ainsi que les demandes de fond de carte ; rien n'est enregistré par Valia. Les ventes publiées sont arrondies à environ 100 m et au mois, sans adresse ni identifiant.

Limites

• L'état intérieur, l'étage et l'exposition ne sont pas connus du modèle ; pour un appartement, la classe énergie pré-remplie est celle d'un logement représentatif de l'immeuble.
• Là où les ventes sont rares, l'estimation s'appuie sur des niveaux moyens et devient peu fiable ; Valia le signale.
• Une estimation statistique n'est pas un avis de valeur.