Vous étiez plus de 300 inscrits au Webinaire de présentation de l’ONB+ ce jeudi 19 juin 2025. Retour en vidéo sur ce temps de présentation, d’échanges et sur votre participation active.
Vidéo
Chapitrage :
- Introduction (Jonathan Villot)
- Comprendre les prix DVF (Safia Raouf)
- Actualiser et prédire les prix, modèles et fiabilité (Marc Grossouvre)
- Les indicateurs de prix dans l’ONB+ (Valentin Lamirault)
- Questions/Réponses
Vos questions
De nombreuses questions ont été posées au cours du webinaire. Nous les avons récapitulées, classées par thématique, et avons complété les réponses apportées lors des échanges oraux.
Généralités sur la thématique « valeur foncière »
Qu’est ce qui différencie les données de valeur foncière proposées par URBS de celles disponibles sur d’autres plateforme (meilleur agent, immobilier notaire, pappers immobilier par exemple) ?
Les données que nous proposons sur l’ONB ont deux différentiants majeurs par rapport à celles proposées sur d’autres plateformes :
- Une méthode scientifique robuste pour estimé les prix : aujourd’hui les méthodes déployées par URBS pour estimés les prix pourraient être rapprochées de la méthode par comparaison souvent utilisée par les agents immobiliers. Ceux-ci ont une connaissance du marché au niveau local (souvent empirique et partielle) et évaluent souvent un bien par comparaison avec un autre en fonction de leur perception du marché. En ce sens, notre méthode est très proche de la méthode par comparaison. Cependant, nous apportons en complément une démarche scientifique robuste. Celle-ci est alimentée par un ensemble de données structurées, fiabilisées, offrant une vision globale et détaillée de l’ensemble des biens du marché. Ces données sont ensuite injectées dans des algorithmes travaillés par les data scientists d’URBS (algorithmes détaillés dans le webinaire). Ainsi, nous sommes en mesure de fournir un prix de vente fiable à l’échelle de tout le territoire métropolitain et ce avec une méthodologie maitrisée, explicable et réplicable.
- Des données actualisées permettant une véritable analyse des marchés : comparativement à d’autres confrères qui ont tendance à simplement déverser l’ensemble des prix de vente, URBS, propose sur l’ONB+ les données actualisées du marché à date. Cela permet de tenir compte de toutes les données DVF produites depuis 2014 est d’être en capacité de les comparer et d’analyser l’évolution des prix du marché. Comme pour toutes les données qualifiées disponibles sur nos applicatifs, nous avons pour objectif de les améliorer continuellement et d’apporter notre expertise pour affiner et contextualiser les données brutes.
Oui bien entendu.
Dans l’ONB+ l’indicateur prix « officiel » représente les prix de vente de la dernière année écoulée (pour le millésime 2025, il s’agit des prix 2024) complété des prix de vente actualisés de toutes les ventes des années passées (pour le millésime 2025, de 2014 à 2023).
L’indicateur prix « estimé » contient les mêmes données auxquelles sont ajoutées, pour toutes les adresses qui n’ont jamais été vendues, un prix modélisé.
Actualisation des prix
Actualiser les prix, c’est prendre les prix des ventes réalisées les années précédentes afin qu’ils soient en phase avec le marché de l’année en cours. Cette question est abordée en détails à partir de 6 minutes 11 dans le webinaire.
Estimation des prix
L’erreur moyenne est d’environ 10%. Elle est finalement assez proche de la marge de négociation moyenne constatée. Cette marge nous semble assez incompressible pour plusieurs raisons. Tout d’abord, nous ne connaissons pas le différentiel entre le prix de vente initialement proposé et le prix auquel s’est conclu la vente. Ensuite, notre modèle, et c’est le propre de tout modèle, ne traite qu’une partie des facteurs pouvant influencer le prix d’un bien. Néanmoins, nous travaillons continuellement à l’amélioration du modèle en incluant au fur et à mesure de nouvelles données qui peuvent contribuer à expliquer le prix d’un bien.
Enfin, chez URBS, nous faisons le choix de communiquer les performances ainsi que les détails de modèles. Nous cherchons à être le plus transparent possible sur ces deux aspects. Cependant, il est difficile de comparer nos performances à d’autres, notamment dans le domaine des estimations de prix, car nous ne disposons d’aucune performance d’autres estimateurs, en particulier les sites grand public. Nous sommes preneur de toute source d’information à ce sujet.
Nous ne disposons pas du prix de mise en vente mais seulement du prix auquel s’est conclu la vente. Cela nous paraît donc difficile, pour un bien en particulier d’estimer la marge de négociation et ce d’autant plus que celle-ci peut être fonction de la situation personnelle du vendeur (urgence en lien avec près relais par exemple) et l’acheteur (capacité à acheter cash un bien par exemple). Ce contexte de la vente est impalpable et se traduit donc par une incertitude sur un marché.
Nous travaillons à l’amélioration continue de notre modèle. Dans ce cadre, nous avons bien entendu des pistes pour inclure d’autres facteurs nous semblant avoir un impact sur les prix de vente : cadre de vie, bruit, proximité à la mer, vue. La condition pour qu’une données puisse être incluse dans notre modèle est qu’elle puisse être disponible pour chaque adresse ou logement à l’échelle de la France hexagonale. Ce n’est malheureusement pas toujours le cas. D’autres données nécessitent des développement complémentaire et avant de nous lancer de tels développement, nous essayons aussi d’estimer l’apport de ces données et leur impact sur les prix de vente.
Concernant les certification NF Habitat et la base qui recense ces certifications, nous pourrions envisager un lien vers le site NF habitat (https://www.nf-habitat.fr/) un peu à la façon de ce qu’on fait pour les DPE.
Dans tous les cas, n’hésitez pas à laisser un commentaire ou à nous contacter si vous avez en tête des bases de données nationales que nous pourrions mobiliser.
Le choix d’un modèle de type Random Forest repose sur plusieurs considérations techniques et méthodologiques issues d’analyses menées au cours des dernières années. Nous avons bien entendu étudié les méthodes hédonistes mais elles se sont révélées peu adaptés à notre contexte.
Premièrement, les méthodes hédonistes ont pour objectif principal de déterminer une « valeur ajoutée » pour chaque variable explicative (par exemple, la surface, l’emplacement, le nombre de pièces, etc.). Dans notre cas, nous manipulons un très grand nombre de variables, ce qui rend ce type d’analyse non seulement complexe, mais surtout peu pertinent. L’approche Random Forest permet, au contraire, de traiter efficacement un grand volume de variables.
Deuxièmement, un enjeu important concernait la manière de représenter l’incertitude dans les estimations de prix. Les modèles précédents produisaient une fourchette de prix (Primin - Primax) calculée à partir d’un pourcentage fixe autour du prix estimé. Cette approche ne tenait pas compte des fluctuations du marché immobilier et de sa variabilité selon les zones géographiques. En utilisant Random Forest, il devient possible de recourir à la méthode des quantiles, qui permet d’ajuster dynamiquement la largeur des fourchettes en fonction du niveau d’incertitude : dans des marchés stables, la fourchette est réduite ; dans des zones plus volatiles, elle s’élargit. Cette capacité à représenter de manière statistiquement fondée l’incertitude est une véritable valeur ajoutée.
Il est toujours possible d’améliorer cette connaissance et c’est bien le sens de la démarche d’amélioration continue que nous mettons en place chez URBS. Pour autant, et comme cela a été montré dans le webinaire, nous estimons que les sources de données que nous utilisons aujourd’hui sont suffisamment fiables pour donner une prédiction des prix avec un niveau de confiance satisfaisant.
Notez que pour toutes les sources de données que nous utilisons, nous réalisons au préalable de l’exécution de nos modèles prédictif, un processus de retraitement et de fiabilisation de manière à améliorer la qualité des données sources. Bien entendu, si celles-ci sont de base de mauvaise qualité, nous en sommes tributaire. Notre expertise consiste alors à bien sélectionner les bases de données en fonction de la qualité que leur attribut leur producteur et des retours qui nous sont faits par les acteurs de terrain.
Autres questions
Il existe trois manière d’accéder aux données sur la valeur foncière :
- Via l’ONB+. Pour plus d’informations à ce sujet et notamment les conditions tarifaires, nous vous renvoyons vers notre page explicative.
- Via notre API+. De la même manière nous vous renvoyons vers la page dédiée
- Via la livraison de données. N’hésitez pas à nous contacter à contact@urbs.fr pour en savoir plus sur cet aspect.
L’API+ peut être testée sans limite de requêtes sur une commune spécifique (Andrézieux-Bouthéon - CP : 42160, INSEE : 42005)
L’ONB+ offre une expérience utilisateur illimitée et est disponible pour 49€ HT / mois sans engagement