L'open data, une revolution silencieuse
Il y a 10 ans, obtenir des donnees fiables sur les prix immobiliers d'une commune necessitait de payer des services couteux ou de se fier au bouche-a-oreille des agents immobiliers. Aujourd'hui, l'Etat francais met a disposition gratuitement des millions de donnees qui permettent d'analyser objectivement chaque commune.
Les 3 sources qui changent tout
DVF : les vrais prix de vente
Depuis 2019, la base Demandes de Valeurs Foncieres (DVF) publie l'integralite des transactions immobilieres en France. Pour chaque vente : le prix, la surface, le type de bien, la commune, la date.
C'est la source la plus fiable pour connaitre le prix reel au m² d'une commune, loin des estimations approximatives des portails immobiliers.
ADEME : la carte energetique
La base des Diagnostics de Performance Energetique (DPE) contient des millions de diagnostics. Elle permet de connaitre la repartition energetique du parc immobilier de chaque commune : combien de logements en A, B, C... jusqu'a G.
Avec les interdictions de location des passoires thermiques, cette donnee est devenue strategique pour tout investisseur.
INSEE : le portrait socio-economique
L'INSEE publie chaque annee la Base Permanente des Equipements (BPE), les donnees demographiques, les revenus medians et des dizaines d'indicateurs qui permettent d'evaluer l'attractivite et le dynamisme d'une commune.
Et aussi : securite, eau, fibre, risques...
Au-dela des 3 sources principales, d'autres bases enrichissent l'analyse :
- SSMSI — statistiques de securite par commune
- Hub'Eau — qualite de l'eau potable en temps reel
- ARCEP — couverture fibre et mobile
- Georisques — exposition aux risques naturels (inondation, seisme, radon)
- DGFIP (REI) — taux de taxe fonciere par commune
Comment ScorCity utilise ces donnees
ScorCity collecte et croise ces 9 sources pour calculer un score composite de 0 a 100 pour chaque commune. Le processus :
- Collecte automatisee — des scripts importent les donnees selon la frequence de publication de chaque source
- Normalisation — chaque indicateur est ramene sur une echelle 0-100 par classement percentile
- Aggregation — les indicateurs sont regroupes en 6 piliers (rendement, prix, DPE, securite, cadre de vie, dynamisme) puis combines en un score final
- Publication — les fiches communes et classements sont regeneres automatiquement
The Limits of Open Data
L'open data est puissant, mais pas omniscient :
- Decalage temporel — les donnees DVF ont 3 a 6 mois de retard, l'INSEE est annuel
- Granularite — certaines donnees sont au niveau communal, pas au niveau du quartier
- Donnees manquantes — les tres petites communes ont parfois trop peu de transactions pour etre statistiquement fiables
- Facteurs non mesurables — l'attractivite touristique, les projets urbains futurs ou la qualite architecturale ne sont pas dans les bases
L'open data ne remplace pas la visite sur place et le conseil d'un professionnel. Mais il offre un premier filtre objectif et gratuit que tout investisseur devrait utiliser avant de se deplacer.