AI pour le screening des opérations immobilières : de la parcelle foncière à la décision du comité d’investissement

1. Définir la décision avant d’automatiser le travail

Un système de filtrage nécessite un mandat de décision précis. « Trouver des terrains attractifs » est trop large. Un mandat utile définit la géographie, les stratégies autorisées, le ticket d’investissement, la période de détention, les objectifs de rendement, les limites de risque, la capacité de développement, les contraintes de financement, les exigences de durabilité et les éléments de preuve requis pour une escalade. Le système doit savoir s’il filtre un actif existant, un site de développement, une opportunité de conversion, une plateforme opérationnelle, une exposition en difficulté ou un portefeuille. Chacun a une unité d’analyse et une trajectoire de valorisation différentes.

Le premier résultat est une décision de triage plutôt qu’une valorisation finale. Un ensemble de décisions pratiques comprend : rejeter, suspendre en attente d’éléments de preuve, faire avancer vers une souscription préliminaire, faire avancer avec une exception déclarée, ou orienter vers un examen spécialisé. Le système ne doit jamais fabriquer des faits manquants pour parvenir à l’une de ces issues. Un extrait de titre manquant, une limite floue, un droit d’accès absent ou une capacité de service non vérifiée devient une lacune probante assortie d’un responsable et d’une échéance. Une opportunité peut rester attractive tandis que son statut décisionnel demeure « suspendu en attente d’éléments de preuve ».

Le caractère significatif doit déterminer la profondeur. Une petite acquisition standardisée peut recourir à un filtrage concis. Un site de développement dont la valeur dépend d’un changement de zonage, d’un raccordement au réseau, d’une dépollution des sols et de préventes nécessite un examen plus approfondi avant la première discussion en comité. Le mandat doit identifier les variables qui peuvent être estimées aux fins de triage et celles qui exigent des éléments de preuve faisant autorité. Cette distinction empêche un modèle initial d’acquérir le statut d’une conclusion de due diligence achevée.

Le responsable de la décision doit également être nommé. Une machine peut compiler, comparer et calculer. Le professionnel de l’investissement reste responsable d’expliquer pourquoi l’opportunité correspond au mandat, quels éléments de preuve sont fiables, où l’incertitude demeure et ce qui pourrait invalider la recommandation. La norme RICS AI fait du jugement professionnel et de la supervision des éléments centraux d’une utilisation responsable dans la pratique de l’évaluation immobilière.[3] Le NIST traite de même la responsabilité, la transparence et la gestion documentée des risques comme des exigences du cycle de vie.[4][5]

Tableau 1. Registre minimal des éléments de preuve pour un filtrage immobilier assisté par AI

Les preuves requises varient selon la juridiction, le type d’actif et l’importance de la décision.

2. Créer un enregistrement de parcelle unique faisant autorité

L’identité de la parcelle constitue le fondement de l’analyse de sélection. Les opportunités immobilières arrivent sous forme de brochures, coordonnées, numéros de parcelle, références de titre, demandes d’urbanisme, rapports de valorisation et tableurs du vendeur. Les noms et les limites peuvent différer d’un document à l’autre. Un système AI peut extraire rapidement des identifiants, mais l’exactitude de l’extraction ne prouve pas que les documents se rapportent au même intérêt juridique. Le système doit créer un enregistrement de parcelle unique faisant autorité et conserver chaque identifiant de source comme alias jusqu’à ce qu’un réviseur qualifié résolve les conflits.

L’enregistrement doit contenir la juridiction, le registre, la référence de titre ou équivalent, le numéro de parcelle ou de lot, la géométrie géospatiale, le régime foncier, la propriété, les droits enregistrés, les restrictions, les servitudes, les charges et les dates d’effet des preuves. Lorsqu’un polygone est indicatif, il doit rester étiqueté comme indicatif dans le modèle de données opérationnel. HM Land Registry explique que les INSPIRE Index Polygons indiquent des étendues indicatives en pleine propriété et fournissent des identifiants uniques ; ils facilitent la découverte et la correspondance, tandis que la preuve de titre reste une recherche distincte.[7] Une discipline similaire s’applique sur tout marché où les cartes publiques, les repères cartographiques des courtiers et les données des registres ont un statut juridique différent.

La résolution d’entités doit recourir à des méthodes déterministes et probabilistes. Les identifiants exacts de registre sont prioritaires. Les adresses normalisées, les coordonnées, les noms de promoteurs et les mesures de superficie peuvent faciliter la correspondance. Le système doit exposer son score de correspondance et les raisons de ce score. Un réviseur doit pouvoir voir que deux enregistrements ont été rapprochés en raison d’une référence de titre commune, ou qu’une correspondance plus faible reposait sur la proximité et une adresse similaire. La fusion automatique doit être interdite lorsque deux candidats restent plausibles.

La gestion des versions est importante car les parcelles peuvent être subdivisées, consolidées, renumérotées ou transférées. L’enregistrement doit conserver un historique des dates d’effet et ne doit pas écraser la géométrie utilisée dans un dossier de décision antérieur. Une analyse de sélection reproductible conserve l’instantané des preuves utilisé à la date du comité, ainsi que les mises à jour ultérieures. Cela facilite la revue post-investissement, la contestation et l’audit.

Le diagramme montre les étapes de contrôle ; chaque transformation conserve la source, la date, la licence, le niveau de confiance et le réviseur.

3. Séparer les critères éliminatoires de l’attractivité pondérée

La sélection préalable échoue lorsque toutes les variables peuvent se compenser mutuellement. Un rendement projeté élevé ne doit pas compenser l’absence d’accès juridique. Une forte demande ne doit pas pallier un conflit de titre insoluble. Le cadre sépare donc les critères éliminatoires des facteurs pondérés. Les critères éliminatoires déterminent si l’opportunité peut progresser au vu des éléments probants actuels. Les facteurs pondérés comparent les opportunités qui ont franchi ces critères, ou qui disposent d’une voie clairement définie pour les franchir.

Les critères éliminatoires couvrent généralement l’adéquation au mandat, l’identité vérifiée de la parcelle, l’intérêt transférable, l’usage autorisé ou réalisable, l’accès juridique, les infrastructures critiques, l’exposition environnementale interdite, le pouvoir de la contrepartie et la suffisance minimale des données. Un critère peut être validé, non validé, conditionnel ou inconnu. Un statut conditionnel exige une voie spécifique, une date de décision, un responsable et un coût. Un statut inconnu ne doit pas être converti en score neutre.

Les facteurs pondérés évaluent ensuite la profondeur du marché, la micro-localisation, l’adéquation du produit, l’offre, le prix atteignable, la certitude des coûts, le programme, le financement, la protection à la baisse, la liquidité de sortie, la valeur d’option stratégique et la capacité d’exécution. Les pondérations doivent refléter le mandat du fonds ou de l’entreprise. Elles doivent être approuvées avant que l’équipe ne voie une transaction privilégiée, car modifier les pondérations après avoir vu le résultat favorise le biais de confirmation.

La notation doit rester interprétable. Un score de marché sur dix points nécessite des points d’ancrage définis. Le dossier doit indiquer quelles observations ont déterminé le score, leur niveau de confiance et l’évaluateur. Les narratifs générés par machine peuvent résumer les éléments probants, tandis que les liens sources et les valeurs structurées restent disponibles sous le narratif. Un score sans preuve est une opinion présentée comme une donnée.

Les scores et pondérations sont hypothétiques ; des critères éliminatoires inconnus empêchent toute progression automatique.

Tableau 2. Exemple de critères éliminatoires et de facteurs pondérés

Les seuils sont des choix de gouvernance ; ils nécessitent une approbation propre au mandat et un réexamen périodique.

4. Construire une échelle de qualité des données avant de construire des variables

L'équipe de présélection doit classer les éléments probants avant d'extraire des variables prédictives. Les dimensions utiles sont l'autorité de la source, le statut de la transaction, la récence, la précision spatiale, la comparabilité des actifs, l'exhaustivité, la licence, la provenance et la reproductibilité. Une transaction enregistrée et conclue a généralement plus de poids en matière de prix qu'une annonce. Un document d'urbanisme officiel actuel n'a pas le même statut que l'interprétation d'un courtier. Un jeu de données fournisseur techniquement riche peut néanmoins être inadapté si sa licence interdit l'usage envisagé ou si ses transformations ne peuvent pas être retracées.

Les jeux de données officiels ont aussi leurs limites. Les données Price Paid Data du HM Land Registry incluent les ventes résidentielles déposées pour enregistrement, sont mises à jour mensuellement et peuvent être révisées. L'éditeur indique que le mois en cours est incomplet en tant que vue autonome et qu'il ne garantit ni l'exactitude des données ni leur adéquation à un usage particulier.[6] Les indicateurs immobiliers de REGA en Arabie saoudite distinguent les données brutes récentes des indicateurs historiques affinés ; un modèle de présélection devrait préserver cette distinction au lieu de considérer les deux comme également établis.[10] Les données de transactions ouvertes de Dubaï offrent de larges champs et une actualisation quotidienne, mais une valorisation en temps réel nécessite encore une vérification du statut de la transaction, un appariement des unités et une analyse de marché appropriée.[8][9]

Le registre de traçabilité doit consigner la source d'origine, l'heure d'extraction, la licence, la valeur brute, la valeur normalisée, le code de transformation, le niveau de confiance, le réviseur et l'utilisation dans le modèle. Les données dérivées doivent conserver leurs données parentes. Si le système calcule la distance à une station de métro, le registre doit identifier la géométrie du site, le jeu de données des stations, le système de coordonnées, la méthode d'itinéraire ou de ligne droite et la version du calcul. Cela permet de corriger une erreur à sa source et d'identifier chaque résultat de présélection concerné.

La fraîcheur des données exige une politique. Les données de titre, d'urbanisme, de transaction, de loyer, de taux d'intérêt, de coût de construction et sur les aléas évoluent à des rythmes différents. Le système doit signaler les enregistrements dépassant l'ancienneté approuvée et distinguer « aucun changement constaté » de « non vérifié ». Un dossier de comité doit indiquer sa date d'arrêté des éléments probants et les sources en attente d'actualisation.

5. Examiner l'urbanisme, l'accès, les réseaux et les contraintes physiques

L'urbanisme et les infrastructures déterminent souvent si la valeur foncière apparente peut être réalisée. L'analyse de présélection doit consigner l'usage actuel, les paramètres de développement, la hauteur, la densité, les retraits, le stationnement, les obligations de logement abordable ou communautaires, le phasage, les conditions de conception, le patrimoine, les limites environnementales et les autorisations nécessaires au projet proposé. Une enveloppe autorisée constitue un point de départ juridique et technique ; ce n'est pas automatiquement le projet commercialement réalisable à la plus forte valeur.

L'accès doit être testé en tant que droit juridique et en tant qu'itinéraire opérationnel. Le site peut toucher une route sans disposer d'un droit d'accès enregistré suffisant. La logistique de construction peut différer de l'accès permanent. Les véhicules lourds, la géométrie de rotation, les limites de pont, la circulation scolaire, les droits sur les terrains voisins et les travaux temporaires peuvent affecter le calendrier et le coût. L'analyse de présélection doit indiquer le niveau de preuve plutôt que de produire une conclusion binaire d'« accessibilité » à partir d'une carte.

Les réseaux méritent des éléments probants propres au projet. La capacité du réseau électrique, de l'eau, de l'assainissement, du refroidissement urbain, des télécommunications et des transports peut créer des dépendances à délai long. Un réseau à proximité ne prouve ni la capacité ni une date de raccordement. Le dossier de présélection doit consigner la correspondance avec le fournisseur, le statut de la demande, les mises à niveau requises, les redevances, les conditions, la date de livraison et la partie responsable. Un projet de centre de données, industriel ou résidentiel à forte densité peut être économiquement attractif et échouer néanmoins à son calendrier cible faute d'un raccordement critique disponible.

L'analyse physique et environnementale doit combiner des cartes officielles, des études documentaires, des rapports de site et le jugement de spécialistes. Le service d'évaluation du risque d'inondation à long terme de l'Angleterre couvre les risques liés aux rivières, à la mer, aux eaux de surface, aux réservoirs et aux eaux souterraines lorsque des données sont disponibles, tout en indiquant explicitement qu'il ne prédit pas si une propriété individuelle sera inondée.[11] Cette limite illustre un contrôle général : les données d'aléa à l'échelle d'une zone peuvent déclencher des investigations et des coûts de scénario ; elles ne doivent pas être présentées comme des éléments probants d'ingénierie propres à la parcelle.

6. Créer une échelle de confiance des éléments probants comparables

L'analyse des comparables doit partir du statut des éléments probants. Les éléments probants les plus fiables sont généralement une transaction vérifiée entre parties indépendantes portant sur un droit juridique, un usage, un état de développement, un emplacement et une date véritablement comparables. La confiance diminue à mesure que les éléments probants se rapprochent de rapports de transaction non vérifiés, d'opérations anciennes, de droits différents, de droits de développement matériellement différents, de prix demandés et d'indications anecdotiques. Le système doit conserver à la fois la valeur observée et le niveau de confiance.

Le processus d'appariement doit être explicable. Il peut utiliser la géographie, l'usage autorisé, le régime de propriété, le coefficient d'occupation des sols, la surface de plancher brute, l'état du site, les infrastructures, le statut d'urbanisme, la date de transaction, le profil de l'acquéreur et les conditions particulières. Chaque comparable proposé doit montrer pourquoi il a été sélectionné et pourquoi il peut différer. Un réviseur peut rejeter un comparable, l'ajuster ou le conserver comme limite plutôt que comme estimation ponctuelle.

Les ajustements doivent être transparents et éviter le double comptage. Si un comparable est ajusté pour tenir compte du statut d'urbanisme, le modèle de développement ne doit pas ajouter séparément la même prime d'urbanisme sans rapprochement. Le modèle doit indiquer si un ajustement est directement étayé, déduit de transactions appariées, estimé par un évaluateur ou utilisé comme hypothèse de scénario. Le cadre de juste valeur d'IFRS 13 met l'accent sur les hypothèses des acteurs du marché dans les conditions de marché actuelles, tandis que les IVS accordent une importance explicite aux données, aux intrants, aux modèles, à la documentation et à la production de rapports.[1][2]

Les marchés étroits exigent un ensemble de preuves plus large et une fourchette plus large. Les preuves peuvent inclure des transactions foncières, les valeurs des actifs existants moins les coûts de transformation, les marges des promoteurs, la capitalisation locative, le coût de remplacement, la valorisation résiduelle et la valeur d'option. Le système doit expliquer comment chaque méthode se rapporte au site concerné. La concordance entre méthodes faibles ne constitue pas une preuve solide.

La confiance dépend de la vérification, de la pertinence et des conditions actuelles du marché ; l'échelle ne prescrit pas de conclusion de valorisation.

Tableau 3. Sélection, ajustement et registre de confiance des comparables

Chaque ligne doit conserver la valeur observée, la logique d'ajustement et le lien vers la source.

7. Construire un modèle transparent de valeur résiduelle et de développement

La valeur du terrain est souvent résiduelle. Le modèle estime la valeur du programme achevé, puis déduit la construction, les honoraires professionnels, les infrastructures, le financement, les frais de commercialisation, les impôts le cas échéant, les provisions pour aléas, le rendement requis du promoteur et les autres obligations. Le résultat est très sensible aux hypothèses de calendrier, de densité, de prix, de coûts, d'absorption, de financement et de sortie. AI peut alimenter et tester le modèle, tandis que la structure du modèle et la logique de décision doivent rester visibles pour l'évaluateur.

Le programme de base devrait partir des éléments probants d'urbanisme et techniques plutôt que d'un rendement souhaité. La mixité des unités, la surface nette vendable ou louable, l'efficience, le phasage, la date de démarrage, la durée des travaux, la courbe des ventes ou des locations et la livraison doivent être cohérents. Les données de coûts doivent préciser la date des prix, le périmètre, les exclusions, l'inflation, le mode de passation des marchés, la provision pour aléas et si les réseaux, les espaces publics, le financement et les frais généraux du promoteur sont inclus.

Les hypothèses de revenus doivent distinguer les données de marché de la stratégie produit. Les transactions comparables peuvent étayer une fourchette de prix actuel. Le programme proposé peut nécessiter une prime ou une décote pour la finition, la vue, la marque, la taille des unités, le calendrier et l'échéancier de paiement. Le modèle doit montrer les éléments probants de chaque ajustement et tester l'absorption autant que le prix. Une hypothèse de prix élevé qui allonge la période de vente peut réduire la valeur via le financement et les coûts de portage.

Le financement doit refléter la structure du capital réelle. Le calendrier de paiement du terrain, les actions, la dette senior, le financement mezzanine, les encaissements de préventes, les conditions de tirage, les intérêts, les frais, les covenants et la trésorerie minimale déterminent la liquidité. Un projet peut afficher une valeur actuelle nette positive et néanmoins échouer parce qu'il ne peut pas financer un besoin de trésorerie de pointe. L'écran doit présenter le besoin de financement maximal, son calendrier et la marge de manœuvre au titre des covenants aux côtés des indicateurs de rendement.

Le modèle doit concilier les hypothèses nominales et réelles, les mesures avant et après impôt, les rendements avec et sans effet de levier, ainsi que la date de valorisation. Il doit préciser si le résultat correspond à la valeur du terrain, à la valeur d'entreprise, à la valeur des actions, à l'offre maximale ou à la valeur stratégique. Cela évite qu'un comité d'investissement compare des chiffres non comparables.

8. Présenter des scénarios, des distributions et des sensibilités de la décision

Un résultat à point unique masque l'incertitude. Le comité a besoin d'un scénario de base, d'un scénario baissier crédible, d'un scénario sévère mais plausible et d'un scénario haussier, ainsi que des hypothèses qui varient entre eux. Les scénarios doivent rester cohérents en interne. Un scénario baissier qui réduit les prix de vente tout en laissant inchangés l'absorption, la marge de la dette, le coût de construction et le rendement de sortie peut sous-estimer l'effet combiné d'un marché plus faible.

Les sensibilités déterministes révèlent les variables ayant le plus fort impact. L'écran doit tester le prix, le loyer, le rendement, le coût de construction, le retard, le taux d'intérêt, la densité, le rythme des ventes et la provision pour aléas. Les tableaux à double entrée peuvent révéler des interactions, telles que le prix et le coût ou le loyer et le rendement de sortie. L'analyse de seuils répond aux questions opérationnelles du comité : la baisse de prix qui supprime le rendement cible, le retard qui épuise la liquidité ou l'augmentation des coûts qui fait chuter la valeur du terrain sous les attentes du vendeur.

L'analyse probabiliste peut apporter de la valeur lorsque les distributions et les dépendances reposent sur des éléments probants. Elle ne doit pas transformer des données subjectives en vérité statistique apparente. Le modèle doit divulguer les choix de distribution, les corrélations, la taille de l'échantillon, le traitement des queues et la différence entre probabilité modélisée et fréquence observée. Un graphique en éventail peut montrer comment l'incertitude s'élargit tout au long du programme et où la protection du capital est la plus faible.

La décision doit se concentrer sur les conditions maîtrisables. L'équipe d'investissement peut améliorer la protection à la baisse par le prix, une contrepartie différée, une structure d'option, une condition d'urbanisme, une condition liée aux réseaux, une exclusivité, un partage des coûts ou une acquisition par étapes. L'écran devient commercialement utile lorsqu'il relie les risques aux conditions de la transaction et aux priorités de due diligence.

Les valeurs sont des points d’indice hypothétiques ; le graphique illustre un élargissement et un resserrement de l’incertitude, et non une prévision.

Tableau 4. Ensemble de scénarios cohérents à titre illustratif

Toutes les valeurs sont hypothétiques et illustrent la gouvernance du modèle plutôt que des prévisions de marché.

9. Valider le modèle et surveiller ses performances

La validation doit être proportionnée à l’importance relative et couvrir la solidité conceptuelle, la mise en œuvre, les données, les résultats et l’utilisation. Les orientations révisées de 2026 de la Réserve fédérale sur la gestion du risque de modèle mettent l’accent sur une approche fondée sur le risque, des rôles clairs, la validation, une surveillance continue et la compréhension des modèles de fournisseurs pour les organisations bancaires relevant de leur périmètre.[12] Les principes constituent une référence utile en matière de gouvernance pour tout modèle de filtrage significatif, bien que leur applicabilité juridique dépende de l’institution et de l’activité.

L’examen conceptuel consiste à déterminer si le modèle représente la décision réelle. Un classifieur entraîné sur des transactions conclues peut sélectionner des sites similaires à des opérations clôturées, plutôt que des sites ayant créé de la valeur. Les données historiques de clôture intègrent également un biais de sélection, le régime de marché et la stratégie institutionnelle. La validation doit vérifier si la variable cible, les caractéristiques et la fonction de perte sont alignées sur le mandat d’investissement.

L’examen de la mise en œuvre teste l’extraction, les transformations, les formules, les unités, les devises, les dates, les jointures, les versions de modèle et les interfaces. Une méthode correcte peut échouer en raison d’une décimale, d’un système de coordonnées, d’un enregistrement en double ou d’un décalage de période. Les cas de test doivent inclure des parcelles ordinaires, des cas limites, des données manquantes, des documents contradictoires et des entrées adversariales. Les résultats significatifs des tableurs doivent être rapprochés d’un référentiel calculé indépendamment.

La surveillance des résultats compare les premiers filtrages avec la due diligence, les offres, les acquisitions et les résultats réalisés ultérieurs. Les mesures utiles comprennent les faux rejets, les fausses progressions, les lacunes de preuves découvertes tardivement, les dérogations sur comparables, l’erreur de valorisation, l’écart de coût et de programme, le délai de décision et la charge de travail des évaluateurs. La performance doit être segmentée par zone géographique, type d’actif, régime de marché et disponibilité des données. Un modèle peut être performant dans l’ensemble tout en échouant sur un sous-marché étroit.

Le contrôle des changements doit identifier les nouvelles données, le code, les prompts, les modèles, les seuils et les interfaces. Les changements significatifs nécessitent des tests et une approbation avant la production. Les mises à jour de fournisseurs ne doivent pas entrer dans le processus de décision de manière silencieuse. Le registre doit consigner la version approuvée utilisée pour chaque dossier de comité et la procédure de retour arrière.

10. Encadrer l’usage de AI génératif et l’extraction de documents

Le AI génératif est utile pour extraire des covenants, des conditions d’urbanisme, des déclarations du vendeur, des constats de rapport et des incohérences. Sa sortie doit rester une extraction proposée tant qu’elle n’est pas liée à la source et examinée au niveau requis. Le système doit afficher le document, la page, le passage pertinent, la confiance d’extraction et toute source contradictoire. Un résumé sans emplacement de source est difficile à vérifier et ne doit pas guider une décision importante.

La conception des prompts et de la récupération exige une gouvernance. Le système doit limiter la récupération aux preuves approuvées pour le dossier, empêcher les fuites de données entre opérations, journaliser le modèle et la version du prompt, et contrôler l’accès aux documents confidentiels. Il doit distinguer les instructions contenues dans les documents sources des instructions de flux de travail autorisées. Un document peut contenir un texte adversarial ou non pertinent ; le pipeline d’extraction doit le traiter comme une preuve plutôt que comme une autorité opérationnelle.

Les tests de fiabilité doivent refléter le travail réel. Un référentiel peut mesurer l’extraction d’identifiants de parcelles, la classification des conditions d’urbanisme, le statut de comparable, l’extraction numérique, la reconstruction de tableaux, la conversion d’unités, l’exactitude des citations et l’abstention en cas de preuve manquante. Le référentiel doit inclure des numérisations de mauvaise qualité, des avenants, des échéanciers contradictoires et plusieurs langues le cas échéant.

La revue humaine doit être fondée sur les risques. Un professionnel qualifié doit examiner les données de valorisation significatives, les conclusions juridiques et d’urbanisme, le statut des critères éliminatoires, les exceptions et la recommandation finale. Les champs administratifs à faible risque peuvent faire l’objet d’un contrôle par échantillonnage lorsque l’exactitude a été démontrée. RICS exige qu’un expert immobilier qualifié nommément désigné prenne et documente une décision de fiabilité lorsque les résultats de AI affectent de manière significative le travail professionnel dans son périmètre.[3]

11. Concevoir le dossier de preuves du comité d’investissement

Le dossier du comité doit rendre la décision reproductible. Il commence par l’adéquation au mandat, la décision proposée, le montant, la structure, la fourchette de rendement et les conditions principales. Il présente ensuite l’identité de la parcelle, les critères impératifs, la qualité des preuves, l’analyse de marché et des comparables, le concept de développement, les scénarios financiers, le financement, les risques, le plan de due diligence et les pouvoirs demandés. Chaque chiffre significatif doit être lié à une cellule de modèle et à un enregistrement source.

Le dossier doit distinguer les faits, les conclusions professionnelles et les hypothèses de modélisation hypothétiques. Les faits indiquent la source et la date d’effet. Les conclusions professionnelles nomment l’auteur de la revue et les preuves examinées. Les hypothèses précisent leur responsable, leur justification, leur sensibilité et leur date d’expiration. Cette structure permet au comité de contester le bon niveau.

Les exceptions doivent être mises en évidence. Le dossier doit répertorier les critères non résolus, les preuves manquantes, les limites du modèle, les dérogations, les opinions divergentes et les conséquences d’un retard. Une recommandation d’avancer peut être conditionnée à la confirmation du titre, à la capacité des réseaux, à un avis d’urbanisme, à la validation des coûts ou à un prix révisé. Le procès-verbal doit conserver les conditions et l’identité de ceux qui ont l’autorité de les confirmer.

Le processus décisionnel doit également prévenir le biais d’automatisation. Un score élevé ne doit pas décider de l’issue. Le comité peut rejeter un site très bien noté en raison de la concentration, de la réputation, des capacités ou de la stratégie. Il peut faire avancer un site moins bien noté parce qu’il présente une option précieuse, à condition que la justification et les conditions soient documentées. L’analyse des dérogations fait alors partie du suivi du modèle.

L’arbre régit l’escalade ; les niveaux d’autorité en vigueur dépendent du cadre de délégation approuvé de l’organisation.

Tableau 5. Droits de décision et registre de contrôle

Les rôles sont indicatifs et doivent être alignés sur les délégations et obligations professionnelles de l'organisation.

12. Cas pratique hypothétique de présélection

Prenons une parcelle hypothétique de 42 000 mètres carrés en périphérie urbaine proposée pour un programme résidentiel mixte. Le vendeur fournit une brochure, un repère de coordonnées, une volumétrie conceptuelle et un prix indicatif. L'identifiant du registre est présent, tandis que la carte indicative et le plan du vendeur montrent une légère différence de limite. Le système extrait les deux géométries, identifie l'incohérence et empêche la normalisation automatique de la superficie. L'examen juridique confirme le droit enregistré et explique la différence de cartographie avant de faire avancer la parcelle.

L'analyse d'urbanisme identifie une affectation résidentielle adoptée, une fourchette de densité et une exigence de contribution transport. Le concept se situe près de la limite supérieure de densité. Les éléments probants sur les réseaux confirment une voie d'approvisionnement en eau, tandis que la capacité du réseau électrique reste soumise à une étude formelle. Le tableau de notation enregistre donc l'urbanisme comme validé avec une sensibilité de conception et l'électricité comme conditionnelle. La condition a un responsable, une date de réponse attendue, un coût de demande et un impact sur le programme en scénario défavorable.

Le moteur de comparables trouve 34 enregistrements candidats. Onze sont des prix demandés, sept ne présentent pas de correspondance d'urbanisme fiable, quatre sont plus anciens que la période approuvée et trois ne peuvent pas être rapprochés d'une parcelle. Neuf restent pour un examen détaillé. Trois transactions vérifiées reçoivent une confiance élevée, quatre une confiance moyenne après des ajustements transparents et deux sont conservées uniquement comme bornes de fourchette. L'évaluateur rejette une correspondance algorithmique parce qu'un pôle d'échange de transport a créé une prime d'emplacement absente du site concerné.

Le modèle résiduel utilise un indice hypothétique des prix de vente de 100, un indice des coûts de construction de 100, une provision de trois mois pour le programme et un coût total de financement senior de 7,5 %. Le scénario défavorable combine un indice des prix de 91, un indice des coûts de 110, un retard de neuf mois et un coût de financement de 9,0 %. Le scénario sévère utilise 82, 120, quinze mois et 10,5 %. Ces chiffres illustrent une conception cohérente des scénarios et ne constituent pas des observations relatives à un marché quelconque.

Le scénario de base soutient l'avancement, tandis que le scénario sévère laisse peu de valeur pour les actions et crée un besoin de financement maximal nettement plus élevé. L'analyse des seuils montre que le prix, la densité et le retard de construction dominent la décision. L'équipe propose donc une fourchette de prix, une condition de capacité des réseaux, un examen confirmatoire des coûts et un avis sur la densité d'urbanisme avant une offre ferme. Le comité d'investissement fait passer l'opportunité en souscription préliminaire avec ces conditions et consigne qu'aucune valorisation finale n'a été approuvée.

Le cas montre comment rapidité et contrôle peuvent se renforcer mutuellement. L'extraction automatisée réduit l'ensemble des éléments probants, identifie les conflits, prépare le tableau de notation et exécute des scénarios. L'équipe humaine résout la parcelle juridique, juge la pertinence des comparables, assume les hypothèses et conçoit les conditions de la transaction. Le résultat est plus rapide parce que les évaluateurs se concentrent sur les exceptions significatives et les décisions commerciales.

13. Feuille de route de mise en œuvre

La mise en œuvre devrait commencer par le modèle de décision d'investissement et de preuves plutôt que par un vaste achat de technologies. La première phase cartographie le processus de présélection actuel, les droits de décision, les sources de données, les erreurs récurrentes, les délais de cycle et les résultats. Elle identifie un type de transaction et une zone géographique disposant de preuves suffisantes pour un pilote contrôlé. L'équipe définit des jalons impératifs, des ancrages de notation, une hiérarchie des sources et le dossier minimal pour le comité.

La deuxième phase construit le dossier de parcelle, le registre des preuves et le modèle transparent. Les tableurs existants peuvent rester dans le processus si leur logique est contrôlée et leurs interfaces testées. Le système devrait d'abord automatiser la recherche, l'extraction, le rapprochement et la détection des preuves manquantes. Le classement prédictif ne devrait suivre qu'après que l'organisation dispose de libellés stables et peut expliquer la cible de décision.

La troisième phase exécute le nouveau processus en parallèle avec des évaluateurs expérimentés. Le pilote enregistre la précision de l'extraction, les fausses correspondances, les preuves manquantes, les modifications des évaluateurs, la variance de valorisation, le temps de décision et les incidents du modèle. L'équipe fixe des seuils d'acceptation et documente les cas où le système doit s'abstenir. Une revue critique indépendante devrait examiner à la fois le modèle quantitatif et le processus opérationnel.

La quatrième phase introduit un usage en production contrôlé. Les contrôles d'accès, de confidentialité, de conservation, de fournisseurs, de cybersécurité, de modèle, de licence et de continuité d'activité sont approuvés. Les changements suivent un processus de mise en production. Chaque dossier du comité enregistre la version du modèle et des données. Le suivi compare les décisions de présélection avec la due diligence ultérieure et les résultats réalisés.

La cinquième phase s’étend prudemment à différentes zones géographiques et classes d’actifs. Un modèle validé sur des transactions résidentielles au Royaume-Uni ne doit pas être présumé fonctionner pour du foncier industriel saoudien, un développement VEFA UAE ou une conversion d’actifs de sciences de la vie aux États-Unis. Chaque extension exige des données locales, une cartographie juridique et d’urbanisme, des cas de référence, des évaluateurs qualifiés et des seuils de décision approuvés.

14. Limites et conclusion

Le filtrage assisté par AI ne peut remplacer l’examen des titres de propriété, le conseil en urbanisme, les études techniques, le jugement en matière de valorisation, la due diligence technique, l’évaluation environnementale, l’analyse de financement ou le pouvoir décisionnel en matière d’investissement. Les données publiques et des fournisseurs peuvent être incomplètes, retardées, révisées, concédées sous licence pour des usages limités ou inadaptées à des conclusions au niveau de la parcelle. Les transactions historiques intègrent le régime de marché et les effets de sélection. Les marchés étroits et les actifs nouveaux peuvent produire de larges fourchettes même lorsque le processus est bien encadré.

Les sorties de modèle peuvent échouer en raison d’erreurs de source, d’erreurs d’extraction, d’erreurs de résolution d’entités, de dérive de concept, de défauts de mise en œuvre, d’objectifs inappropriés, de modifications cachées chez les fournisseurs et de biais d’automatisation humain. La gouvernance réduit ces risques grâce à la traçabilité des données, à la validation, à la surveillance, à la contestation indépendante, à l’abstention et à des droits de décision documentés. Elle n’élimine pas l’incertitude de l’investissement immobilier.

La valeur commerciale du cadre provient d’une focalisation disciplinée. Les équipes peuvent rejeter plus tôt les inadéquations manifestes, identifier plus rapidement les preuves manquantes, comparer les opportunités de manière cohérente et orienter l’attention des professionnels vers les hypothèses qui comptent. Les comités d’investissement reçoivent une fourchette, la qualité des preuves, des conditions et une trajectoire à la baisse au lieu d’un score soigné à la fragilité cachée.

Un système robuste part donc de la réalité au niveau de la parcelle, sépare les critères d’élimination de l’attractivité, hiérarchise les preuves comparables, modélise des scénarios cohérents et maintient des professionnels responsables aux commandes. Le résultat est un parcours plus rapide de l’opportunité à une décision défendable, avec une piste de preuves qui reste exploitable tout au long de la due diligence, de la négociation, du financement et de la revue post-investissement.

Références

1. Conseil international des normes d’évaluation, Normes internationales d’évaluation, en vigueur le 31 janvier 2025, y compris IVS 104, IVS 105, IVS 106, IVS 400 et IVS 410. https://ivsc.org/standards/
2. IFRS Foundation, IFRS 13 Évaluation à la juste valeur. https://www.ifrs.org/issued-standards/list-of-standards/ifrs-13-fair-value-measurement/
3. Royal Institution of Chartered Surveyors, Utilisation responsable de l’intelligence artificielle dans la pratique de l’expertise immobilière, norme professionnelle en vigueur le 9 mars 2026. https://www.rics.org/content/dam/ricsglobal/documents/standards/Responsible-use-of-artificial-intelligence-in-surveying-practice_September-2025.pdf
4. National Institute of Standards and Technology, Cadre de gestion des risques liés à l’intelligence artificielle (AI RMF 1.0), NIST AI 100-1, janvier 2023. https://doi.org/10.6028/NIST.AI.100-1
5. National Institute of Standards and Technology, AI RMF Core. https://airc.nist.gov/airmf-resources/airmf/5-sec-core/
6. HM Land Registry, téléchargements des données sur les prix payés. https://www.gov.uk/government/statistical-data-sets/price-paid-data-downloads
7. HM Land Registry, données spatiales INSPIRE Index Polygons. https://www.gov.uk/guidance/inspire-index-polygons-spatial-data
8. Dubai Land Department, données immobilières. https://dubailand.gov.ae/en/open-data/real-estate-data/
9. Digital Dubai, données ouvertes sur les transactions du Dubai Land Department. https://www.dubaipulse.gov.ae/data/dld-transactions/dld_transactions-open
10. Real Estate General Authority, indicateurs immobiliers saoudiens. https://rei.rega.gov.sa/en
11. Gouvernement britannique et Environment Agency, Vérifier le risque d’inondation à long terme pour une zone en Angleterre. https://www.gov.uk/check-long-term-flood-risk
12. Conseil des gouverneurs du Système de réserve fédérale, SR 26-2, Lignes directrices révisées relatives à la gestion du risque de modèle, 17 avril 2026. https://www.federalreserve.gov/supervisionreg/srletters/SR2602.htm
13. National Institute of Standards and Technology, AI RMF Playbook. https://airc.nist.gov/airmf-resources/playbook/
14. Royal Institution of Chartered Surveyors, AI dans la valorisation immobilière, projet de lignes directrices à l'échelle mondiale. https://www.rics.org/profession-standards/rics-standards-and-guidance/sector-standards/valuation-standards/ai-in-real-estate-valuation
15. HM Land Registry, Données publiques. https://www.gov.uk/government/publications/hm-land-registry-data/public-data
16. Federal Housing Finance Agency, Normes de contrôle qualité pour les modèles de valorisation automatisés, informations sur la règle finale. https://www.fhfa.gov/regulation/federal-register/rin-2590-aa62
17. Banque des règlements internationaux, Intelligence artificielle et traitement de l'information dans la finance, Document de travail n° 1194, juin 2024. https://www.bis.org/publ/work1194.htm