AI dans l'immobilier : analyse de souscription, valorisation et gestion d'actifs

Introduction

Les décisions d'investissement immobilier combinent des actifs physiques, des droits juridiques, des marchés locaux, des contrats, des structures de capital et l'exécution opérationnelle. Les preuves sont dispersées entre les registres de titres, les baux, les états locatifs, les bases de données de transactions, les rapports de valorisation, les systèmes des bâtiments, les budgets, les factures, les études de marché, les cartes et les observations sur site. Une décision crédible dépend de la provenance et de la chronologie de ces données autant que de la méthode analytique.

L'intelligence artificielle peut assister trois flux de travail connectés. Dans l'instruction des acquisitions, elle peut structurer des documents, rapprocher les éléments probants, créer des ensembles de comparables, tester des hypothèses et préparer des dossiers de revue. Dans la valorisation, elle peut soutenir la segmentation du marché, la sélection des comparables, les modèles de valorisation automatisée, l'analyse de sensibilité et la détection des exceptions. Dans la gestion d'actifs, elle peut classer les baux et les ordres de travail, prévoir des indicateurs opérationnels, identifier des anomalies et hiérarchiser l'investigation humaine. Ces usages partagent des données et des modèles. Ils ont des finalités, des normes et des autorités différentes.

Les Normes internationales d'évaluation entrées en vigueur le 31 janvier 2025 ont introduit des chapitres dédiés aux données et aux intrants, aux modèles de valorisation, ainsi qu'à la documentation et au reporting [1]. RICS Valuation - Global Standards, en vigueur à la même date, fixe des pratiques obligatoires pour les membres RICS réalisant des services de valorisation [2]. La norme RICS Responsible use of artificial intelligence in surveying practice est entrée en vigueur le 9 mars 2026 pour les membres RICS et les cabinets réglementés à l'échelle mondiale [3]. La norme RICS exige une gouvernance, un jugement professionnel, une assurance des résultats et une communication qui reflètent l'impact significatif du système AI. Ces exigences opèrent une distinction importante : un résultat de modèle peut éclairer le travail professionnel ; le professionnel responsable conserve le devoir de l'évaluer et d'en communiquer les conclusions.

Les conditions juridiques et relatives aux données locales façonnent également le déploiement. La résolution administrative de Dubaï n° 67 de 2020 exige que les cabinets de valorisation enregistrent les détails spécifiés des biens et des mandats, conservent les dossiers de valorisation numérisés pendant au moins cinq ans et enregistrent les valorisations achevées dans le système électronique [4]. Le service officiel de valorisation du Dubai Land Department décrit les catégories de biens, les exigences documentaires, les frais et les circuits de traitement, avec un circuit instantané indiqué pour les unités résidentielles et les villas attenantes, et un examen par un employé pour les autres flux de demande [5]. La Real Estate General Authority d'Arabie saoudite publie des indicateurs de transactions et de loyers avec les sources, la couverture et les fréquences de mise à jour indiquées ; son FAQ explique que les indicateurs sont agrégés et que les valeurs extrêmes sont exclues [6]. Ces services officiels améliorent la base de preuves disponible. Leurs résultats conservent leur périmètre indiqué et ne remplacent pas une vérification propre au mandat.

Les éléments techniques étayent une conclusion tout aussi circonscrite. La norme IAAO sur les modèles de valorisation automatisée recommande des tests hors échantillon, des études de ratios, des mesures de niveau et de variabilité, ainsi qu'une revue régulière des performances [7]. Des recherches évaluées par les pairs montrent que les choix d'entraînement spatial et les informations géographiques peuvent affecter sensiblement les résultats au sein des ensembles de données résidentielles étudiés [8,9]. Des travaux utilisant des images au niveau de la rue et des images satellites ont fait état d'une amélioration de l'estimation pour les données londoniennes étudiées, y compris des tests sur des boroughs jusque-là non vus [10]. Ces études montrent des schémas de conception utiles. Elles n'établissent pas l'exactitude pour un autre pays, type de bien, régime de marché ou finalité de valorisation.

Cet article développe un modèle opérationnel gouverné pour AI couvrant l'instruction des acquisitions, la valorisation et la gestion d'actifs. Son unité centrale est le dossier de décision d'actif accepté: un ensemble versionné de preuves approuvées, de calculs déterministes, de résultats de modèles, d'hypothèses, d'exceptions, de revue professionnelle et d'autorité de décision. Le dossier relie la décision d'acquisition au plan opérationnel ultérieur et aux revues de valorisation postérieures.

Le système proposé a six objectifs :

1. créer une identité et un historique de preuves stables pour chaque actif, parcelle, unité, bail et décision ;
2. séparer les faits sources, les calculs, les estimations de modèles, les hypothèses et les conclusions professionnelles ;
3. préserver la base de valorisation, la date, la finalité, le segment de marché et la provenance des comparables ;
4. tester les modèles dans le temps, la géographie, le type de bien et la matérialité de la décision ;
5. acheminer chaque conclusion significative et chaque instruction opérationnelle vers une autorité humaine nommée ; et
6. mesurer la productivité et la valeur par dossier de décision d'actif accepté à l'aide de preuves observées.

L'architecture est délibérément indépendante du modèle. Un AVM statistique, un modèle de gradient boosting, un modèle de vision par ordinateur ou un modèle de langage peut être remplacé tandis que le registre source, les contrôles, les enregistrements et l'autorité restent intacts. Cette conception soutient l'adoption institutionnelle lorsque la qualité des données, la responsabilité professionnelle et la reproductibilité des décisions importent davantage qu'une démonstration d'un modèle unique.

Définitions, périmètre et méthode de preuve

Définitions

Analyse de crédit désigne le processus d’investissement qui évalue le prix, la structure, le marché, l’état physique, les baux, les hypothèses d’exploitation, les besoins en capital, le financement, les risques et les résultats de sortie avant une acquisition ou un engagement. Son résultat est une recommandation de décision fondée sur des hypothèses et une autorité explicites.

Valorisation désigne l’estimation de la valeur d’un intérêt, d’un objectif, d’une base et d’une date de valorisation définis, selon les exigences professionnelles, juridiques et de reporting applicables. IFRS 13 définit la juste valeur et fournit un cadre lorsqu’une autre norme IFRS exige ou permet une évaluation à la juste valeur [11]. IAS 40 traite des immeubles de placement et exige que la juste valeur reflète, entre autres éléments, les revenus locatifs courants et les hypothèses que les acteurs du marché utiliseraient dans les conditions de marché actuelles lorsque le modèle de juste valeur est appliqué [12]. Ces références comptables s’appliquent dans leur contexte de reporting.

Gestion d’actifs désigne la planification et l'exécution contrôlées des activités de location, de gestion des locataires, des revenus, des charges, du capital, de la maintenance, de l'énergie, des risques et du reporting sur la période de détention. L'ISO 55001:2024 spécifie les exigences pour établir, mettre en œuvre, maintenir et améliorer un système de gestion d'actifs [13]. Le présent document utilise cette norme comme référence de gestion au niveau de l'organisation ; il ne revendique pas une certification ISO et ne prescrit pas une mise en œuvre ISO complète.

Modèle de valorisation automatisé, ou AVM, désigne un modèle mathématique ou statistique qui estime la valeur d'un bien immobilier à partir de données. Les AVM vont des systèmes à règles et des modèles de régression aux systèmes d'apprentissage automatique. Une estimation de modèle, une mesure de confiance et un ensemble de comparables constituent des résultats distincts. Une estimation d'AVM n'établit pas à elle seule une conclusion professionnelle de valorisation.

Registre des preuves d'actifs désigne le registre versionné reliant les éléments sources approuvés, les faits extraits, les calculs, les hypothèses, les exécutions de modèles, les revues, les exceptions et les décisions à un actif identifié et à une date d'effet.

Dossier de décision d'actif accepté désigne le livrable soumis à gouvernance approuvé pour l'usage indiqué. Le dossier contient la question, l'identité de l'actif, le manifeste des sources, la date d'arrêté des données, les calculs, les sorties de modèles, les sensibilités, les exceptions non résolues, le dossier de revue et l'autorité de diffusion.

Périmètre et publics

Le public principal est l'investisseur immobilier, le propriétaire ou la plateforme d'exploitation. Le public secondaire est le gestionnaire de placements ou le gestionnaire d'actifs exposé à l'immobilier. La conception s'applique également aux prêteurs, évaluateurs et conseillers lorsque leur autorité et les exigences applicables sont définies séparément.

L'article couvre l'immobilier générateur de revenus et des exemples résidentiels ou de développement connexes lorsque les sources fournissent des preuves. Il ne prétend pas qu'un modèle unique convienne à toutes les classes d'actifs immobiliers. Les hôtels, centres de données, actifs logistiques, bureaux, commerces de détail, actifs multirésidentiels, villas, terrains et actifs de développement ont des moteurs de flux de trésorerie, des preuves physiques et une profondeur de comparables différents.

Les références réglementaires et professionnelles conservent leur champ juridictionnel et leur périmètre d'adhésion. La règle interagences américaine sur les AVM s'applique aux AVM utilisés par les originateurs de prêts hypothécaires et les émetteurs du marché secondaire dans des décisions de crédit spécifiées garanties par la résidence principale d'un consommateur ; elle ne régit pas la souscription générale de crédit immobilier commercial dans le Golfe [14]. Les normes RICS s'appliquent aux membres RICS et aux cabinets régulés par RICS, comme indiqué par RICS [2,3]. Les sources de Dubaï et d'Arabie saoudite sont utilisées pour leurs services, règles et jeux de données locaux indiqués [4-6]. Une organisation doit réaliser sa propre analyse juridique et professionnelle pour chaque déploiement.

Méthode de recueil des preuves

L'analyse s'appuie sur les normes de référence, les règles et services officiels, les jeux de données gouvernementaux, les enquêtes officielles et les recherches évaluées par les pairs disponibles jusqu'au 1er août 2026. Chaque affirmation conserve le périmètre de sa source.

Les benchmarks marketing des prestataires sont exclus comme preuves de productivité institutionnelle. Aucune affirmation n'est faite selon laquelle AI augmente le chiffre d'affaires, la valeur, l'exactitude ou la rapidité pour une organisation cible avant qu'un pilote contrôlé ne produise des observations approuvées.

Étapes de décision et livrables distincts

Les trois étapes partagent les éléments probants tout en produisant des livrables différents.

Un modèle peut éclairer plusieurs étapes. La date d’arrêté des sources, les hypothèses et l’autorité doivent être régénérées pour le nouvel objectif. Réutiliser un modèle d’acquisition comme valorisation de reporting sans rapprocher la base, la date et les éléments de marché crée un pont non étayé entre les décisions.

Dans quels domaines AI peut intervenir

Analyse d’acquisition

L’analyse d’acquisition commence par une identité d’actif et une question d’investissement. Cette identité doit déterminer la parcelle, le bâtiment, le lot, la quote-part de propriété, l’adresse, les coordonnées, le programme de développement, l’entité juridique et le vendeur. Chaque document entrant est enregistré par rapport à cette identité. Les fichiers en double, les états de loyers remplacés et les surfaces contradictoires deviennent des exceptions visibles.

Les modèles de langage peuvent extraire des champs de bail candidats, des covenants, des clauses de résiliation, des révisions de loyer, des options, des charges de service et des garanties à partir de documents. La reconnaissance optique de caractères peut convertir les numérisations. Les services géospatiaux peuvent associer l’emplacement, l’accès, les équipements et les couches d’urbanisme. Les modèles statistiques peuvent segmenter les marchés et classer les transactions comparables. Les services déterministes doivent calculer les ponts de loyer, le revenu net d’exploitation, le service de la dette, le coût de développement, les rendements, les flux de trésorerie actualisés et les sensibilités.

Le mot candidat est essentiel pour l’extraction. Un champ devient un fait approuvé après l’enregistrement de la localisation de la source, de l’unité, de la période et du statut du réviseur. Un résumé généré doit relier chaque affirmation importante à la page du bail, à l’enregistrement de la transaction, au rapport d’inspection ou au calcul qui la soutient.

Un processus pratique d’analyse d’acquisition est le suivant :

1. identifier l’actif, les parties, les droits et l’opération proposée ;
2. enregistrer les documents et identifier les éléments probants attendus manquants ;
3. extraire les faits candidats avec la provenance de la page et du champ ;
4. rapprocher l’état des loyers, les baux, les surfaces, les dépôts de garantie et les états d’exploitation ;
5. constituer des éléments probants de marché et de comparables selon des filtres explicites ;
6. calculer de manière déterministe le scénario de base, les scénarios défavorables et les scénarios de financement ;
7. identifier les exceptions, les conflits et les hypothèses non étayées ;
8. rédiger la note d’investissement avec des éléments probants au niveau de chaque affirmation ; et
9. diffuser le dossier après l’examen par le spécialiste désigné et le comité.

AI est particulièrement utile lorsque le volume est élevé et que la cible de l’examen est bien définie. Un dossier de baux de 300 pages peut être converti en une liste structurée d’exceptions. Le résultat nécessite toujours une revue au regard de la source et de la consigne. L’interprétation juridique importante reste du ressort d’un conseil qualifié ou d’un autre professionnel autorisé.

Valorisation et modèles d’évaluation automatisés (AVM)

Un modèle d’évaluation automatisé (AVM) estime la valeur à partir des relations disponibles dans les données. Les modèles hédoniques traditionnels utilisent les caractéristiques du bien et de l’emplacement. Les modèles d’apprentissage automatique peuvent capturer des interactions non linéaires, des motifs spatiaux et des caractéristiques visuelles. Le choix approprié dépend de l’objectif, des données, de la structure de l’échantillon, de l’explicabilité et des conséquences d’une erreur.

Des recherches menées par Krämer et ses coauteurs ont utilisé environ 1,2 million de propriétés résidentielles allemandes et comparé quatre méthodes selon différents niveaux spatiaux d’entraînement ; l’objectif de l’étude était de tester dans quelle mesure l’étendue spatiale affecte la précision de la valorisation [8]. Lee et ses coauteurs ont combiné des représentations géographiques avec des variables numériques et catégorielles pour la valorisation résidentielle dans leur jeu de données étudié [9]. Law, Paige et Russell ont utilisé des images au niveau de la rue et des images satellites avec des caractéristiques conventionnelles pour estimer les prix des logements à Londres et ont rapporté une amélioration dans le cadre de leurs expériences, y compris des tests de généralisation à des arrondissements non vus [10]. Poursaeed, Matera et Belongie ont étudié des photos immobilières et des métadonnées de biens dans un cadre d’estimation fondé sur la vision [15].

L’implication pour la conception du dispositif de production est méthodologique. L’emplacement, le temps, les attributs physiques et l’imagerie peuvent porter un signal utile. Les performances rapportées appartiennent aux données et à l’expérience de chaque étude. Un portefeuille commercial du Golfe nécessite des transactions locales, des baux, une taxonomie des biens, une devise, des droits juridiques, des régimes de marché et des ensembles de validation.

La valorisation professionnelle inclut également des éléments qu’un score de modèle prédictif ne représente pas. La mission précise le client, l’utilisation prévue, l’actif ou le passif, l’intérêt, la base de valeur, la date de valorisation, les hypothèses, les limites et les exigences de reporting. Les IVS 104, 105 et 106 inscrivent les données, les modèles et la documentation dans le processus de valorisation [1]. RICS indique qu’un résultat d’AVM sans application du jugement professionnel est hors conformité au Red Book ; un résultat dérivé d’un AVM avec jugement professionnel peut faire partie d’une valorisation écrite selon les exigences énoncées [2].

Le système devrait donc créer quatre artefacts distincts :

• une valeur estimée ou une fourchette issue du modèle ;
• un dossier de comparables et de preuves à l’appui de l’estimation ;
• un document de validation décrivant la population applicable du modèle et ses performances actuelles ; et
• une conclusion professionnelle incluant le jugement de l’évaluateur, les ajustements et les informations à divulguer.

Confondre ces artefacts masque l’incertitude et la responsabilité.

Gestion d’actifs

Le modèle d’acquisition devient utile après la clôture lorsqu’il est converti en base de référence opérationnelle. Les événements liés aux baux, les encaissements, les renouvellements, les locaux vacants, les ordres de travail, les projets d’investissement, les charges utilitaires et les valorisations mettent à jour le registre des preuves relatives à l’actif. Chaque décision opérationnelle peut être comparée au plan initial et à la dernière prévision approuvée.

L’assistance AI peut prendre en charge :

• l’extraction des données de bail et les calendriers d’événements ;
• le rapprochement des dossiers des locataires et des contreparties ;
• la classification des écarts budgétaires et la rédaction de commentaires ;
• la catégorisation des ordres de travail et la détection des doublons ;
• la détection d’anomalies dans les données sur l’énergie, l’eau, l’occupation et les équipements ;
• des scénarios prévisionnels pour l’occupation, les loyers, les dépenses et le calendrier des dépenses en capital ;
• la recherche de documents pour les garanties, les manuels et les contrats ; et
• la préparation de dossiers de revue de portefeuille et de mise à jour des valorisations.

ENERGY STAR Portfolio Manager fournit un exemple officiel de benchmarking structuré des bâtiments. Il permet aux utilisateurs de suivre l'énergie, l'eau, les déchets et les émissions et de comparer certains types de biens avec des références ou des pairs pertinents [16]. L'EPA indique également que le Data Explorer public repose en grande partie sur les données saisies par les titulaires de compte, avec nettoyage et agrégation, et que l'EPA ne vérifie pas la plupart des soumissions individuelles [17]. La distinction entre un système opérationnel et des preuves vérifiées doit être préservée dans toute architecture de gestion d'actifs.

Une anomalie est un déclencheur d'investigation. Elle ne constitue pas un ordre de travail approuvé, une communication au locataire, une décision en matière de sécurité ou un engagement de capital. Le gestionnaire d'actifs détermine le caractère significatif ; les fonctions ingénierie, juridique, finance ou gestion immobilière approuvent les actions relevant de leur autorité.

Périmètre du cas d'usage

Le registre des preuves d’actifs

Identité stable de l’actif

Le premier contrôle est l’identité. Les données immobilières utilisent souvent des adresses, translittérations, libellés d’unités et noms de promoteurs incohérents. Les parcelles juridiques peuvent être consolidées ou subdivisées. Un bâtiment peut contenir des lots en copropriété, des parties communes, des baux et des compteurs qui suivent des systèmes de numérotation différents.

Le référentiel des actifs devrait attribuer un identifiant interne immuable et le relier à des identifiants officiels et opérationnels. Il devrait représenter les relations entre parcelle, bâtiment, étage, unité, bail, locataire, compteur, ordre de travail, valorisation, prêt et entité juridique. La logique de rapprochement peut proposer des relations ; les rapprochements approuvés sont enregistrés avec un niveau de confiance, des preuves et un validateur.

Classes de données et propriété

Chaque champ a un propriétaire et un statut. Les statuts proposés sont `candidate`, `verified`, `disputed`, `superseded`, `restricted` et `unavailable`. Une valeur générée ne peut pas remplacer silencieusement une valeur source vérifiée. Les corrections créent une nouvelle version et un lien vers l’élément remplacé.

Graphe des preuves

Le registre est surtout utile lorsque les relations restent explicites :

actif -> parcelle -> unité -> bail -> locataire ;

actif -> transaction -> comparable -> ajustement ;

actif -> budget -> facture -> ordre de travail -> composant physique ;

actif -> valorisation -> exécution de modèle -> donnée d'entrée -> source ;

actif -> hypothèse -> scénario -> décision -> approbation.

Le graphe prend en charge l'analyse d'impact. Si une version de l'état locatif change, le système peut identifier tous les calculs de souscription, valorisations et rapports ayant utilisé la version antérieure. Si un comparable est ensuite invalidé, les exécutions de valorisation concernées peuvent être mises en file d'attente pour examen. Il s'agit d'une fonction de provenance ; elle ne détermine pas si la décision d'origine était raisonnable.

Temps, unités et définitions

Les données immobilières dépendent du temps. Les transactions de marché ont des dates de convention et d'enregistrement. Les baux ont des dates de prise d'effet, d'expiration, de révision et de rupture. Les enregistrements financiers comportent des périodes de service et des périodes comptables. Les relevés de compteurs comportent des intervalles et des observations manquantes. Les conclusions de valorisation ont une date de valorisation spécifique.

Chaque élément de données doit stocker l’heure de l’événement, la date d’effet, l’heure de publication, l’heure d’ingestion et l’heure de revue lorsqu’elles sont pertinentes. Les unités de devise, de surface, d’énergie et de taux restent attachées aux valeurs. Les tables de conversion et les séries d’indexation sont versionnées. Lorsqu’un modèle est entraîné, l’horodatage de disponibilité des caractéristiques doit refléter ce qui aurait été connu à la date de prédiction. Cela permet des tests de validation temporelle hors échantillon et réduit les fuites d’information anticipée.

Données officielles et contexte local

Le cadre de valorisation de Dubaï constitue une référence utile en matière de tenue de registres. La résolution administrative n° 67 précise les informations à consigner pour les valorisations et une période minimale de conservation de cinq ans des enregistrements numérisés [4]. L’annonce de la DLD en 2020 indiquait que son processus de valorisation intelligent utiliserait AI, des bases de données interconnectées et un objectif de mise en œuvre de 15 secondes [18]. Il s’agit d’une déclaration officielle de projet faite en 2020 ; elle ne constitue pas une preuve indépendante de l’exactitude actuelle ni des performances réalisées.

La plateforme d’indicateurs immobiliers de la REGA saoudienne identifie des sources officielles, notamment le ministère de la Justice, le registre immobilier, le réseau Ejar et la Banque centrale saoudienne, avec des mises à jour mensuelles ou trimestrielles selon l’indicateur [6]. La plateforme explique que les indicateurs présentent des moyennes pour une zone géographique et une période données plutôt que le prix réel au mètre carré d’un bien précis [6]. Un modèle utilisant ces indicateurs doit conserver le niveau d’agrégation et la date de mise à jour de la source.

Architecture technique gouvernée

Couches de l'architecture

L’architecture proposée comporte sept couches.

L’architecture sépare les systèmes de référence des copies analytiques. Un système de gestion des baux peut détenir les clauses de bail signées ; la couche AI reçoit les versions approuvées et envoie les corrections candidates via un circuit de validation. Le modèle n’écrit pas directement dans le registre juridique, financier ou de contrôle de la construction.

Ingestion et intelligence documentaire

L’ingestion conserve les octets d’origine, la source, les droits d’accès, l’empreinte numérique et la version. Le traitement documentaire identifie la mise en page, les titres, les paragraphes, les tableaux, les signatures, les tampons, les annotations manuscrites et les emplacements de page. La reconnaissance optique de caractères consigne le niveau de confiance par page ou par région.

Les documents de bail et de valorisation nécessitent une extraction tenant compte du schéma. Le schéma distingue le loyer déclaré du loyer effectif calculé, la surface contractuelle de la surface mesurée, les dates d’option des dates d’expiration et les hypothèses des observations. Un relecteur champ par champ voit la valeur extraite à côté de l’image exacte de la page.

Les éléments à faible confiance et les champs significatifs entrent dans une file de révision. La matérialité dépend de la mission. Un nom commercial de locataire mal orthographié peut avoir un faible impact ; une date de résiliation ou une surface incorrecte peut modifier le résultat de l’analyse d’investissement.

Caractéristiques géospatiales et visuelles

L’emplacement est relationnel. Les caractéristiques utiles peuvent inclure l’accès, la géométrie de la parcelle, le linéaire de façade, les usages fonciers voisins, la distance aux équipements, les transports, le classement d’urbanisme, les aléas et les projets de développement en cours. La date de la source et la méthode de mesure restent attachées.

Les modèles de vision par ordinateur peuvent extraire des attributs de bâtiment candidats ou des représentations de quartier à partir d’images. Law et ses coauteurs présentent un protocole de recherche combinant des variables visuelles et conventionnelles à Londres [10]. Poursaeed et ses coauteurs ont utilisé des images de biens immobiliers avec métadonnées dans leur cadre de valorisation étudié [15]. Le déploiement exige des droits d’image, la date de prise de vue, la représentativité géographique, des contrôles de confidentialité et une validation locale.

Les images peuvent devenir obsolètes. Une image de façade antérieure à une rénovation, à une obstruction ou à une construction adjacente peut donner une représentation erronée de l’actif. Le système doit conserver la date de prise de vue et la provenance, détecter les doublons et acheminer les interprétations visuelles significatives vers un relecteur.

Services de modélisation et de calcul

La couche analytique contient plusieurs types de services :

• calculs déterministes pour les flux de trésorerie, la dette, les hypothèses fiscales, les rendements, les valeurs actuelles et les sensibilités ;
• modèles statistiques d’évaluation automatisée pour l’estimation de la valeur ou du loyer ;
• modèles de classification pour les documents, les clauses, les ordres de travail et les exceptions ;
• modèles de prévision pour l’occupation, les charges, l’énergie et le calendrier des dépenses en capital ;
• des modèles de détection d’anomalies pour les indicateurs d’exploitation et la qualité des données ; et
• des modèles génératifs pour la recherche d’éléments probants et la rédaction de commentaires préliminaires.

Chaque service dispose d’une fiche de modèle ou d’une spécification de calcul comprenant le responsable, l’usage prévu, l’usage exclu, le schéma des entrées, la période d’entraînement ou de calibrage, les preuves de validation, les limites, la version, les seuils d’approbation et de surveillance. Une exécution de modèle conserve ces identifiants avec les entrées et la sortie.

Les calculs doivent être déterministes dès lors que la formule est définie. L’enregistrement comprend la formule, les opérandes, les unités, les références sources, la version du code et le rapprochement. Un modèle de langage peut expliquer un calcul une fois le résultat approuvé disponible. Le modèle n’est pas le moteur de calcul.

Flux de travail et autorité

La machine à états du flux de travail peut utiliser les étapes suivantes :

ingéré -> extrait -> rapproché -> modélisé -> contesté -> approuvé -> diffusé -> surveillé -> remplacé.

Des blocages s’appliquent lorsqu’une source requise est absente, que l’identité reste ambiguë, qu’un calcul échoue au rapprochement, que le modèle sort de sa population validée, qu’un conflit substantiel n’est pas résolu ou que l’approbation manque. Les dérogations nécessitent une autorité désignée nommément, un motif, un périmètre et une échéance.

Le comité d’investissement diffuse la décision d’acquisition. Un évaluateur qualifié diffuse une conclusion de valorisation dans les limites des exigences applicables. Le gestionnaire d’actifs diffuse des instructions d’exploitation dans les limites de ses pouvoirs délégués. Les administrateurs système exploitent l’infrastructure et ne disposent d’aucun pouvoir implicite en matière d’investissement, de valorisation ou d’exploitation.

Sécurité et tiers

Les dossiers immobiliers peuvent contenir des données personnelles, des informations sur les locataires, des coordonnées bancaires, des contrats confidentiels et des valorisations sensibles sur le plan commercial. Des filtres de récupération doivent s’appliquer avant que le contexte ne soit assemblé pour un modèle. La localisation des données, la conservation, la journalisation, l’utilisation aux fins d’entraînement et le recours à des sous-traitants exigent une approbation.

L’enquête 2024 de la Banque d’Angleterre et de la FCA a recueilli les réponses de 118 entreprises réglementées. Les répondants ont indiqué que 75 % utilisaient AI, que 33 % des cas d’usage de AI étaient des mises en œuvre par des tiers, que 55 % comportaient une forme de prise de décision automatisée et que 2 % étaient entièrement autonomes [19]. Il s’agit de résultats déclarés par les répondants dans l’ensemble des services financiers britanniques. Ils fournissent un contexte pour les contrôles relatifs aux tiers et à la responsabilisation ; ils ne mesurent pas la performance immobilière.

Le référentiel NIST AI RMF 1.0 organise des résultats volontaires de gestion des risques liés à AI autour des fonctions gouverner, cartographier, mesurer et gérer [20]. Le profil NIST Generative AI ajoute une ressource intersectorielle pour les risques propres à AI génératif [21]. Une organisation peut faire correspondre ces fonctions à son inventaire des modèles, à sa classification des risques, à ses tests, à son processus de gestion des incidents et à ses rapports de gestion.

Valorisation et validation des modèles

Population applicable

Chaque modèle nécessite une population applicable explicite. Les dimensions comprennent la juridiction, la ville, le quartier, le type de bien, le régime de propriété, la nature du droit, l'âge, la surface, la fourchette de prix, l'occupation, l'état d'avancement et la finalité de la valorisation. Un score de confiance n'élargit pas cette population.

Les marchés peu actifs appellent à la prudence. Les villas de luxe, les terrains à construire, les actifs spécialisés et les actifs soumis à des baux inhabituels peuvent avoir peu de comparables pertinents. Un modèle peut produire un chiffre précis à partir de données peu probantes. Le flux de travail doit détecter un faible nombre de comparables, un éloignement de la distribution d'entraînement et une forte dispersion des résultats, puis orienter le dossier vers une analyse manuelle.

Conception de la validation

Les découpages aléatoires entre entraînement et test peuvent surestimer les performances lorsque des biens voisins ou des transactions ultérieures partagent des informations avec l'ensemble d'entraînement. La validation doit inclure des tests temporels et géographiques alignés sur l'usage prévu. L'étude de Krämer et de ses coauteurs démontre directement que le niveau d'entraînement spatial constitue un choix de conception majeur dans leurs données résidentielles allemandes [8]. Law et ses coauteurs ont testé la généralisation à des arrondissements londoniens inédits dans leur étude sur les caractéristiques visuelles [10].

La norme IAAO relative aux AVM recommande des études de ratios à intervalles réguliers et périodiques ainsi que l'utilisation d'échantillons de validation. Elle distingue les statistiques de qualité globales de l'exactitude de l'estimation d'un bien individuel [7]. Cette distinction est importante pour les travaux d'investissement. De bonnes statistiques d'erreur au niveau du portefeuille peuvent coexister avec une erreur significative sur une seule acquisition.

La règle finale interagences des États-Unis sur les normes de contrôle qualité des AVM précise les politiques et contrôles destinés à traiter la confiance dans les estimations, la protection contre la manipulation des données, les conflits d'intérêts, les tests et examens sur échantillons aléatoires, ainsi que la conformité aux lois applicables en matière de non-discrimination [14]. Le champ d'application de la règle couvre les décisions spécifiées en matière de prêts hypothécaires à la consommation. Ses catégories de contrôles peuvent éclairer une réflexion plus large sur la gouvernance des modèles sans être présentées comme la règle applicable à chaque usage immobilier.

Mesures d'erreur et intervalles

L'évaluation du modèle devrait présenter plus d'une erreur moyenne. Parmi les mesures utiles figurent l'erreur absolue médiane, l'erreur absolue en pourcentage médiane, la racine de l'erreur quadratique moyenne, le biais, les erreurs de queue, la couverture des intervalles de prédiction et l'erreur par segment. Les études de ratios ajoutent des mesures de tendance centrale, de variabilité et de biais lié à la valeur [7].

Les intervalles de prédiction doivent être calibrés empiriquement pour le segment et la période pertinents. Un intervalle ne constitue pas une garantie. Il représente le modèle et les éléments probants de calibrage dans les conditions énoncées. Le dossier de travail professionnel consigne la manière dont l'intervalle, les éléments probants comparables et les faits propres à l'actif ont influé sur le jugement.

Comparables et ajustements

La sélection des comparables doit être reproductible. Le dossier comprend la source, les droits, la date de transaction, le type de bien, l'emplacement, la surface, l'état, l'occupation, les conditions du bail, le prix, la devise et les exclusions. La similitude selon le modèle peut classer les candidats. L'évaluateur ou l'analyste confirme la pertinence et les ajustements.

Le système doit afficher les comparables exclus ainsi que ceux sélectionnés. Les motifs d'exclusion tels qu'une transaction entre parties liées, une inscription incomplète, des droits inhabituels, une situation de détresse ou une date obsolète permettent la contestation. Les indicateurs de marché agrégés étayent le contexte ; ils ne prouvent pas la valeur d'un actif spécifique.

Jugement professionnel et informations à fournir

La norme AI du RICS exige des membres et des cabinets réglementés qu’ils évaluent l’impact significatif, maintiennent une gouvernance appropriée et exercent leur jugement professionnel [3]. IVS 105 traite des modèles de valorisation et du jugement professionnel dans le cadre de la conformité aux IVS [1]. Le dossier de travail doit indiquer :

• le modèle et la version utilisés ;
• la population applicable et la date de validation ;
• les données et comparables inclus et exclus ;
• l’estimation du modèle, la fourchette et les diagnostics ;
• les ajustements professionnels et leurs justifications ;
• les limites non résolues ; et
• le signataire désigné et l’état de diffusion.

Le rapport destiné au client utilise les informations à fournir exigées par la mission et le cadre applicable. Les détails techniques peuvent figurer dans le dossier de travail, tandis que les éléments significatifs sur lesquels repose la conclusion et les limites restent visibles dans le rapport.

Gouvernance, contrôle et responsabilité

Matrice des pouvoirs

L'autorité est liée à la décision, et non au rôle logiciel. Un utilisateur doté de privilèges d'administrateur ne peut pas diffuser une valorisation ou une décision d'investissement sans autorisation distincte.

Cartographie des risques et des contrôles

Enregistrements et auditabilité

Un dossier reproductible consigne l'utilisateur, la finalité, le périmètre des sources, la date d'arrêté, les versions du modèle et des prompts, les appels d'outils, les calculs, les éléments de preuve, le brouillon, les modifications du réviseur, les exceptions et la mise en production. Les enregistrements doivent respecter la minimisation des données, les droits contractuels et les règles de conservation.

L'exigence de Dubaï en matière de conservation des enregistrements de valorisation sur cinq ans est un exemple local [4]. Une organisation opérant dans plusieurs juridictions devrait configurer la conservation par classe d'enregistrement et selon l'obligation applicable. L'architecture devrait prendre en charge la conservation légale, la suppression et l'accès restreint sans compromettre l'intégrité des enregistrements de décision approuvés.

Gestion des changements et des incidents

Une mise à jour du modèle peut modifier l'extraction, le classement des comparables ou le texte narratif même lorsque la question et les sources restent constantes. Les modifications importantes nécessitent des tests de régression et une approbation avant la mise en production. L'enregistrement de mise en production identifie la version exacte déployée.

Les incidents comprennent les erreurs de données importantes, les violations d'accès, les allégations publiées non étayées, les défaillances de performance du modèle, les actions non autorisées et les services critiques indisponibles. Le processus devrait circonscrire le problème, identifier les dossiers concernés, notifier les responsables, corriger les enregistrements, refaire les tests et documenter les critères de réouverture.

Productivité et économie

La bonne unité de résultat

Les documents traités, les tokens générés et les appels de modèle sont des mesures d’activité. L’unité métier est le dossier de décision d’actif accepté. L’acceptation signifie que le dossier satisfait aux exigences approuvées en matière de preuves, de calculs, de revue et d’autorisation pour son objet.

Le tableau de bord doit distinguer :

• qualité : exactitude des champs, rapprochement des calculs, couverture des preuves, résolution des exceptions et acceptation par le réviseur ;
• capacité : heures d’analyste, heures de spécialiste, heures de réviseur, délai de cycle et dossiers acceptés ;
• service : disponibilité, latence, ancienneté dans la file d’attente et recours au repli ;
• coût : données, modèles, logiciels, contrôles, revue et réponse aux incidents ; et
• résultats décisionnels : écart de prévision, mesures opérationnelles réalisées et attribution approuvée à la valeur ou aux revenus ultérieurs.

Base de référence et pilote

La base de référence doit échantillonner des dossiers finalisés par catégorie de bien et par importance relative. Mesurer le temps écoulé et le temps actif par activité : préparation des documents, rapprochement des données, preuves de marché, modélisation, rédaction, revue et reprise. Consigner les défauts de qualité et les preuves tardives.

Le pilote doit exécuter le processus assisté par AI en mode parallèle sur des travaux comparables. Les réviseurs évaluent le résultat par rapport à la source et à la liste de contrôle approuvée. Le pilote doit comporter suffisamment de cas dans les différents segments pour révéler les conditions extrêmes. Les résultats restent descriptifs tant que la taille de l’échantillon et la conception ne permettent pas une conclusion plus large.

Scénario illustratif

Le scénario suivant illustre la structure de calcul. Chaque donnée opérationnelle est une hypothèses de modélisation hypothétiques. Il ne s’agit pas d’une prévision, ni d’un Matchpoint observé, ni d’un résultat client.

Selon ces hypothèses :

Dossiers acceptés de référence = 8 x 75 % = 6,0 par mois.

Dossiers acceptés avec assistance de AI = 10 x 82 % = 8,2 par mois.

Coût mensuel de main-d’œuvre de référence = 8 x (45 + 15) x USD 150 = USD 72,000.

Coût mensuel de main-d’œuvre avec assistance de AI = 10 x (31 + 17) x USD 150 = USD 72,000.

Coût mensuel total avec assistance de AI = USD 72,000 + USD 18,000 = USD 90,000.

Coût de référence par dossier accepté = USD 72,000 / 6,0 = USD 12,000.

Coût par dossier accepté assisté par AI = USD 90,000 / 8,2 = environ USD 10,976.

Variation illustrative du coût par dossier accepté = environ -8,5 %.

Ce résultat découle mécaniquement d’hypothèses non vérifiées. Il exclut le coût de mise en œuvre, la remédiation des données, les incidents, la gestion du changement et la variation de la matérialité du dossier. Le scénario ne fournit aucune preuve de productivité réalisée, d’exactitude de la valorisation, de résultat d’investissement, de revenus ou de valeur d’actif.

Attribution aux revenus et à la valeur d’actif

La technologie peut créer de la capacité ou améliorer la qualité de l’information sans générer de revenus attribuables. L’attribution exige une chaîne observée allant du travail assisté par le système à une action approuvée et à un résultat financier.

Pour les acquisitions, les mesures ultérieures pertinentes peuvent inclure le volume de dossiers acceptés traités, la participation aux offres, le taux d’exécution, les flux de trésorerie réalisés par rapport aux flux souscrits et le résultat de sortie. Pour la gestion d’actifs, les mesures peuvent inclure la décision de location approuvée, le recouvrement des arriérés, le coût d’exploitation, la livraison de projets d’investissement, les temps d’arrêt et l’intensité énergétique. Les mouvements de marché, la sélection des transactions et les décisions humaines brouillent la relation.

Le rapport de gouvernance devrait donc consigner les revenus ou la valeur attribuables comme USD 0 jusqu’à ce que les fonctions finance et direction approuvent des éléments probants reliant l’intervention au résultat. Ce traitement maintient une allégation de productivité distincte d’une allégation de performance d’investissement.

Grille de notation

Un tableau de bord mensuel peut inclure :

1. pourcentage des champs sources significatifs vérifiés ;
2. pourcentage des calculs rapprochés ;
3. allégations significatives non étayées par dossier ;
4. acceptation par le réviseur au premier passage ;
5. heures d’analyste et de réviseur par dossier accepté ;
6. temps de cycle et ancienneté dans la file d’attente ;
7. erreur de modèle et couverture des intervalles par segment ;
8. cas hors population et dérogations ;
9. incidents d’accès, de données et de modèle ;
10. coût total par dossier accepté ; et
11. revenu ou valeur attribuable approuvé, qui reste à zéro en l’absence de preuves.

Feuille de route d'adoption

Phase 0 : définir l’autorité et le périmètre des preuves

Sélectionnez un dossier de décision, une classe de biens et un responsable. Définissez l’objectif, l’importance relative, les sources attendues, les droits sur les sources, les résultats, le réviseur, l’autorité, la conservation et les conditions d’arrêt. Établissez la référence manuelle avant d’introduire un modèle.

Phase 1 : enregistrer les actifs et les sources

Créez des identifiants d’actifs stables. Enregistrez les documents, transactions et systèmes opérationnels. Définissez les responsables des champs, la sémantique temporelle, les unités, les versions et l’accès. Construisez un échantillon étiqueté de cas représentatifs et difficiles.

Phase 2 : assister l’extraction et la récupération

Déployez en mode furtif l’extraction candidate de baux ou de valorisations et la récupération de preuves. Vérifiez chaque champ significatif par rapport à la source. Mesurez la précision, le rappel, le temps de révision, les motifs de correction et les performances d’accès.

Phase 3 : ajouter des calculs déterministes et des modèles bornés

Transférer les formules définies vers des services de calcul contrôlés. Valider les AVM et les prévisions à l’aide d’échantillons de validation temporels, spatiaux et par segment. Approuver une population applicable, des limites et des seuils de surveillance.

Phase 4 : assembler les dossiers acceptés

Relier les sources, les calculs, les résultats de modèle, les hypothèses et les exceptions dans une interface de revue unique. Exiger des éléments probants au niveau de chaque affirmation pour tout contenu narratif important. Exécuter en parallèle des dossiers manuels et des dossiers assistés par AI, puis comparer la qualité, l’effort, le service et le coût.

Phase 5 : production contrôlée

Mettre en production un flux de travail d’assistance encadré après approbation de la gouvernance. Préserver l’autorité humaine. Surveiller la dérive, la qualité de service, les incidents, les dérogations et le taux d’acceptation par les réviseurs. Réactiver le mode fantôme lorsqu’un seuil est franchi ou qu’un composant majeur change.

Phase 6 : étendre à l’ensemble du cycle de détention

Relier le dossier d’acquisition accepté aux référentiels de gestion d’actifs et aux travaux de valorisation ultérieurs. Étendre les catégories de biens uniquement lorsque les données locales, la validation et les éléments probants du flux de travail soutiennent le nouvel usage.

Critères minimaux d’entrée

Un cas d’usage n’entre en production contrôlée que lorsque :

• la finalité et les usages exclus sont approuvés ;
• les actifs et les sources de preuves ont des responsables désignés ;
• les champs et calculs importants respectent les seuils de test approuvés ;
• la population applicable du modèle et ses limites sont documentées ;
• les autorisations sont testées avant la récupération ;
• les réviseurs désignés et l’autorité de mise en production sont en fonction ;
• les procédures de service, de repli, de surveillance et de gestion des incidents sont testées ; et
• les éléments économiques sont présentés avec des limites d'hypothèses et d'attribution.

Conclusion

AI peut faciliter la structuration, la récupération, la comparaison et la surveillance des preuves immobilières. La valeur institutionnelle dépend du système autour du modèle : identité de l'actif, droits sur les sources, sémantique du temps et des unités, calculs déterministes, validation du modèle, traçabilité des preuves, points d'arrêt du workflow et autorité professionnelle nommée.

L'analyse de souscription, la valorisation et la gestion d'actifs doivent rester des décisions distinctes reliées par un registre commun de preuves. Le dossier d'acquisition fournit une base opérationnelle approuvée. Les faits opérationnels actualisent les prévisions ultérieures et les revues de valorisation. Chaque nouvel objectif reçoit sa propre date d'arrêté des preuves, ses hypothèses, sa revue et sa diffusion.

Le dossier de décision d'actif accepté constitue une unité de production mesurable. Il soutient l'analyse de la qualité et de la productivité tout en préservant une frontière claire autour des résultats d'investissement et de la valeur attribuable. Les entreprises peuvent commencer avec une classe d'actifs immobiliers délimitée et un workflow d'assistance, mesurer la base manuelle, valider sur des cas locaux, fonctionner en mode furtif et étendre après validation des preuves.