Une description du bien, quelques caractéristiques et une consigne : les outils d’IA générative peuvent rapidement produire une estimation accompagnée d’explications. Pour un agent immobilier, cette facilité est séduisante. Elle ne suffit toutefois pas à garantir la fiabilité du prix proposé.
Dans un communiqué, Yanport présente les résultats d’une comparaison entre deux modèles de langage, Gemini et Claude, et son modèle d’évaluation automatisé, appelé AVM. Le test porte sur 1 071 biens immobiliers. Selon l’entreprise, les outils ont reçu les mêmes informations sur les logements.
Estimation du prix : davantage d’erreurs avec les IA généralistes
Premier résultat : l’erreur absolue médiane atteint 15 % pour Gemini et 15,3 % pour Claude, contre 10,5 % pour le modèle spécialisé de Yanport. Autrement dit, la moitié des estimations présente un écart inférieur ou égal à ces niveaux, et l’autre moitié un écart supérieur.
Le test relève également un biais de surestimation : l’erreur relative médiane s’établit à +9,1 % pour Gemini, tandis que le modèle Yanport présente une tendance à la sous-évaluation de −2,9 %.
Les écarts les plus importants méritent aussi l’attention. Pour Gemini, le seuil sous lequel se situent 90 % des erreurs absolues atteint 48,4 %, contre 30 % pour l’outil Yanport. Même le modèle spécialisé reste donc susceptible de produire des estimations sensiblement éloignées du prix de référence.
À lire aussi : Estimation immobilière : sur quelles données s’appuyer ?
Un même bien, une même demande… des prix différents
La stabilité des réponses constitue un autre point de vigilance. En répétant quinze fois une même demande d’estimation pour un studio, Yanport a obtenu des prix allant de 127 296 à 150 000 euros, soit 22 704 euros d’écart et une amplitude supérieure à 17 %.
Pour un professionnel, la difficulté est concrète : deux réponses peuvent sembler argumentées tout en aboutissant à des prix différents. La fluidité de l’explication ne permet donc pas, à elle seule, de départager les estimations.
Les fourchettes annoncées se révèlent également imparfaites. Les intervalles censés couvrir 80 % des cas contiennent le prix de référence dans seulement 34 à 39 % des cas pour les modèles de langage, contre 72 % pour l’AVM. Une fourchette affichée ne constitue donc pas nécessairement une mesure fiable de l’incertitude.
À lire aussi : « En finir avec les estimations fast-food pour replacer notre expertise au service des vendeurs » : la vision de Cyril Cochaud
L’IA pour expliquer une estimation, pas pour la valider
Yanport défend une utilisation complémentaire des technologies : confier l’évaluation à un modèle spécialisé, puis mobiliser l’IA générative pour synthétiser l’analyse et en faciliter la présentation au vendeur.
Ces résultats doivent toutefois être replacés dans leur contexte : le comparatif est réalisé par un fournisseur d’outils d’estimation qui évalue son propre modèle face à deux IA généralistes. Il décrit les performances obtenues dans les conditions du test, sans permettre de conclure sur tous les usages de l’IA générative.
Pour les agents immobiliers, l’enseignement est surtout pratique : une réponse chiffrée et bien rédigée reste une proposition à confronter aux références de marché, aux caractéristiques du logement et à l’observation sur le terrain. L’IA peut aider à construire un argumentaire ; elle ne dispense pas d’en vérifier les fondations.
À lire aussi : L’IA répond à tout, mais les acquéreurs hésitent : comment les aider à se décider ?