Comment le lieu influence le prix : indexation spatiale et points d'intérêt
Deux biens identiques ne valent jamais la même chose s'ils ne sont pas au même endroit. Cette page détaille comment l'emplacement d'un bien — son quartier, son voisinage immédiat — est traduit en variables numériques utilisables par le modèle.
Le maillage hexagonal
Le territoire est découpé en petites cellules hexagonales de tailles emboîtées, un peu comme un zoom de carte à plusieurs niveaux. Pour chaque bien, on regarde le prix moyen des ventes récentes dans la cellule la plus fine possible autour de lui ; si trop peu de ventes y ont eu lieu pour être fiable, on élargit progressivement la zone jusqu'à trouver assez de références.
L'indexation spatiale repose sur un maillage hexagonal hiérarchique à cinq résolutions emboîtées (de la plus large à la plus fine). Pour chaque résolution, le prix au m² moyen des ventes des deux dernières années est agrégé sur la cellule et sur ses cellules voisines immédiates, avec un choix automatique d'estimateur robuste : moyenne tronquée à 15 % au-delà de 20 ventes disponibles, médiane entre 8 et 19 ventes. En dessous de 8 ventes, l'agrégation est jugée non fiable et la résolution plus large prend le relais. La fenêtre d'observation est strictement glissante et rétrospective : jamais de vente future utilisée pour estimer le prix d'une transaction passée.
Les nuisances : un modèle acoustique
Une autoroute, une voie ferrée, un couloir aérien ou une zone industrielle font baisser la valeur d'un bien d'autant plus qu'ils sont proches. La méthode reprend l'intuition physique du bruit : une source proche est perçue beaucoup plus fortement qu'une source lointaine, et cette perception décroît très vite avec la distance, avant de devenir quasi nulle.
Chaque catégorie de nuisance (grands axes routiers, voies ferrées, couloirs aériens, zones industrielles) se voit attribuer un niveau de référence analogue à une puissance sonore, et un rayon d'extraction propre (de 300 m pour les nuisances les plus locales à 20 km pour les couloirs aériens, 2,5 km pour les grands axes routiers et voies ferrées, 1,5 km pour l'industriel). Pour chaque source à distance d, la contribution suit une loi de puissance inverse au carré de la distance, agrégée façon addition de puissances acoustiques : l'indicateur retenu (nommé N1) cumule ces contributions et les exprime sur une échelle logarithmique, à la manière d'un niveau de pression sonore composite. C'est cet indicateur N1, calculé séparément pour les quatre catégories détaillées ci-dessus, qui est effectivement utilisé par le modèle final.
Les attractions : une décroissance avec la distance
À l'inverse des nuisances, un commerce de proximité, un espace vert, une école, un arrêt de transport ou un lieu calme ajoutent de la valeur — d'autant plus qu'ils sont accessibles à pied. Sept grandes familles sont prises en compte : commerces alimentaires, espaces verts, santé, calme, vie nocturne, transports et éducation. Plus on s'éloigne, moins l'effet compte, mais de façon plus progressive que pour les nuisances.
Chaque point d'intérêt d'attraction (28 catégories fines, regroupées en 7 groupes) contribue selon une décroissance exponentielle de sa distance au bien, avec une constante de décroissance de l'ordre de 0,0025 par mètre, appliquée dans un rayon de 300 à 1 200 m selon la catégorie. L'indicateur retenu dans le modèle final (nommé A3) applique une double atténuation exponentielle, ce qui le rend borné et robuste face aux concentrations très denses de points d'intérêt (évite qu'un quartier avec des dizaines de commerces proches ne produise une valeur disproportionnée). Il est agrégé au niveau des 7 groupes, pas des 28 catégories individuelles.
Pourquoi réduire 123 variables à 13
Calculer toutes les combinaisons possibles de distances, de rayons et de formules de décroissance produirait plus d'une centaine de variables très proches les unes des autres — presque redondantes. Un tri rigoureux a permis de ne garder que les indicateurs qui apportent réellement une information distincte, pour un modèle plus simple et plus stable.
Le calcul brut produit 123 variables (18 de nuisance, 105 d'attraction, à trois niveaux d'agrégation chacune). Ce jeu est délibérément réduit à 13 variables retenues pour l'entraînement — 4 indicateurs de nuisance détaillés et 7 indicateurs d'attraction par groupe — car les autres transformations (sommes non bornées, valeurs maximales, comptages de proximité) sont statistiquement redondantes avec l'indicateur principal retenu et introduisent de la colinéarité sans gain d'information réelle. Cette réduction est distincte de l'élagage automatique des variables appliqué ensuite à l'ensemble du jeu de variables.
Méthode & sources citées sur cette page
- OpenStreetMap — points d'intérêt géolocalisés (commerces, transports, nuisances, espaces verts)
- Indexation spatiale hexagonale sur l'historique des transactions DVF
Envie de voir la méthode à l'œuvre sur votre bien ?
Estimer mon bien →