Prix de l'immobilier dans l'Hérault

Contexte et problème

« Est-ce le bon moment pour acheter, et à quel prix dans ma commune ? » Un acheteur, une agence et une collectivité posent la même question avec des enjeux différents : arbitrer un achat, fixer un prix de mise en vente, suivre la tension du marché local. La réponse existe en open data : les Demandes de valeurs foncières (DVF) contiennent toutes les ventes immobilières enregistrées par la DGFiP.

Elles sont inexploitables telles quelles. Une vente s’étale sur plusieurs lignes (une par local et par nature de culture du terrain) et la valeur foncière est répétée sur chacune : la sommer compte le prix deux, trois ou dix fois. Les ventes de garages, de terrains nus et de lots de dix appartements se mélangent aux ventes de logements. Des prix au m² à 50 euros côtoient des prix à 50 000 euros.

Ce projet fait le trajet complet sur le département de l’Hérault, de 2021 à 2025 : nettoyer en justifiant et en comptant chaque retrait, produire des indicateurs stables, et livrer le résultat sous deux formes utilisables, un modèle Power BI documenté et une démo publique consultable sans rien installer.

Données

• Source : DVF géolocalisées d’Etalab, fichiers départementaux annuels 34.csv.gz, téléchargés par script et jamais commités. Millésimes disponibles au 22/09/2026 : 2021 à 2025 (le serveur conserve cinq années glissantes), fichiers publiés le 18/05/2026. Les empreintes SHA-256 des cinq fichiers sont dans results/sources.json.
• Volume : 412 496 lignes brutes, 178 905 mutations, 342 communes ; les ventes retenues vont du 04/01/2021 au 31/12/2025 (results/resume.json).
• Licence et contraintes : Licence Ouverte 2.0, assortie des conditions générales d’utilisation DVF (art. R. 112 A-3 du Livre des procédures fiscales) : pas de réidentification des personnes, pas d’indexation des données par les moteurs de recherche. Conséquences concrètes : aucune vente individuelle n’est publiée, tout est agrégé avec un seuil de 30 ventes par commune, et les pages en ligne portent une balise noindex.
• Nettoyage, neuf règles chiffrées (journal complet dans results/journal_nettoyage.csv) : doublons exacts (20 254 lignes), nature « Vente » uniquement (16 767 mutations retirées, dont 14 343 ventes en l’état futur d’achèvement), valeur foncière positive (156), aucun local commercial dans la mutation (8 414), au moins un logement (37 962, la règle la plus lourde : terrains, parkings et caves vendus seuls), un seul logement (5 229, faute de pouvoir ventiler un prix global), surface bâtie entre 9 et 1 000 m² (19), puis prix au m² aberrants (4 891). Il reste 105 463 ventes, 58,9 % des mutations.
• Règle des aberrants : bornes de Tukey (Q1 - 1,5 IQR ; Q3 + 1,5 IQR) appliquées au logarithme du prix au m², par type de bien et par année. Sans logarithme, la borne basse serait négative et ne retirerait rien ; avec, 90 % des retraits (4 405 sur 4 891) se font par le bas, là où se trouvent les cessions entre proches, les parts indivises et les erreurs de surface.
• Biais assumés : pas de VEFA donc pas de marché du neuf, pas de caractéristiques qualitatives (étage, état, DPE, vue), terrain inclus dans le prix des maisons, prix nominaux.

Approche

1. Téléchargement scripté (scripts/telecharger.py), qui lit l’index du serveur pour découvrir les millésimes et écrit un manifeste avec taille et empreinte.
2. Nettoyage et agrégation à la mutation en SQL DuckDB, lu directement dans les .csv.gz, mémoire limitée à 600 Mo. Chaque règle est un pas séparé, compté avant et après.
3. Modèle en étoile et rapport Power BI : fait_ventes (105 463 lignes), dim_date, dim_commune, dim_type_bien, exportés en Parquet, et un projet Power BI versionnable (.pbip) dont le modèle sémantique est écrit en TMDL et les 20 mesures DAX générées depuis powerbi/mesures.dax, ouvert et actualisé dans Power BI Desktop 2.157.1354.0.
4. Indicateurs calculés sur ce modèle, avec les mêmes définitions que les mesures DAX : médianes par année, type et commune, volumes, évolutions, seuil de publication à 30 ventes.
5. Incertitude : intervalles de confiance à 95 % de chaque médiane et de chaque évolution par bootstrap (2 000 rééchantillons, graine fixée), calculés par lots de 100 pour tenir dans la mémoire disponible.
6. Livraison : notebook exécuté de bout en bout, quatre graphiques, démo Streamlit publiée via stlite (Streamlit compilé en WebAssembly) sur GitHub Pages, donc sans serveur ni compte tiers.

Choix techniques

Choix	Plutôt que	Pourquoi
DuckDB sur les .csv.gz	pandas en mémoire	412 496 lignes lues sans décompression sur disque, avec memory_limit='600MB' sur un poste où il reste souvent moins de 1 Go libre
Analyse à la mutation	analyse ligne à ligne	La valeur foncière est répétée sur chaque ligne d’une mutation : agréger d’abord évite de compter un prix plusieurs fois
Médiane et quartiles	moyenne	La distribution du prix au m² a une longue queue à droite : la moyenne 2025 (3 602 €/m² pour les appartements) dépasse la médiane (3 483 €/m²)
IQR sur le log du prix au m²	bornes fixes en euros	Une borne fixe vieillit mal et dépend du type de bien ; le log symétrise la distribution et rend la règle comparable d’une année à l’autre
Seuil de 30 ventes par commune	publier toutes les communes	Une médiane sur 5 ventes n’est pas un indicateur ; le seuil laisse 25 communes sur 143 pour les appartements 2025, mais 93 % des ventes
stlite sur GitHub Pages	Streamlit Community Cloud	Démo publique sans compte tiers ni serveur à maintenir, hébergée dans le même dépôt que le code
Projet Power BI .pbip (modèle TMDL)	fichier .pbix binaire	Le modèle et les mesures sont du texte : relecture, diff et génération depuis mesures.dax, une seule définition des mesures dans le dépôt
Mesures DAX contrôlées contre le SQL	croire le rapport sur parole	Les 20 mesures sont interrogées dans le moteur de Power BI puis comparées au même calcul DuckDB : 129 comparaisons, aucune différence

Résultats et métriques

• Les prix ont monté jusqu’en 2023, puis se sont arrêtés. Prix médian au m², tous logements : 3 006,67 € en 2021, pic à 3 355,77 € en 2023, 3 301,08 € en 2025. Sur cinq ans, +10,2 % pour les appartements (IC 95 % : +8,8 % à +11,6 %) et +7,5 % pour les maisons (+6,0 % à +9,1 %). Ce sont des euros courants : corrigée de l’inflation de ces cinq années, la hausse fondrait largement.
• Le volume a bien plus bougé que les prix : 24 809 ventes retenues en 2021, 17 147 en 2024 (-30,9 %), puis 19 453 en 2025 (+13,4 %). Le marché s’est bloqué plus qu’il n’a baissé.

• Le littoral décide des prix, pas la métropole. En 2025, parmi les 25 communes publiables pour les appartements : La Grande-Motte 5 232 €/m², Palavas-les-Flots 4 895 €/m², Béziers 1 833 €/m², soit un rapport de 2,9 entre les extrêmes. Montpellier (3 425 €/m²) n’est que 17e, dépassée par Sète (3 497 €/m²), qui était 277 €/m² en dessous en 2021 (2 898 contre 3 175 €/m²).

• Les communes les moins chères sont celles qui ont le plus augmenté. Corrélation de rang de Spearman -0,61 [-0,71 ; -0,47] pour les appartements (22 communes) et -0,25 [-0,38 ; -0,13] pour les maisons (82 communes), le prix de départ et le dénominateur de l’évolution étant estimés sur deux moitiés disjointes des ventes de 2021 (200 tirages, results/rattrapage_split_sample.csv). Ce détour est nécessaire : la corrélation brute entre le prix de 2021 et l’évolution prix_2025 / prix_2021 - 1 (-0,65 et -0,32) fait apparaître le prix de 2021 dans les deux variables, au numérateur de l’une et au dénominateur de l’autre. Ce couplage mathématique suffit à produire une corrélation négative par le seul bruit d’échantillonnage, et un test de permutation ne l’écarte pas, puisqu’il détruit justement le couplage qu’il faudrait tester. Estimer les deux quantités sur des ventes disjointes rend les bruits indépendants : la corrélation reste négative sur les 200 tirages, et le rattrapage est établi plutôt que supposé.
• Le rapport Power BI affiche les mêmes chiffres. Le projet .pbip ouvert dans Power BI Desktop 2.157.1354.0 charge les 105 463 ventes et évalue ses 20 mesures DAX. Interrogées directement dans le moteur puis comparées au même calcul en SQL : 129 comparaisons, 15 mesures, 10 contextes de filtre, aucune différence (écart relatif maximal 4,8e-14, soit l’arrondi des flottants).

• Vérification systématique : chaque chiffre de cette fiche existe dans results/ du dépôt (resume.json, ind_annee_type.csv, ic_evolutions.csv, ind_commune_annee_type.csv, chiffres_cles.json, rattrapage_split_sample.csv), et six tests pytest contrôlent l’enchaînement du journal de nettoyage, le respect du seuil de publication et l’égalité entre les mesures recalculées et les tables d’indicateurs.

Impact métier

Pour un responsable d’agence immobilière qui fixe un prix de mise en vente, ou pour le service habitat d’une collectivité qui suit la tension du marché, la question est toujours la même : à quel prix au m² se situe vraiment une commune cette année, et sur combien de ventes repose ce chiffre.

• Mesuré : 105 463 ventes de logements sur cinq ans et 342 communes du département passent dans la chaîne ; au seuil de 30 ventes, 83 communes restent publiables pour les maisons en 2025 et 25 pour les appartements (results/resume.json, results/couverture_communes.csv).
• Mesuré : la chaîne se rejoue en environ 1 min 30 sur un portable ordinaire, téléchargement exclu (scripts/pipeline.py). À chaque nouvelle publication DVF, les indicateurs sont refaits le jour même.
• Mesuré : les 20 indicateurs du rapport Power BI ont été comparés au même calcul SQL sur 129 combinaisons, sans aucune différence (results/concordance_dax_powerbi.csv). Un chiffre montré en réunion a été vérifié contre sa source.
• Estimé, au conditionnel : en supposant qu’un analyste mette une demi-journée à refaire ce dédoublonnage et ces médianes à la main à chaque millésime, ordre de grandeur courant dans un service d’études, la chaîne ramènerait ce travail à une minute et demie de calcul, plus la relecture.

Limites et pistes d’amélioration

• Le rapport Power BI tient en une page. Les pages « Communes » et « Comparaison de villes » prévues dans powerbi/MODELE.md restent à construire. Le fichier .pbix n’est pas versionné : il embarquerait les 105 463 ventes ligne à ligne dans un dépôt public indexable, ce qu’interdisent les conditions d’utilisation DVF suivies partout ailleurs dans ce projet ; le .pbip contient la définition complète, sans donnée. Enfin, Power BI n’accepte pas de chemin relatif vers un fichier local : le dossier des données passe par un paramètre de requête à adapter après un clone.
• DVF ne décrit pas les biens : ni état, ni étage, ni DPE. Comparer deux communes, c’est comparer des prix et des biens en même temps. La suite naturelle est un modèle hédonique (prix expliqué par surface, pièces, terrain, commune, année) pour isoler l’effet de localisation.
• Prix nominaux : ajouter l’indice des prix à la consommation de l’INSEE donnerait des évolutions en euros constants, plus honnêtes à lire.
• 59 % des mutations conservées : le neuf (VEFA) et les ventes en bloc sont hors périmètre, alors qu’ils pèsent sur l’offre réelle. Les traiter demanderait une méthode de ventilation des prix par lot.
• Périmètre DVF : l’Alsace, la Moselle et Mayotte ne sont pas couvertes par ces fichiers (livre foncier propre) ; l’Hérault l’est intégralement. La publication est semestrielle, avec plusieurs mois de décalage et des mutations qui peuvent s’ajouter rétroactivement sur les années passées.
• Démo : stlite télécharge Python dans le navigateur (environ 30 Mo au premier accès). C’est le prix d’une démo publique sans serveur ; une version hébergée classique démarrerait plus vite mais demanderait un compte tiers.