Notre modèle croise plus de 30 signaux publics pour anticiper les ventes. On vous explique comment, du signalement foncier au changement de situation familiale.
Camille Berthier
Lead Data Scientist
Détecter une intention de vente avant qu'un bien ne soit officiellement mis sur le marché : c'est le pari de Pigea. Mais contrairement aux idées reçues, l'IA ne lit pas dans les pensées. Elle fait ce que tout bon analyste ferait, mais à une échelle et une vitesse inaccessibles à l'humain : elle croise des dizaines de signaux publics pour identifier les propriétaires les plus susceptibles de vendre.
Toutes les données utilisées par notre modèle sont issues de sources publiques officielles : BODACC, registres d'état civil, greffes des tribunaux de commerce, cadastre de la DGFiP, publications légales. Aucune donnée privée n'est jamais collectée. C'est ce qui rend la démarche légale et conforme au RGPD.
Bon à savoir
Un signal pris isolément n'a qu'une faible valeur prédictive. C'est leur croisement qui révèle une intention de vente. Un décès seul n'indique pas qu'un bien sera vendu — mais un décès combiné à une indivision et à un changement de situation fiscale augmente considérablement la probabilité.
Notre modèle regroupe les signaux en cinq grandes familles, chacune contribuant différemment au score final :
30+
Signaux croisés
94%
Précision du modèle
70+
Score = vente probable
< 6 mois
Délai moyen de vente
Chaque signal détecté sur une adresse ajoute des points au score, pondérés selon son poids prédictif. Le score final, normalisé entre 0 et 100, représente la probabilité que le bien soit mis en vente dans les 6 mois. Un score de 85 ne signifie pas que la vente est garantie — mais que les signaux détectés sont les mêmes que ceux observés sur 94 % des biens effectivement vendus dans l'historique.
« Le modèle ne dit pas 'ce bien sera vendu'. Il dit 'ce bien ressemble à 94 % des biens qui ont été vendus'. C'est une probabilité, pas une certitude. »
Le marché immobilier évolue, et notre modèle avec lui. Chaque mois, nous comparons les prédictions avec les ventes effectivement enregistrées dans la base DVF (Demandes de Valeurs Foncières). Les signaux qui ont mieux prédit voient leur poids augmenter ; ceux qui ont moins bien performé sont ajustés. C'est ce qu'on appelle l'apprentissage supervisé en ligne.
Pour les agents
Un score élevé est une invitation à contacter le propriétaire, pas une garantie de mandat. L'approche reste commerciale : le score vous dit 'qui appeler', pas 'quoi dire'.
Camille Berthier
Lead Data Scientist
Camille dirige l'équipe data science de Pigea. Docteure en machine learning, elle conçoit les modèles prédictifs qui alimentent la plateforme depuis 2024.
RechercheUne seule source de données, c'est un puzzle incomplet. On montre comment combiner DVF, cadastre, PLU et signaux administratifs pour identifier les biens à fort potentiel.
Lire l'article
RechercheSans formules mathématiques : comment notre modèle attribue une probabilité de vente à chaque adresse et pourquoi ça compte pour votre prospection.
Lire l'article
MarchéLe marché français accélère dans 8 régions sur 12. Analyse détaillée et tendances par segment, du studio au maison individuelle.
Lire l'articleLes articles Labs sont gratuits. La plateforme Pigea, elle, capte les signaux en continu et vous alerte en temps réel.
