D'une Question Simple à une Perspicacité Fondée sur les Données

Les premières réponses de Quanthome AI ont déjà donné un aperçu clair : il y a des dizaines de milliers de logements à Lausanne, et une partie significative d'entre eux est en PPE. Certains quartiers affichent une très forte concentration de logements en propriété ou en copropriété, tandis que d'autres sont encore dominés par des immeubles locatifs.

Très rapidement, la conversation est passée d'une vue d'ensemble générale de Lausanne à une vue plus détaillée par code postal. J'ai demandé à Quanthome AI d'examiner des NPAs spécifiques tels que 1003, 1004, 1005, 1006, 1007, 1010, 1012 et 1018, et de comparer à la fois le nombre d'unités en PPE et le prix moyen par mètre carré.

Quanthome AI a ensuite mis en évidence les zones où la PPE est particulièrement importante. Par exemple, certaines zones combinent une forte part de copropriétés avec des prix par mètre carré supérieurs à la moyenne, ce qui en fait des zones clés pour comprendre la demande, l'accessibilité et le potentiel d'investissement. D'autres zones centrales restent principalement institutionnelles ou locatives, même si les prix y sont élevés.

En seulement quelques échanges, j'ai obtenu quelque chose qui prend habituellement du temps et de la coordination entre différentes équipes : une histoire claire, étayée par les données, sur la répartition de la propriété et des prix à travers une ville.

Poser des Questions Plus Intelligentes, Obtenir des Réponses Plus Intelligentes

La partie la plus intéressante de la conversation est venue quand j'ai commencé à poser les types de questions que les analystes posent tous les jours : y a-t-il un lien entre la part de PPE dans un quartier et le niveau des prix ? Les zones avec plus de logements en propriété tendent-elles à être plus chères ? Ou s'agit-il davantage de l'emplacement, du prestige et de l'histoire ?

Au lieu de donner une opinion vague ou générique, Quanthome AI a fait ce qu'un bon analyste ferait : elle est revenue aux chiffres. Elle a construit, pour chaque code postal, un petit ensemble de données avec deux colonnes : le pourcentage de logements en PPE et le prix moyen par mètre carré. En outre, elle a mesuré à quel point ces deux variables évoluent ensemble, en utilisant une simple analyse de corrélation. En termes pratiques, elle a examiné si les codes postaux avec une plus forte part de PPE ont également tendance à montrer des prix plus élevés, et dans quelle mesure ce schéma est fort ou faible plutôt que simplement aléatoire.

La conclusion était nuancée et réaliste. Il y a un lien positif : les zones avec plus de PPE tendent à être plus coûteuses en moyenne. Mais ce n'est pas le seul facteur. L'emplacement dans la ville, les vues, l'accès aux services, l'âge et la qualité des bâtiments et l'histoire de chaque quartier jouent tous un rôle majeur. Quanthome AI a pu expliquer cela dans un langage simple, sans jargon, tout en s'appuyant sur des données réelles.

À Lausanne, d'une perspective plus humaine et avisée, ce schéma a également un sens intuitif. Les promoteurs ont tendance à construire des copropriétés là où les prix sont déjà élevés, car vendre des unités une par une est plus lucratif lorsque les valeurs par mètre carré sont élevées. Une fois ces projets livrés, ils attirent naturellement des ménages qui peuvent se permettre d'acheter plutôt que de louer. Avec le temps, cela crée une boucle de rétroaction : plus de copropriétés attirent des résidents plus aisés, la zone se modernise, les cafés et services suivent, et les prix augmentent encore. En d'autres termes, des prix plus élevés encouragent plus de PPE, et plus de PPE peuvent, à leur tour, contribuer à la gentrification et à des prix encore plus élevés. Et ce n'est pas seulement une histoire lausannoise : au niveau national, des mécanismes similaires sont à l'œuvre dans les principaux centres urbains de Suisse, où des niveaux de prix élevés sont souvent associés à une part plus importante de copropriétés et à une gentrification graduelle. Avec Quanthome AI, ce type d'analyse peut être étendu d'une seule ville à l'ensemble du pays de manière cohérente et fondée sur les données.

Une IA Qui Connaît ses Données et Accepte d'être Mise au Défi

Cette conversation montre aussi quelque chose d'essentiel sur le fonctionnement de Quanthome AI. Le système est directement connecté à la plateforme de données de Quanthome, qui agrège les données immobilières suisses au niveau du bâtiment et du véhicule. Lorsqu'il répond, il ne devine pas ; il interroge des ensembles de données structurés : attributs des bâtiments, statut d'occupation, transactions, prix, et plus encore.

Tout aussi important, Quanthome AI peut être remis en question. À un moment donné, j'ai signalé qu'une réponse précédente était erronée. Au lieu de se défendre, l'IA a révisé les filtres, vérifié ses calculs et corrigé le résultat, en expliquant ce qui avait changé. Pour les professionnels, ce comportement est essentiel : vous pouvez traiter Quanthome AI comme un analyste junior qui est rapide, infatigable et capable de s'auto-corriger lorsqu'on le pousse.

Ce Que Cela Signifie pour les Investisseurs et les Institutions

Même si cet exemple se concentre sur Lausanne, la même logique s'applique à n'importe quelle ville ou portefeuille. Un gestionnaire d'actifs peut demander quelles zones de son portefeuille ont la plus forte exposition à la PPE, où les prix élevés et la propriété élevée coïncident, et si leurs investissements maximisent réellement la valeur par mètre carré, ou où de nouveaux développements modifient l'équilibre entre logements locatifs et en propriété. Une banque peut utiliser des conversations similaires pour affiner les stratégies de prêt par zone. Un gestionnaire de fonds peut l'utiliser pour préparer des mémos d'investissement qui combinent géographie, statut d'occupation et dynamique des prix.

Le point clé est que rien de tout cela ne nécessite d'apprendre un nouvel outil. Vous restez dans une conversation, et Quanthome AI s’occupe du gros du travail au-dessus de la plateforme de données Quanthome : filtrer, agréger, vérifier, documenter et expliquer.

Vers une Nouvelle Façon de Faire l'Analyse Immobilière

Pendant des années, la finance a disposé d'outils comme Bloomberg pour standardiser et professionnaliser l'analyse des marchés. L'immobilier est souvent resté fragmenté, avec des données dispersées à travers des fichiers PDF, Excel et des bases de données locales.

Quanthome vise à changer cela. En combinant une plateforme de données immobilières unifiée avec une IA à qui vous pouvez parler, nous rendons possible de passer d'une simple question – « Quelle zone a le plus de copropriétés? » – à un diagnostic à l'échelle de la ville, puis à des décisions au niveau du portefeuille.

Quanthome AI n'est pas là pour remplacer les analystes. Il est là pour leur donner une vision plus claire de la réalité, plus rapidement, et pour les aider à poser de meilleures questions. Et parfois, tout commence par une simple ligne dans la boîte de dialogue.