Datamerry repose intégralement sur des données publiques et des algorithmes documentés. Voici comment nous collectons, traitons et restituons l'information foncière.
Base exhaustive des transactions immobilières publiée par la DGFiP sur data.gouv.fr. Chaque vente enregistrée en France depuis 2019 y figure avec prix, surface, type de bien et localisation.
Données ouvertes de l'ADEME couvrant les diagnostics énergétiques des logements. Utilisées pour enrichir les analyses communales avec la performance énergétique du parc.
Contours communaux et départementaux issus de l'IGN (Admin Express) et de l'INSEE pour le maillage territorial.
Les transactions aberrantes (prix au m² extrêmes, surfaces nulles, doublons) sont filtrées automatiquement. Les adresses sont géocodées et rattachées à leur commune via les codes INSEE.
Notre pipeline d'analyse spatiale repose sur un algorithme de clustering qui détecte les micro-marchés immobiliers à partir des transactions réelles. Contrairement aux approches classiques qui découpent le territoire en quartiers administratifs arbitraires, notre méthode fait émerger les zones de prix directement depuis les données, sans zonage prédéfini.
Lorsqu'une transaction porte sur plusieurs types de biens (par exemple un appartement et un local commercial vendus ensemble), le prix global enregistré dans DVF ne distingue pas la part de chaque composante. Plutôt que d'écarter ces mutations — ce qui reviendrait à perdre une part significative du marché observé —, nous faisons le choix assumé de ventiler le prix total en nous appuyant sur des prix de référence issus exclusivement des transactions pures (mono-type) environnantes, selon une hiérarchie de proximité : d'abord la parcelle, puis la zone de micro-marché, et enfin la médiane globale du type concerné. Cette estimation est donc encadrée par le marché réel et non extrapolée. Ce procédé ne fausse en rien les calculs portant sur les autres transactions : les prix de référence utilisés pour la ventilation sont calculés uniquement à partir des ventes pures, jamais à partir d'autres estimations — il n'y a donc aucun effet de circularité. De plus, un filtre d'aberrance écarte automatiquement toute mutation dont la valeur théorique reconstituée s'éloigne de plus de 80 % du prix réel, éliminant ainsi les ventes atypiques (familiales, judiciaires, viagères). Les résultats ventilés sont par ailleurs systématiquement identifiés et accompagnés d'un détail complet (source du prix de référence, valeur théorique, quote-part attribuée), garantissant une traçabilité totale. En résumé : estimer n'est pas inventer — c'est appliquer une règle de proportionnalité fondée sur des données de marché vérifiées, dans un périmètre strictement contrôlé, sans jamais contaminer les transactions directement observées.
Prix médians, évolutions annuelles, répartition par typologie — calculés par commune, département et micro-marché. La médiane est privilégiée à la moyenne pour limiter l'effet des valeurs extrêmes.
Les points de transaction sont agrégés en clusters visuels (Supercluster) côté client pour garantir la fluidité de la carte, même avec plus d'un million de points.
Datamerry n'utilise que des données ouvertes (open data) publiées par l'État français. Aucune donnée privée ou propriétaire n'est intégrée dans les analyses.
Les données DVF sont publiées avec un décalage de 3 à 6 mois par rapport à la date de mutation. Les analyses reflètent donc le marché passé, pas le marché en temps réel.
Les informations affichées sont des analyses statistiques à but informatif. Elles ne constituent en aucun cas un conseil en investissement immobilier, financier ou juridique.
Actuellement limitée à l'Île-de-France (8 départements) et l'Oise. L'extension à d'autres régions est prévue progressivement.
Certaines transactions peuvent être positionnées de manière approximative (centroïde communal) lorsque l'adresse exacte n'est pas disponible dans les données DVF.
La consultation des cartes et analyses communales déjà publiées est gratuite. Pour des analyses sur mesure ou des cartes spécifiques à vos besoins, contactez-nous pour un devis personnalisé.
Les sources de données utilisées sont publiques et référencées. Les résultats affichés peuvent être vérifiés par recoupement avec les données DVF officielles.
Les données sont actualisées à chaque nouvelle publication DVF sur data.gouv.fr, généralement sur un rythme semestriel.
Un prix médian communal ("4 500 €/m² à Drancy") ne veut pas dire grand-chose. Dans la même commune, vous pouvez avoir un quartier à 3 000 €/m² et un autre à 6 000 €/m². Que vous gériez un portefeuille ou que vous estimiez un bien, vous avez besoin d'un prix de quartier, pas d'une moyenne de ville.
Pour chaque commune et chaque type de bien (appartement, maison, local commercial), on analyse où les ventes se concentrent géographiquement. Là où il y a un noyau dense de transactions proches les unes des autres, une micro-zone se forme naturellement.
| Appartements / Commerces | Maisons | |
|---|---|---|
| Approche | Zones statistiquement stables | Zones plus fines (granularité maximale) |
| Taille min. de zone | ~8 % du volume de transactions | 4 à 8 transactions |
Les ventes isolées — un pavillon vendu au milieu de nulle part, une transaction atypique — sont automatiquement écartées pour ne pas fausser les références.
On transforme les ventes DVF d'une commune en carte de micro-zones de prix, pour que chaque bien soit comparé à son vrai marché de proximité — pas à une moyenne de ville.
Vous souhaitez des cartes spécifiques, une analyse de zone personnalisée ou un accompagnement dédié ? Contactez-nous pour un devis.
Demander un devis →