Mécanismes d’appariement et de formation des prix sur le marché immobilier

Cette thèse ne traite ni des épidémies ni du marché de l’emploi. Pourtant elle n’est pas sans rapport avec l’article de blog posté par Karin Kimborough le 20 mars 2020. Alors qu’à la suite de la Chine, l’Europe se confinait pour tenter d’enrayer la propagation de l’épidémie de Covid-19 et que gouvernement et observateurs se demandaient quel pourrait être l’impact de cet arrêt brutal de l’activité sur l’économie.

En observant les embauches déclarées sur leur plateforme, les équipes du premier réseau social professionnel estimaient que la quarantaine généralisée mise en place en Chine puis en Italie, premier pays européen touché par la pandémie, avait réduit le nombre d’embauches de plus de 40% et prédisaient le même sort au marché de l’emploi américain alors que le nombre de cas commençait à s’y multiplier.

Face au besoin de comprendre les implications de cette crise inédite, notamment pour éclairer des décideurs devant prendre des décisions dans l’urgence, ils n’étaient pas seuls à utiliser des données non conventionnelles. L’Institut National de la Statistique et des Études Économiques (INSEE), dans sa note de conjoncture de mars 2020, faisait pour la première fois l’usage de données dites de « haute fréquence » pour chiffrer la chute de l’activité. Ce passage de questionnaires à l’efficacité et l’exactitude éprouvée à des indices indirects et bruités comme la consommation électrique ou les statistiques de paiement par carte bancaire est dans la droite ligne du passage du sur-mesure (customemade) au prêt-à-porter (readymade) dans la recherche en sciences sociales que décrit Matthew Salganik dans son livre Bit by Bit, Social Research in the Digital Age (Salganik 2017).

La capacité de ces données non conventionnelles à capter ce qui échappe aux indicateurs classiques s’avère utile au-delà du suivi et de la prévision économique en période de crise. Elles rendent également possible l’étude empirique de problématiques structurelles dont les manifestations restaient invisibles à l’économétricien, dans le monde analogique. C’est une telle possibilité qui est explorée dans cette thèse. À travers l’utilisation de données issues de la plateforme spécialisée meilleursagents.com, elle vise à améliorer la compréhension des mécanismes de rencontre entre acheteurs et vendeurs, et de fixation des prix sur le marché de l’immobilier résidentiel. Avec plus de 7 500 milliards d’euros, selon les comptes patrimoniaux 2019 de l’INSEE, les logements et les terrains bâtis représentent plus de la moitié du patrimoine brut des ménages français. Pour la majorité des ménages propriétaires, la résidence principale en est souvent de loin l’actif le plus important. L’intérêt d’une analyse fine du fonctionnement de ce marché et des processus qui aboutissent à la formation du prix apparait ainsi clairement. Au delà des seuls ménages, les parties prenantes à ces questions sont nombreuses. En tant qu’objet d’imposition au moment des mutations ou, selon les pays, comme assiette de la taxe foncière, les pouvoirs publics ne peuvent qu’être intéressés par les questions qui entourent la découverte du prix des biens immobiliers. De plus, par son intrication avec le marché du travail, la compréhension du fonctionnement du marché du logement est critique pour tout gouvernement qui voudrait optimiser l’appariement entre employeurs et employés. D’autre part, le montant d’une transaction immobilière représente plusieurs années de revenus, elle donc fait souvent l’objet d’un crédit dont le financeur a tout intérêt à être en mesure d’appréhender les mécanismes en jeu. Le lien entre la crise financière globale de 2008 et le marché immobilier américain en est, en la matière, un exemple caricatural. Enfin, les différents acteurs de l’industrie qui s’est développée pour accompagner les transactions immobilières profiteraient bien évidemment d’une meilleure compréhension académique de l’objet même de leur travail. C’est en premier lieu vrai pour les intermédiaires comme les agents immobiliers, mais aussi les entreprises, notamment numériques, qui vendent outils et services à ces derniers.

Ce n’est donc pas un manque d’intérêt, mais bien un manque de données, qui est la cause du développement limité de la littérature empirique traitant des mécanismes microéconomiques présidant à une vente immobilière. Jusqu’à présent, l’essentiel des études économétriques sur le marché du logement se basait sur les registres fiscaux ou notariaux, qui ne renseignent que sur les transactions finales et ne disent rien des mécanismes ayant abouti à ces transactions. Dans le meilleur des cas, les auteurs ayant accès aux historiques des annonces passées par les vendeurs pour promouvoir leur bien en vente obtenaient ainsi une vision partielle du processus, mais demeuraient aveugles à l’activité des acheteurs. Cette situation se trouve en partie abolie par l’arrivée et l’importance croissante de plateformes numériques intervenant au cours de ces transactions. Comme il est d’usage pour les entreprises du net, ces plateformes apportent un soin particulier à la collecte des traces que laissent derrière eux les utilisateurs de leurs services. Par ailleurs, en tant qu’intermédiaire sur un marché multifaces, reliant acheteurs, vendeurs et agents immobiliers, elles ont vocation à intervenir à chaque étape des processus amenant à la transaction. Ces deux facteurs en font des lieux privilégiés d’observation permettant d’accéder à une vision holistique des mécanismes à l’œuvre dans le marché immobilier résidentiel. Les apports empiriques qu’entend développer cette thèse sont essentiellement bâtis sur l’avantage qui découle de l’accès à de telles données inédites.

Une présentation détaillée des trois études, qui forment le corps du travail de cette thèse, est faite dans la cinquième et dernière section de cette introduction. Auparavant, et pour permettre de pleinement apprécier la démarche entreprise ici, nous nous proposons de présenter au lecteur une réflexion sur l’utilisation des données issues du monde numérique dans le cadre de recherche académique. Nous commencerons par identifier les avantages et inconvénients de ces données, du point de vue des sciences sociales. La section suivante analyse le cas particulier que représentent les plateformes numériques pour les économistes. Enfin, nous identifions les opportunités offertes par les données des plateformes spécialisées pour la recherche en immobilier.

Les données numériques dans la recherche en science sociale 

La particularité de cette thèse réside donc dans les données qu’elle mobilise. Pour l’essentiel, la littérature empirique en économie et en finance immobilière s’appuie sur des données de transactions ou d’annonces collectées par des institutions publiques, comme le fisc (base des Demandes des Valeurs Foncières), les notaires (Base d’Informations Économiques Notariales), ou des acteurs du marché comme les agents immobiliers (base Multi Listing Services aux États-Unis). Sont également utilisées des enquêtes menées auprès des particuliers comme l’Enquête Logement de l’INSEE ou les déclarations de patrimoine des ménages, particulièrement dans les pays où la fiscalité foncière est basée sur la valeur vénale des biens immobiliers. Les trois études présentées ici exploitent un autre type de données : les traces laissées par les utilisateurs d’une plateforme immobilière en ligne, le site meilleursagents.com. En cela ces travaux participent au mouvement commun à l’ensemble des sciences socialesd’utilisation des données numériques à des fins de  recherches académiques.

Ce changement de paradigme dans la recherche en sciences sociales est le fruit d’un changement sociétal et anthropologique majeur lié au rôle important et toujours grandissant des technologies de l’information et de la communication depuis la fin du XXe siècle. Une des très nombreuses conséquences de ce passage vers une société de l’information (Webster 2002) est la croissance exponentielle de la quantité d’information produite et stockée à l’origine de ce que l’on a appelé les Big Data, ou données massives (voir Hilbert et Lopez, 2011, pour une mesure de cette croissance). Par leur omniprésence, les ordinateurs, smartphones et divers capteurs connectés documentent la vie des êtres humains dans des proportions inégalées. Même si on laisse de côté les traces numériques inconscientes que nous semons (positions GPS, informations de paiement par carte bancaire, données d’utilisations des sites et applications, entre autres), la production volontaire de contenu à travers le web participatif reste vertigineuse. On se restreindra ici à un seul exemple, le réseau social Twitter estime que 500 millions de tweets sont écrits et envoyés chaque jour sur sa plateforme. À raison de 33 caractères en moyenne , c’est plus de 1,6 milliard de signes qui sont écrits chaque jour, soit l’équivalent de 1 700 fois À la Recherche du Temps Perdu (qui compte 9 609 000 signes, ou 1,5 million de mots, répartis sur 7 tomes). Sans compter que le roman de Marcel Proust ne contient ni image ni vidéo.

Cette inflation s’explique par un avantage décisif que présente ces données d’un nouveau genre : elles sont ubiquitaires. Comme déjà dit plus haut, l’omniprésence des outils digitaux et connectés dans nos sociétés a fait exploser la quantité d’information disponible. Loin de ne faire qu’enregistrer plus souvent, avec plus de détail ou auprès de plus d’individus les mêmes choses, le monde numérique garde des traces de phénomène et de comportements qui restaient jusque-là invisibles.

Cependant, comme le rappelle Matthew Salganik en conclusion de son ouvrage d’analyse du phénomène (Salganik 2017), la règle du « no-free lunch » s’applique aussi à l’utilisation de données numériques à des fins de recherche. La première caractéristique de ces bases numériques qui vient modérer l’enthousiasme soulevé par leur utilisation par les chercheurs est qu’elles n’ont pas été constituées dans cette finalité. Salganik distingue ainsi les données « sur-mesure » (custommade) habituellement utilisées par les chercheurs et les données « prêt-à-porter » (readymade) que l’on peut trouver dans les bases numériques constituées par des entreprises ou des institutions gouvernementales dans un tout autre but. Aux chercheurs de s’adapter à la nature des données disponibles et d’effectuer d’éventuels traitements et redressements pour en tirer une information exploitable. En la matière, les économistes ont sûrement une longueur d’avance sur les autres disciplines qui exploitent plus volontiers les résultats d’enquêtes ou d’expériences. En effet, bien avant la vague des « Big Data », les informations fiscales, établies en premier lieu pour lever l’impôt, constituent depuis longtemps une des matières premières les plus utilisées en économétries. Pour se cantonner au domaine immobilier, la mobilisation depuis 2002 des bases notariales par l’INSEE dans ses Indices des Prix des Logements (David et al., 2002) est un exemple de réutilisation de données non numériques.

Toujours dans le même ouvrage Salganik identifie dix caractéristiques des données numériques. Trois sont à ces yeux des avantages pour leur utilisation par des chercheurs et sept des inconvénients qui poussent à les manipuler avec précaution. Pour pleinement comprendre les enjeux liés à l’utilisation qui en est faite dans cette thèse, il est important que le lecteur ait cette caractérisation à l’esprit. Nous nous proposons donc de la résumer ici, en l’illustrant autant que possible par des exemples tirés de travaux présentés ici. Pour plus de détails et d’exemples, le lecteur voulant approfondir le sujet est renvoyé à l’ouvrage original. Ces données sont, selon lui :

● Massives
● Enregistrées en continu
● Inertes
● Inaccessibles
● Incomplètes
● Non représentatives
● Dérivantes
● Perturbées algorithmiquement
● Sales
● Sensibles

Le premier point peut sembler évident à première vue : les Big Data sont big. Pour autant, c’est la caractéristique sur laquelle il nous semble nécessaire de s’appesantir, car elle peut créer des attentes injustifiées. Toutes les données recueillies dans le monde numérique ne constituent pas nécessairement des bases de données volumineuses. Le petit exercice ayant permis la construction de la figure 2, plus haut, est incontestablement le fruit de l’utilisation de données numériques, pourtant on aura du mal à affirmer qu’un tableau de 21 lignes et 2 colonnes soit massifs. De la même façon, la taille des jeux de données utilisés dans les trois études présentées dans cette thèse ne sera pas constituée de millions d’observations. Même si dans les deux cas, il s’est agi d’isoler et agréger des éléments au sein de très larges bases de données, ils illustrent bien que toutes recherches mobilisant des données numériques ne sont pas nécessairement de l’ordre du « Big Data ».

Table des matières

1. Introduction
I. Motivation et objet de la thèse
II. Les données numériques dans la recherche en science sociale
III. Les plateformes en ligne, reflets numériques de l’économie
IV. Quel apport pour l’étude du marché immobilier résidentiel
V. Présentation de la thèse
2. Estimating the housing market matching function through Internet traffic analysis
I. Introduction
II. Literature
III. Dataset
IV. Simple Matching Function
V. Robustness Tests
VI. Search Intensity of the Buyers
VII. Market Participants’ Characteristics
VIII. Conclusion
Appendix
3. The home buying problem: evidence from the Internet
I. Introduction
II. Theoretical Model
III. Data Gathering
IV. Characteristics of the Search
V. Empirical Analysis and Results
VI. Robustness Checks
VII. Conclusion
Appendix
4. Homesellers and homebuyers self-reported estimations
I. Introduction
II. Data
III. Explaining the Error
IV. Loss-Aversion
V. Search Stage
VI. Conclusion
Appendix
5. Conclusion
Bibliographie

Lire le rapport complet