# Revisiter la méthode de comparaison des ventes : protocole de validation empirique à grande échelle

Titre de travail (article A) — Revisiting the Sales Comparison Approach: A Large-Scale Empirical Validation of Comparable Selection, Price Adjustments, and Value Reconciliation

Variante — Does the Sales Comparison Approach Actually Work? Evidence from Large-Scale Residential Property Transactions

Données : transactions historiques Vrai Prix (registre foncier du Québec jumelé au rôle d'évaluation), instantané du 2026-10-10.

# 1. Question de recherche

La méthode des comparables, telle qu'enseignée et pratiquée par les évaluateurs agréés, produit-elle réellement les estimations les plus fiables ? Et surtout, quelles règles de sélection, d'ajustement, de pondération et de réconciliation des comparables sont empiriquement justifiées ?

# 2. Protocole expérimental (rétro-évaluation « point dans le temps »)

Pour chaque transaction cible :

1. Masquage du prix de vente réel.
2. Reconstitution du marché à la date d'évaluation : seules les ventes conclues strictement avant la date de la cible sont admissibles (le bien lui-même, s'il a déjà été vendu, est exclu du bassin : on évalue par comparables, pas par vente répétée). L'indice temporel, les coefficients hédoniques et les modèles d'apprentissage sont ré-estimés avec les seules ventes antérieures à la période d'évaluation (indice : ré-estimé chaque mois avec toutes les ventes des mois précédents ; grilles d'ajustement et modèles : ré-estimés au début de chaque trimestre, de 2024-01 à 2026-07, avec les seules ventes antérieures au trimestre — protocole effectivement implémenté dans 03_models.py ; la version initiale de ce document indiquait deux estimations seulement, corrigé le 2026-10-17).
3. Application de chaque configuration (sélection × rayon × fenêtre × nombre × ajustement × pondération × réconciliation) sur exactement les mêmes cibles.
4. Comparaison avec le prix réel : erreur absolue en pourcentage, biais, part des estimations à ±5/10/20 %, couverture (part des cibles pour lesquelles la configuration produit une valeur), dispersion des prix ajustés (intervalle de valeur).

# Séparation chronologique

Les comparables d'une cible de 2025 peuvent être des ventes de 2024 ou de 2025 antérieures à sa date : c'est l'information dont disposait un évaluateur ce jour-là (nous ignorons le délai de publication au registre foncier, ce qui avantage légèrement toutes les méthodes de la même façon).

# 3. Expériences

# E1 — surface empirique de performance Erreur(k, d, t)

• k ∈ {1, 3, 5, 7, 10, 15, 20, 30, 50} comparables ;
• d ∈ {0,5 ; 1 ; 2 ; 5 ; 10 ; 25} km (rayon maximal) ;
• t ∈ {3, 6, 12, 24} mois (ancienneté maximale) ;
• sélection ∈ {geo les plus proches, sim les plus semblables physiquement, mix compromis} ;
• ajustement ∈ {none temps seulement, hedo grille hédonique} ; réconciliation = médiane.

1 296 configurations × toutes les cibles.

# E2 — plan factoriel des règles (trois ancres (k, d, t) = (3, 2 km, 6 mois), (5, 5 km, 12 mois), (10, 10 km, 24 mois))

• sélection ∈ {geo, sim, mix, adj = comparables nécessitant le moins d'ajustements} ;
• ajustement ∈ {raw aucun, none temps seul, conv grille conventionnelle stylisée, hedo grille hédonique globale (within-municipalité), hedo_reg grille régionale rétrécie, local régression sur le voisinage (≤ 10 km, ≥ 40 ventes, ridge vers la grille régionale), gbm ajustements non linéaires (LightGBM), role ratio prix/rôle (comparables de la même municipalité et du même rôle)} ;
• pondération ∈ {égale, 1/(0,25 + d), exp(−mois/6), 1/(0,1 + ajustement brut), produit des trois} ;
• réconciliation ∈ {médiane (pondérée), moyenne (pondérée) en dollars}.

960 configurations.

# Compétition de modèles

# Hypothèses

• H1 — un comparable très proche mais peu semblable peut être moins informatif qu'un comparable plus éloigné mais très semblable.
• H2 — l'ajout de comparables améliore la précision jusqu'à un seuil, au-delà duquel l'hétérogénéité domine ; le seuil dépend de la densité.
• H3 — les ajustements empiriques locaux surpassent les grilles fixes mais deviennent instables dans les petits échantillons.
• H4 — la pondération optimale dépend de la liquidité du sous-marché.
• H5 — les méthodes simples et transparentes rivalisent avec l'apprentissage automatique dans les marchés homogènes.

# Inférence

Différences d'erreurs appariées (mêmes cibles) avec intervalles de confiance par bootstrap par grappes (municipalité × trimestre), qui respecte les dépendances spatiales et temporelles.

# 4. Ce que les données permettent — et ne permettent pas

Caractéristiques observées pour chaque vente (registre foncier ⋈ rôle) : date, prix, coordonnées, municipalité, unité de voisinage, aire habitable (étages), superficie du terrain, année de construction, nombre d'étages, lien physique (détaché, jumelé, en rangée), genre de construction, valeur au rôle (en vigueur à la vente) et sa part terrain. Non observés : garage, piscine, nombre de chambres et de salles de bains, qualité et état, rénovations. Les ajustements correspondants ne peuvent donc pas être testés ici ; les erreurs résiduelles les contiennent.

Nous validons la précision prédictive de règles professionnelles simulées, pas le jugement réel d'un évaluateur (il faudrait ses dossiers, ses comparables et ses ajustements). La distinction est maintenue partout dans le rapport.

# 5. Article B (suite envisagée)

Vers une méthode des comparables optimisée empiriquement : algorithme transparent de sélection/ajustement entraîné sur les ventes historiques et validé sur les ventes futures ; règles conditionnelles au type de bien, à la densité et à la qualité des données ; intégration dans UQO Éval pour montrer aux étudiants la comparaison entre règles traditionnelles et règles estimées.