Collecter les données immobilières des portails français : méthode et cadre légal

Les portails immobiliers français : quelles sources privilégier pour le scraping immobilier

Le marché français compte une dizaine de plateformes d'annonces immobilières, chacune avec sa couverture géographique et son volume. SeLoger, Leboncoin Immobilier, Bien'ici, PAP, Logic-Immo et Figaro Immobilier représentent l'essentiel du flux d'annonces. SeLoger et Leboncoin dominent en nombre d'annonces actives, avec plusieurs centaines de milliers de biens en ligne simultanément. Les scrapers immobiliers permettent d'automatiser la collecte sur ces sites, mais chaque portail présente ses particularités techniques.

SeLoger structure ses annonces de manière cohérente et offre un niveau de détail élevé : surface habitable, surface du terrain, nombre de pièces, étage, diagnostics de performance énergétique (DPE), année de construction, charges de copropriété. Leboncoin Immobilier agrège des annonces de particuliers et de professionnels, avec une qualité de données plus variable. PAP se concentre sur les annonces de particuliers à particuliers, sans commission d'agence, ce qui donne accès à un segment de marché spécifique.

Pour un projet d'analyse de marché ou de valorisation, croiser deux ou trois sources réduit le biais de sélection. Un bien peut être présent sur SeLoger via une agence et sur PAP en vente directe, avec des prix différents. La collecte multi-sources révèle les écarts de prix, les stratégies de diffusion des agences et les délais de vente moyens par canal.

Quelles données immobilières extraire et comment les structurer

Une annonce immobilière contient entre 20 et 40 champs exploitables. Les données de base comprennent le type de bien (appartement, maison, terrain, local commercial), le type de transaction (vente, location), le prix affiché, la surface habitable, le nombre de pièces, la localisation (ville, code postal, quartier), et la date de mise en ligne. Ces éléments suffisent pour constituer un fichier de veille ou alimenter un outil de comparaison.

Données essentielles pour l'analyse de marché

• Prix au mètre carré : calculé à partir du prix total et de la surface, il permet les comparaisons entre biens de tailles différentes
• Nombre de jours en ligne : écart entre la date de publication et la date de collecte, indicateur de la liquidité du marché
• Coordonnées géographiques : latitude et longitude lorsqu'elles sont disponibles, pour cartographier les prix par zone
• DPE et GES : diagnostics de performance énergétique et émissions de gaz à effet de serre, de plus en plus demandés par les acheteurs et locataires
• Description textuelle : utile pour extraire des informations non structurées (proximité transports, travaux récents, état général) via du traitement de texte ou des agents IA

Certains portails affichent l'historique des modifications de prix. Cette donnée révèle les baisses de prix successives, signal d'un bien difficile à vendre ou d'une surévaluation initiale. Les annonces professionnelles incluent souvent le nom de l'agence, son adresse et son numéro de téléphone, informations qui relèvent du B2B et peuvent être collectées sous réserve de respecter les conditions générales d'utilisation du site.

Données personnelles : ce qu'il faut éviter

Les annonces de particuliers contiennent parfois le nom, le prénom, le numéro de téléphone ou l'adresse email du vendeur ou du bailleur. Ces données personnelles relèvent du RGPD et ne peuvent être collectées, stockées ou exploitées sans base légale. Pour un projet d'analyse de marché ou de valorisation, ces informations ne présentent aucune utilité : seul le bien et ses caractéristiques comptent. Si votre cas d'usage nécessite de contacter des propriétaires, il convient de consulter un juriste pour vérifier la conformité de votre traitement au regard des recommandations de la CNIL et du Code de la propriété intellectuelle, qui protège les producteurs de bases de données.

Cas d'usage : valorisation, investissement et reporting

Les données immobilières extraites des portails servent trois grandes familles d'usages professionnels. Les agences immobilières et les réseaux de mandataires les utilisent pour calibrer leurs estimations, suivre l'activité des concurrents et produire des rapports de marché mensuels ou trimestriels destinés à leurs clients et prospects. Les investisseurs et les foncières s'en servent pour identifier les zones sous-évaluées, modéliser des rendements locatifs et détecter les opportunités avant qu'elles ne circulent dans les réseaux traditionnels.

Estimation et valorisation automatisée

Un modèle de valorisation fiable repose sur un historique d'annonces suffisamment dense. Pour estimer un appartement de 60 m² dans le 11ᵉ arrondissement de Paris, il faut disposer de 50 à 100 transactions comparables récentes dans un rayon de 500 mètres. L'extraction automatisée permet de constituer cette base en quelques heures, là où une collecte manuelle prendrait plusieurs jours. Le prix au mètre carré médian, ajusté par l'étage, l'exposition, la présence d'un ascenseur et le DPE, donne une fourchette de valorisation exploitable pour un mandat de vente ou une négociation d'achat.

Analyse de l'offre et détection d'opportunités

Les investisseurs institutionnels et les marchands de biens surveillent l'apparition de biens décotés : prix au mètre carré inférieur de 15 à 20 % à la médiane locale, longue durée d'affichage, ou multiples baisses de prix. Un flux quotidien d'annonces structurées, couplé à un système d'alertes, permet de réagir en quelques heures. Le suivi automatisé des annonces concurrentes permet aussi de vérifier que les mandats en portefeuille sont positionnés au bon prix et d'ajuster la stratégie commerciale en temps réel.

Cadre juridique : RGPD, droit des bases de données et CGU

La collecte de données immobilières publiques n'est pas interdite en soi, mais elle doit respecter trois cadres : le RGPD pour les données personnelles, le droit sui generis du producteur de bases de données (articles L. 341-1 et suivants du Code de la propriété intellectuelle), et les conditions générales d'utilisation des sites. Le RGPD impose de ne traiter des données personnelles que sur une base légale claire. Pour un projet d'analyse de marché, seules les caractéristiques du bien et les données B2B (nom d'agence, adresse professionnelle) sont nécessaires. Collecter les coordonnées de particuliers sans leur consentement ou sans base légale expose à des sanctions administratives et civiles.

Le droit sui generis protège les bases de données dont la constitution a nécessité un investissement substantiel. Extraire et réutiliser une partie substantielle d'une base de données sans autorisation constitue une contrefaçon. La notion de partie substantielle s'apprécie en valeur qualitative ou quantitative. Collecter quelques centaines d'annonces pour une étude ponctuelle présente un risque juridique limité, mais aspirer des dizaines de milliers de fiches de manière répétée peut être qualifié d'extraction substantielle. Pour un projet commercial pérenne, il est prudent de consulter un avocat spécialisé en propriété intellectuelle.

Les CGU des portails interdisent généralement l'aspiration automatisée, le contournement des mesures de protection technique, et la réutilisation commerciale des contenus. Ces clauses contractuelles ne s'imposent qu'aux utilisateurs inscrits ayant accepté les CGU. Un scraper qui collecte des pages publiques sans créer de compte ni contourner de paywall ne forme pas de relation contractuelle avec le site, mais reste soumis au droit des bases de données et au RGPD. La jurisprudence française sur le scraping reste peu fournie, et chaque situation mérite une analyse au cas par cas.

1. Ne jamais collecter de données personnelles de particuliers (noms, téléphones, emails) sans base légale claire
2. Limiter la charge technique sur les serveurs du site (requêtes espacées, respect des indications robots.txt)
3. Ne pas contourner de systèmes d'authentification ou de paywalls
4. Consulter un juriste pour tout projet commercial impliquant la réutilisation massive de données

Méthodes de collecte : scraper custom, service externalisé ou outil cloud

Trois approches coexistent pour collecter des annonces immobilières. Les extensions de navigateur et les outils no-code (Octoparse, ParseHub) conviennent pour des collectes ponctuelles de quelques centaines de fiches, mais montrent vite leurs limites face aux protections anti-bot et aux changements de structure des sites. Développer un scraper en interne demande des compétences en HTTP, gestion de sessions, contournement de protections (captchas, rate-limiting), et maintenance continue lorsque le site modifie son code HTML. Le choix entre un outil prêt à l'emploi et un scraper sur mesure dépend du volume visé, de la fréquence de mise à jour, et du budget disponible.

Un service de scraping externalisé prend en charge l'ensemble de la chaîne : analyse de la protection du site, développement du scraper, gestion des proxies, livraison des données dans le format souhaité, et maintenance en cas de modification du site. Un catalogue de scrapers prêts à l'emploi permet de démarrer en quelques jours sur les portails les plus courants, tandis qu'un scraper sur mesure pour un site spécifique ou une combinaison de sources prend entre trois et cinq jours. La collecte peut être ponctuelle (export unique de 10 000 annonces) ou récurrente (mise à jour quotidienne ou hebdomadaire avec suivi des modifications de prix et détection des nouvelles annonces).

Les données peuvent être livrées sous forme de fichiers CSV, Excel ou JSON, via une API REST, par webhook pour alimenter un système tiers en temps réel, ou directement injectées dans une base de données ou un CRM. Pour un projet d'analyse de marché, un export hebdomadaire en CSV suffit souvent. Pour un outil de veille concurrentielle avec alertes automatiques, une API avec actualisation quotidienne et stockage historique est préférable. L'automatisation complète du flux, depuis la collecte jusqu'à la génération de rapports ou l'envoi d'alertes, permet de libérer du temps et de réduire les erreurs manuelles.

Structurer et exploiter les données collectées

Une fois les annonces collectées, la phase de nettoyage et d'enrichissement détermine la qualité des analyses. Les données brutes contiennent des doublons (un même bien diffusé par plusieurs agences), des incohérences (surface de 20 m² pour une maison de cinq pièces), des champs vides ou mal formatés. Un pipeline de traitement doit dédupliquer les annonces en croisant plusieurs critères (adresse, surface, prix, photos), normaliser les formats (prix en entier, surface en float, date en ISO 8601), et écarter les valeurs aberrantes.

Enrichissement et géocodage

Le géocodage des adresses (conversion en latitude et longitude) permet de cartographier les prix et de calculer des statistiques par zone géographique fine. Les API publiques (API Adresse du gouvernement français) ou commerciales (Google Maps, Mapbox) facilitent cette opération. Croiser les annonces avec des données externes (revenus moyens par commune, taux de chômage, distance aux transports, indices de qualité de vie) enrichit le modèle de valorisation et permet de segmenter le marché par profil d'acheteur ou d'investisseur.

Stockage et historisation

Pour suivre l'évolution des prix et calculer les durées de commercialisation, il faut historiser les annonces : stocker chaque version d'une fiche avec sa date de collecte, détecter les modifications de prix, identifier les retraits d'annonces (signal d'une vente ou d'un retrait du marché). Une base de données PostgreSQL ou MySQL suffit pour quelques dizaines de milliers d'annonces. Les outils de business intelligence (Tableau, Power BI, Metabase) permettent de visualiser les données sous forme de tableaux de bord interactifs : évolution du prix médian par ville et par trimestre, répartition de l'offre par typologie, cartographie des zones tendues, durée moyenne de commercialisation par tranche de prix.

Mise en œuvre : tester la faisabilité avant d'investir

Avant de lancer un projet de collecte d'annonces immobilières à grande échelle, il est recommandé de vérifier trois points : la disponibilité des données souhaitées sur les portails visés, le niveau de protection technique du site, et la conformité juridique du cas d'usage. Un test sur un échantillon de 50 à 100 annonces permet de valider la structure des données, d'identifier les champs manquants ou mal renseignés, et d'estimer le volume de nettoyage nécessaire.

Kodrana propose un échantillon gratuit avant tout engagement : vous indiquez le site et les champs à collecter, nous analysons la protection du site et livrons un fichier de test sous 24 à 48 heures. Cette approche permet de vérifier que les données correspondent à vos attentes et que le scraper fonctionne correctement, avant de commander une collecte complète. Les exports ponctuels jusqu'à 10 000 annonces démarrent à partir de 229 € selon la complexité du site, et les abonnements avec mises à jour quotidiennes ou hebdomadaires à partir de 129 € par mois, avec maintenance incluse en cas de modification du site.