Modèle DPE IMOPE 2026 : 56,4 % de fiabilité, +10 pts vs 2025 | U.R.B.S.

Modèle DPE IMOPE 2026 : 56,4 % de fiabilité sur l'étiquette exacte, +10 points en un an

Publié le 12 mai 2026 · Modèle DPE · IMOPE 2026

IMOPE 2026 Modèle DPE +10 pts vs 2025 13 régions françaises Validé par les pairs 10 ans de R&D
56,4 %
Fiabilité — étiquette exacte
+ 10 pts vs 2025
88,2 %
Fiabilité à ±1 étiquette
+ 10 pts vs 2025

En 2026, beaucoup de modèles IA promettent de prédire les données manquantes du logement, dont le DPE. Combien sont publiés, validés par les pairs et améliorés chaque année ?

Avec IMOPE 2026, le modèle DPE d'U.R.B.S. franchit un nouveau cap. Ces chiffres ne sortent pas d'une boîte noire : ils sont le résultat de 10 années de R&D, jalonnées de publications scientifiques validées par les pairs, en collaboration avec l'École des Mines de Saint-Étienne.

Une progression mesurée région par région

La progression n'est pas un artefact statistique global : elle est mesurée sur chacune des 13 régions françaises. Chaque région gagne entre 4 et 10 points d'accuracy par rapport au millésime 2025, attestant de la robustesse de la démarche sur l'ensemble du territoire.

Carte de l'amélioration de la fiabilité de prédiction des DPE par région — IMOPE 2026 vs 2025 — U.R.B.S.
Amélioration de la fiabilité de prédiction DPE par région — IMOPE 2026 vs 2025 · U.R.B.S. V. Lamirault

Une approche technique rigoureuse

Le modèle agrège trois algorithmes complémentaires, orchestrés par un réseau de neurones ensembliste :

Modèle KNN

Selon la proximité des différentes caractéristiques étudiées, on attribue un poids à chacune des étiquettes DPE. Ce modèle prédit une probabilité d'appartenance aux 7 étiquettes.

Nested Joint Kriging

Algorithme de krigeage qui prédit simultanément les degrés d'appartenance aux 7 étiquettes, en respectant deux contraintes : la somme des degrés est égale à 1, et leur distribution reflète celle du parc observé.

Réseau de neurones

Alimenté par les mêmes variables que les deux premiers modèles, ainsi que par leurs résultats respectifs.

Orchestration — Les prédictions des trois modèles servent de données d'entrée à un second réseau de neurones simple à deux couches fully connected. La prédiction finale est celle de ce réseau.
Schéma du modèle de prédiction DPE IMOPE 2026 — KNN, Nested Joint Kriging, réseau de neurones — U.R.B.S.
Architecture du modèle de prédiction DPE — IMOPE 2026 · U.R.B.S.

Une base d'apprentissage unique sur le marché

La robustesse du modèle repose sur la richesse de sa base d'entraînement. IMOPE consolide, sur l'ensemble du parc de logements français, des centaines de sources de données publiques et propriétaires, dont :

  • 15 millions de DPE réels — la plus grande base d'apprentissage disponible sur le marché
  • Données techniques du bâtiment : période de construction, surface, nombre de pièces, type de logement
  • Données géographiques et de contexte territorial
  • Données énergétiques : sources d'énergie, systèmes de chauffage, isolation

Pas de prompt magique, pas d'hallucination : un appariement rigoureux, un enrichissement continu des référentiels, une chaîne de modélisation traçable de bout en bout. Le même protocole prédit également les sources d'énergie et les systèmes de chauffage.

Statistiques des DPE réels utilisés comme base d'apprentissage du modèle IMOPE 2026 — 15 millions de DPE — U.R.B.S.
Base d'apprentissage : statistiques des DPE réels — IMOPE 2026 · U.R.B.S.

Double validation : scientifique et terrain

Fiabilité DPE IMOPE 2026 — 56,4 % étiquette exacte, 88,2 % à ±1 étiquette — Validation scientifique et terrain — U.R.B.S.
Fiabilité des étiquettes DPE — IMOPE 2026 · U.R.B.S.
Validation scientifique

La méthodologie complète est publiée et soumise à la critique scientifique, en collaboration avec l'École des Mines de Saint-Étienne. C'est, à notre connaissance, le seul modèle DPE du marché dans ce cas.

Validation terrain

6 ans de déploiement continu auprès des professionnels de l'immobilier, du financement et de la rénovation. La seule validation qui compte au quotidien.

Ce que cela change concrètement

À l'heure où la performance énergétique devient un enjeu de transaction, de financement et de politique publique, la rigueur doit primer sur le marketing. Le modèle DPE d'IMOPE permet :

Pour les acteurs de la rénovation
  • Cibler les opportunités travaux : repérer précisément les logements énergivores sur lesquels concentrer les efforts de rénovation, sans trou dans la raquette.
  • Prioriser territoire par territoire : la fiabilité est mesurée région par région, ce qui permet d'adapter les stratégies locales avec confiance.
Pour les gestionnaires de parc
  • Connaître la performance de son parc dans son exhaustivité : sans étiquette inventée, avec une fiabilité mesurée et publiée.
  • Anticiper les obligations réglementaires : identifier les logements potentiellement classés F ou G avant même la réalisation d'un DPE réel.
Pour les politiques publiques
  • Diagnostics territoriaux complets : couvrir l'ensemble du parc y compris les logements sans DPE opposable, pour des PLH et des PCAET étayés par des données exhaustives.
  • Suivi de l'impact des programmes de rénovation : mesurer l'évolution du parc et l'effet des dispositifs ANAH, CEE, MaPrimeRénov' à l'échelle d'un territoire.

Retrouvez toutes les données dans les solutions U.R.B.S. :

www.urbs.fr

Ou contactez-nous : contact@urbs.fr