Skip to main content
Imoria sait suivre l’évolution dans le temps d’une métrique de marché (prix médian, volume d’offres, taux de disparition) sur une cohorte précise. Utile pour repérer un point d’entrée, anticiper une tendance, ou comparer deux villes.
La granularité de base est mensuelle, sur 18 mois glissants. La fenêtre est ajustable jusqu’à 36 mois et la granularité passe en hebdomadaire ou trimestrielle selon le besoin.

​
Exemple de prompt

Dans le client IA

​
Ce qu’Imoria renvoie

Une série temporelle par cohorte. Pour chaque bucket (mois, par défaut) : Quand plusieurs cohortes sont comparées (par exemple deux villes), le résultat est un tableau croisé. Exemple de réponse réelle :
Réponse Imoria

​
Métriques disponibles

  • median_ppm2. /m² médian (la plus courante)
  • p25_ppm2 / p75_ppm2. Bornes basse et haute (dispersion)
  • median_price. Prix total médian
  • avg_price. Prix total moyen
  • active_count. Nombre d’annonces actives sur la cohorte
  • new_count. Nouvelles annonces apparues dans le bucket
  • disappeared_count. Annonces ayant disparu dans le bucket

​
Variations à essayer

​
Lire une tendance

Quelques règles de base pour interpréter les séries Imoria :
  • Une série lisse (faible variance d’un mois à l’autre) signale un marché homogène et un échantillon important.
  • Une série très bruitée sur cohorte étroite (par ex. T1 dans une petite commune) est plus à prendre au mot du trailingValue que de la valeur ponctuelle.
  • Une rupture brutale sur new_count ou disappeared_count peut signaler un effet saisonnier (été creux, rentrée chargée), un événement local, ou une rupture de captation.

​
Limites

Voir : prix-demande-nest-pas-prix-vendu
  • Les séries portent par défaut sur les prix demandés, pas vendus. Quand DVF est disponible, une variante calibrée vente peut être demandée explicitement (“compare aussi les prix DVF”).
  • Sur des cohortes très étroites, la confiance descend rapidement. Préférer alors trailingPeriods (lissage glissant) pour lire la tendance.

​
Et après ?

Étudier un quartier

Zoomer sur un micro-marché précis.

Trouver des sous-cotées

Mettre la tendance en action. Chercher les pépites du marché choisi.
Cette page utilise principalement query_market_trend, parfois en complément de query_real_estate (mode aggregate).query_market_trend paramètres :
  • Filtres de cohorte : archetype, department, city, polygon, minPrice, maxPrice, minSurfaceM2, maxSurfaceM2, minBedrooms, maxBedrooms, energyRate, nearPoi.
  • metric. Voir la liste ci-dessus.
  • granularity. week|month|quarter`.
  • dateFrom / dateTo. Fenêtre temporelle.
  • groupBy. Optionnel : archetype, department, city, energyRate, surfaceBand pour découper.
  • trailingPeriods. Taille de la moyenne mobile (par exemple 3 pour un lissage sur 3 buckets).
Retourne [{ period, value, sampleSize, confidence, trailingValue }].