01 — La chasse off-market et l'asymétrie d'information
Le marché caché représente 15 à 30% des transactions premium — et le réseau ne suffit plus

Le marché off-market n'est pas un mythe : entre 15 et 20% des transactions immobilières premium à Paris se réalisent sans qu'aucune annonce ne soit publiée, et jusqu'à 30% dans les 6e, 7e et 8e arrondissements[reference:0]. Ce phénomène existe dans toutes les métropoles, porté par un déséquilibre structurel entre l'offre et la demande : les vendeurs n'ont pas besoin de publicité quand les acquéreurs sont plus nombreux que les biens. Le chasseur immobilier traditionnel compense cette asymétrie par son réseau : notaires, agents de quartier, gardiens d'immeuble, et relations inter-chasseurs constituent son capital de sourcing. Mais ce modèle a une limite : il ne scale pas. Chaque nouveau marché géographique nécessite de reconstruire un réseau. C'est là que le stack DVF + Pappers + Claude introduit une rupture : il substitue au capital social un capital data, reproductible sur n'importe quelle commune de France.

Vendeur ne publie pas d'annonce (discrétion, test de prix, situation personnelle) Le bien est invisible sur SeLoger, LeBonCoin, PAP Le chasseur traditionnel dépend d'un informateur humain Le chasseur augmenté croise DVF (transactions) + Pappers (SCI, procédures) Il identifie le propriétaire et évalue sa motivation sans intermédiaire Le pipeline de leads devient industrialisable

02 — Le stack technique
MCP, connecteurs, Claude : comment brancher l'IA directement sur les données publiques

Le Model Context Protocol (MCP) est un standard ouvert publié par Anthropic en novembre 2024. Il permet à Claude de se connecter directement à des sources de données externes — bases gouvernementales, API privées, fichiers locaux — sans développement d'intégration spécifique. Dans le cas de la chasse immobilière, deux connecteurs MCP sont activés simultanément : le connecteur data.gouv.fr (qui donne accès à DVF, la base des transactions immobilières) et le connecteur Pappers (qui donne accès aux données d'entreprises : SIREN, comptes annuels, BODACC, dirigeants, procédures collectives). La configuration est décrite comme "très simple" par les premiers utilisateurs : création d'un compte sur chaque plateforme, récupération d'une clé API, ajout des serveurs MCP dans la configuration Claude Desktop[reference:1].

Architecture du stack chasse augmentée
01 Claude Desktop (interface IA) : point d'entrée unique. L'utilisateur interagit en langage naturel. Claude orchestre les appels aux serveurs MCP, synthétise les résultats, et génère des analyses structurées (dashboard, listes, scoring).
02 Serveur MCP data.gouv.fr : donne accès aux données DVF (transactions immobilières, prix, dates, surfaces, DPE), aux données cadastrales, à la Base Adresse Nationale et aux données démographiques INSEE. La connexion se fait via l'URL publique https://mcp.data.gouv.fr/mcp[reference:2].
03 Serveur MCP Pappers : donne accès aux données d'entreprises : identification SIREN/SIRET, comptes annuels, scoring de solvabilité, annonces BODACC, historique des dirigeants, procédures de dissolution/liquidation/redressement, et données immobilières (via Pappers Immobilier)[reference:3].
04 Version payante Claude (Opus) : recommandée pour les analyses complexes. La version gratuite permet déjà des recherches rapides, mais la puissance de calcul supérieure d'Opus est nécessaire pour les croisements multi-sources et la génération de dashboards.
Installation : du zéro au premier prompt en 10 minutes
Compte gratuit Pappers, clé API, configuration JSON, et c'est opérationnel

La procédure documentée par les premiers utilisateurs est la suivante : 1) Créer un compte gratuit sur Pappers.fr et générer une clé API (100 crédits gratuits offerts)[reference:4]. 2) Dans Claude Desktop, ajouter les serveurs MCP dans le fichier de configuration JSON (claude_desktop_config.json) : un bloc pour datagouv-mcp avec l'URL publique, un bloc pour Pappers avec la clé API. 3) Redémarrer Claude Desktop. Les deux connecteurs apparaissent comme "ON" dans l'interface. 4) Premier prompt : demander une cartographie du marché immobilier sur une commune cible. Le temps de configuration total est estimé à moins de 10 minutes par les utilisateurs qui ont documenté l'expérience.

Pourquoi Claude plutôt que ChatGPT ou Mistral ?
La supériorité actuelle de Claude sur l'orchestration MCP multi-sources

Le choix de Claude est argumenté par les premiers utilisateurs sur deux critères. D'abord, le protocole MCP a été conçu par Anthropic (l'éditeur de Claude), ce qui garantit une intégration native et une stabilité supérieure à celle des implémentations tierces sur ChatGPT ou Mistral. Ensuite, la capacité de Claude à orchestrer simultanément plusieurs serveurs MCP (data.gouv.fr + Pappers) et à synthétiser les résultats en langage naturel est jugée "plus performante" par les utilisateurs ayant testé les alternatives. Mistral, bien que français, ne bénéficie pas encore de la même maturité d'intégration MCP que Claude.

03 — Business model
Structurer une machine à deals : honoraires, coûts, volume et scalabilité

Le chasseur immobilier indépendant est rémunéré par l'acquéreur, selon un barème qui varie de 2 à 5% du prix d'achat final, souvent avec un minimum forfaitaire[reference:5]. Le marché français compte environ 1 500 à 2 000 chasseurs immobiliers actifs, avec des revenus annuels allant de 35 000 € pour un débutant à plus de 120 000 € pour un profil confirmé[reference:6]. Le stack augmenté modifie la structure de coût du chasseur : le poste de dépense principal n'est plus le temps passé à cultiver un réseau ou à éplucher des annonces, mais le coût des abonnements logiciels (Claude Opus : 20 €/mois, Pappers API : 30 à 150 €/mois selon volume, gratuit pour les usages modérés). Le coût marginal de prospection sur une nouvelle commune tend vers zéro.

Structure de coût mensuelle d'un chasseur augmenté (estimation basse)
01 Claude Desktop (Opus) : 20 €/mois. La version gratuite est utilisable pour les recherches simples, mais la puissance de calcul d'Opus est recommandée pour les analyses multi-sources.
02 Pappers API : 30 €/mois (offre 500 crédits). Pour un usage intensif (cartographie de groupe, scoring), l'offre à 150 €/mois (5 000 crédits) est plus adaptée[reference:7].
03 Pappers Immobilier API (optionnel) : 150 €/mois (5 000 crédits). Permet l'accès aux parcelles, ventes, propriétaires, DPE, permis de construire[reference:8].
04 Total mensuel (configuration intermédiaire) : environ 200 €/mois. À comparer avec un honoraire moyen de 5 000 à 15 000 € par transaction réussie. Une seule transaction par an couvre l'intégralité des coûts fixes.
1 deal = 12–36 mois de stack
Équation économique du chasseur augmenté
Un honoraire moyen de 8 000 € couvre 3 ans d'abonnement Claude + Pappers. Chaque deal supplémentaire est presque intégralement de la marge.
Les trois piliers de revenus
Honoraires de chasse, conseil en investissement, et formation

Le business model peut s'articuler autour de trois piliers. Le pilier principal : les honoraires de chasse (2–5% du prix d'achat), facturés à l'acquéreur. Le pilier secondaire : le conseil en investissement, où le chasseur augmenté vend son stack d'analyse (dashboard DVF, scoring vendeur, étude de marché local) comme un service de due diligence pour des investisseurs qui souhaitent valider une opportunité. Le pilier tertiaire : la formation et le contenu (YouTube, newsletters), qui génèrent un flux de leads entrants et une autorité de marché. Les premiers utilisateurs documentent déjà cette approche : "n'hésitez pas à échanger et à me donner des analyses, la prochaine étape c'est analyser une annonce avec des ratios financiers".

04 — Prompts types et méthodologie de prospection
Comment faire parler Claude pour transformer DVF et Pappers en pipeline de deals

La qualité du prompt est le facteur différenciant entre une recherche vague et un pipeline de prospection structuré. Les premiers utilisateurs documentent une approche en huit phases, de la cartographie macro du marché jusqu'à la détection de signaux faibles. Le prompt n'est pas une question unique : c'est une séquence structurée où chaque phase utilise les résultats de la précédente pour affiner le ciblage.

Les 8 phases du prompt de chasse augmentée
01 Cartographie du marché : "Analyse le marché immobilier de [commune] via DVF. Donne-moi le prix médian au m², le volume de transactions sur 3 ans, et le taux de passoires thermiques (DPE F/G)."
02 Analyse des DPE : "Identifie les biens classés F et G vendus récemment dans [commune]. Calcule la décote moyenne observée par rapport au prix médian."
03 Biens comparables : "Trouve les 5 dernières ventes de T2/T3 entre 40 et 90 m² dans un rayon de 500 mètres autour de [adresse cible]."
04 Cadastre et urbanisme : "Vérifie les règles d'urbanisme pour la parcelle [référence cadastrale]. Identifie les permis de construire récents dans la zone."
05 Intelligence vendeur : "Pour chaque SCI propriétaire identifiée dans la zone, utilise Pappers pour vérifier : scoring de solvabilité, procédures collectives en cours, date de création, nombre de biens détenus."
06 Montage : "Pour un bien acheté [prix], avec [travaux] de rénovation, simule le rendement brut post-travaux. Compare le cash-on-cash avec un investissement locatif meublé (LMNP)."
07 Synthèse stratégique : "Génère un dashboard avec : profil idéal, hypothèses, secteur, type de bien, DPE, prix d'achat cible, loyer post-travaux, rendement brut."
08 Signaux faibles : "Identifie les signaux macro spécifiques à [commune] : évolution du taux de vacance, projets d'infrastructure, changements de PLU, concentration de ventes par type de propriétaire."
Le prompt "pipeline off-market"
Comment demander à Claude une liste de SCI en détresse propriétaires de passoires thermiques

Le cas d'usage le plus différenciant du stack augmenté est la détection de vendeurs motivés avant qu'ils ne mettent leur bien sur le marché. Le prompt type combine DVF (pour identifier les biens) et Pappers (pour qualifier le propriétaire) : "Dans un rayon de 2 km autour de [adresse], identifie via DVF les biens classés DPE F ou G vendus entre 2021 et 2024. Pour chaque bien, utilise Pappers pour identifier le propriétaire (SCI ou personne morale). Vérifie pour chaque propriétaire : scoring de solvabilité, présence d'annonces BODACC récentes (dissolution, liquidation, redressement), date de création de la SCI, nombre total de biens détenus. Classe les résultats par probabilité de motivation à vendre (décote acceptable, pression financière, fin de détention)."

05 — Retours d'expérience
Le cas toulousain : 2 600 transactions, 24% de passoires, rendement brut de 4%

Un utilisateur a documenté sur YouTube l'application du stack DVF + Pappers + Claude au marché toulousain. Les résultats fournissent un premier benchmark de ce que le stack peut produire en une session de travail. Sur le marché de l'appartement toulousain, le dashboard généré identifie environ 2 600 transactions cibles (T2 à T4, 40 à 90 m², entre 150 000 € et 350 000 €). Parmi ces biens, 24% sont des passoires énergétiques (DPE F ou G), ce qui représente le segment à plus forte création de valeur. La décote observée sur ces passoires se situe entre 8 et 14% du prix de marché, soit environ 17 000 à 30 000 € sur un bien à 220 000 €. Le rendement brut locatif médian sur la zone se situe entre 4 et 4,5%.

Profil résidentiel haut
Risque faible, rendement faible
Prix au m² élevé, DPE A à D, rendement brut de 3 à 3,5%. Liquidité élevée à la revente. Peu de création de valeur possible. Profil adapté aux investisseurs patrimoniaux long terme.
Profil étudiant / métro
Risque modéré, rendement modéré
Prix au m² intermédiaire, forte demande locative, rendement brut de 4 à 6%. Liquidité correcte. Risque de vacance locative plus élevé. Profil adapté au cash-flow.
Profil rendement élevé
Risque fort, rendement fort
Quartiers populaires ou biens avec travaux. Rendement brut théorique de 7 à 10%. Risque de vacance élevé et liquidité faible à la revente. Nécessite une gestion active.
Scénario d'investissement type généré par Claude
Appartement DPE G à 230 000 €, décote de 12%, rendement brut post-travaux de 3,96%

Le dashboard toulousain a produit un scénario type : appartement classé G au prix de marché de 230 000 €. Décote négociée de 12% (alignée sur la médiane observée dans DVF), soit un prix d'achat de 193 000 €. Frais de notaire à 7,5% : 14 520 €. Travaux de rénovation énergétique : 22 000 € (estimation). Enveloppe totale : 229 520 €. Loyer cible post-travaux : 760 €/mois hors charges, soit 9 120 €/an. Rendement brut : 3,96%. Le point clé souligné par l'utilisateur est que ce rendement brut ne raconte pas toute l'histoire : il faut calculer le cash-on-cash (rendement sur l'apport personnel effectif) et intégrer la plus-value potentielle à la revente après rénovation — le véritable moteur d'enrichissement en immobilier.

DVF vs Pappers : deux outils complémentaires, non substituables
DVF donne la photo du marché, Pappers donne le contexte du vendeur

L'utilisateur insiste sur la distinction fondamentale entre les deux sources. DVF répond à la question "qui vend quoi et à quel prix ?" : c'est la photographie statistique du marché. Pappers répond à la question "qui est le vendeur, quelle est sa situation financière, et quelle est sa motivation probable ?" : c'est le contexte vivant derrière chaque transaction. DVF permet d'identifier les biens ; Pappers permet d'identifier les propriétaires en détresse (SCI en dissolution, procédures collectives, comptes annuels dégradés). C'est le croisement des deux qui transforme une recherche de marché en pipeline de prospection off-market.

06 — Fragilités et limites
Ce que le stack augmenté ne peut pas faire, et les risques du modèle

Le stack DVF + Pappers + Claude est un multiplicateur de force pour le chasseur immobilier, mais il ne remplace ni le jugement humain ni le passage à l'acte commercial. Ses limites doivent être intégrées dans le business plan.

  • Données DVF avec 6 à 18 mois de décalage : les transactions sont publiées avec un délai significatif après la signature de l'acte authentique. Dans un marché haussier, les prix DVF sous-estiment la valeur actuelle. Le chasseur doit appliquer une prime de marché estimée ou croiser avec les prix d'offre actuels pour détecter la tendance.
  • Qualité variable des données Pappers : les comptes annuels des SCI ne sont pas toujours disponibles ou à jour. Une SCI familiale qui ne publie pas ses comptes sera invisible pour le scoring de solvabilité. Le taux de couverture n'est pas de 100%.
  • Le passage à l'acte reste humain : identifier un propriétaire potentiellement vendeur ne suffit pas. Il faut le contacter, établir une relation de confiance, et négocier. Le stack réduit le temps de recherche, pas le temps de négociation.
  • Risque de banalisation : si le stack DVF + Pappers devient accessible à tous les chasseurs, l'avantage concurrentiel se déplace de l'accès aux données vers la qualité de l'exécution commerciale. La fenêtre d'opportunité pour les premiers utilisateurs est réelle mais probablement temporaire.
  • Dépendance à la fiabilité des APIs : le modèle repose sur la disponibilité continue des serveurs MCP de data.gouv.fr et de Pappers. Une interruption de service ou un changement de conditions d'accès (passage au payant, restriction de débit) peut paralyser le pipeline de prospection.
L'illusion du "tout automatique"
Le stack est un GPS, pas un pilote automatique

Le risque principal pour l'entrepreneur qui lance sa boîte de chasse augmentée est de confondre l'outil avec la stratégie. Le stack DVF + Pappers + Claude réduit drastiquement le temps de sourcing et améliore la qualité du ciblage, mais il ne remplace pas le jugement sur la qualité d'un bien (état réel, emplacement, travaux nécessaires), ni la capacité à convaincre un vendeur de céder son bien en off-market. L'utilisateur documenté le rappelle : "j'aime bien vérifier l'information". Le stack est une aide à la décision, pas une décision automatique.