Intelligence artificielle et immobilier responsable : alliés ou adversaires
Depuis deux ans, l'intelligence artificielle s'est invitée dans à peu près toutes les conversations d'affaires, et l'immobilier n'y échappe pas. On nous promet des évaluations instantanées, des bâtiments qui s'autorégulent, des décisions plus rapides et mieux informées. La promesse est séduisante — et, sur plusieurs plans, elle se concrétise déjà.
Mais pour qui s'intéresse à l'immobilier à impact, une question plus délicate se pose. Une technologie n'est jamais tout à fait neutre : elle amplifie les intentions de ceux qui l'utilisent. L'IA peut aider à réduire l'empreinte carbone d'un parc immobilier et à mieux entretenir les logements. Elle peut aussi servir à optimiser des loyers au détriment des locataires, ou à consommer l'électricité même dont nos bâtiments ont besoin. Alliée ou adversaire? La réponse dépend moins de l'outil que de la main qui le tient.
Où l'IA touche déjà l'immobilier
Avant de trancher, il faut mesurer l'ampleur réelle du phénomène. L'intelligence artificielle n'est plus une hypothèse dans le secteur immobilier : elle est déjà à l'œuvre, souvent sans qu'on la remarque.
Elle intervient dans l'évaluation des propriétés, où des modèles analysent des milliers de transactions comparables en quelques secondes. Dans la gestion énergétique, où des systèmes ajustent le chauffage et la ventilation en fonction de l'occupation réelle et de la météo à venir. Dans la maintenance prédictive, où l'analyse des données d'équipement permet de repérer une pompe ou un système de ventilation avant qu'il ne tombe en panne. Dans la conception, où l'on teste rapidement des dizaines de configurations de plan. Et, plus délicatement, dans la sélection des locataires et la fixation des loyers.
Cette liste révèle déjà quelque chose d'important. Les premières applications touchent surtout les choses — des systèmes, des matériaux, des équipements. Les dernières touchent les personnes. Cette frontière n'est pas anodine : c'est précisément là que se joue la différence entre une IA alliée et une IA adversaire.
L'alliée : optimiser ce qui existe déjà
C'est du côté de l'énergie que le potentiel est le plus tangible — et le plus mesurable. Selon le Programme des Nations Unies pour l'environnement, le secteur du bâtiment et de la construction représentait en 2023 environ 32 % de la consommation énergétique finale mondiale et 34 % des émissions de CO₂ liées à l'énergie. Autrement dit, le tiers du problème climatique se trouve dans les murs qui nous entourent.
Or, une part importante de cette énergie est simplement gaspillée : des locaux chauffés quand personne ne les occupe, une ventilation qui tourne à plein régime sans nécessité, des systèmes réglés une fois à la livraison et jamais réajustés. C'est exactement le type d'inefficacité qu'une IA sait corriger, parce qu'il s'agit d'un problème d'ajustement continu — chose que l'humain fait mal, et que la machine fait bien.
L'Agence internationale de l'énergie (AIE) a chiffré ce gisement. Dans son rapport Energy and AI, elle estime que la généralisation des interventions d'IA déjà existantes dans les bâtiments permettrait des économies d'électricité de l'ordre de 300 térawattheures (TWh) par année à l'échelle mondiale — l'équivalent de la production électrique annuelle actuelle de l'Australie et de la Nouvelle-Zélande réunies. Ce n'est pas une projection spéculative sur une technologie à venir : c'est ce que permettraient les outils d'aujourd'hui, s'ils étaient déployés à grande échelle.
Ce potentiel prend tout son sens lorsqu'on l'applique au bâti existant. Nous écrivions récemment que le bâtiment le plus écologique est souvent celui qui existe déjà, dans notre article sur la reconversion de bâtiments existants. L'IA prolonge exactement cette logique : plutôt que de tout reconstruire pour gagner en performance, on peut faire mieux fonctionner ce qui est déjà debout. C'est une forme de sobriété — utiliser l'intelligence plutôt que le béton.
La maintenance prédictive relève de la même philosophie. Repérer une défaillance avant la panne, c'est éviter un remplacement d'urgence, prolonger la vie utile des équipements et, surtout, épargner aux locataires un hiver sans chauffage ou un ascenseur immobilisé pendant des semaines. La technologie sert alors directement la qualité de vie des gens — ce qui, en habitation, est la seule mesure qui compte vraiment.
L'adversaire : quand l'algorithme décide du loyer
Il serait malhonnête de s'arrêter au tableau optimiste. Les dérives ne sont pas hypothétiques : elles ont été documentées, plaidées devant les tribunaux, et elles ont coûté cher.
La fixation algorithmique des loyers. Aux États-Unis, le département de la Justice a poursuivi l'entreprise RealPage, dont le logiciel de gestion des revenus recommandait des prix de location à partir de données non publiques fournies par des propriétaires concurrents. L'allégation centrale : un tel système peut, dans les faits, aligner les prix entre concurrents et freiner les baisses de loyer — au détriment des locataires. En novembre 2025, un règlement a été déposé; RealPage n'a reconnu aucune responsabilité, mais a accepté d'importantes balises encadrant l'usage des données de baux actifs et la conception de ses fonctionnalités de tarification, ainsi que la surveillance d'un contrôleur nommé par la cour.
La sélection automatisée des locataires. Toujours aux États-Unis, l'entreprise SafeRent a conclu en 2024 un règlement d'environ 2,3 M$ US dans un recours collectif alléguant que son outil de pointage des candidats locataires désavantageait de façon disproportionnée les ménages détenant un bon de logement — et, parmi eux, les personnes noires et hispaniques. Un des reproches était limpide : l'algorithme ne tenait pas compte de la valeur du bon de logement dans sa lecture de la capacité de payer. Le règlement interdit désormais l'affichage du pointage pour les candidats utilisant un bon.
Ces deux affaires enseignent la même leçon. Un algorithme entraîné sur des données historiques reproduit fidèlement ce qu'il y trouve — y compris les inégalités. Il ne les invente pas; il les hérite, puis les applique à grande échelle, avec une constance qu'aucun gestionnaire humain n'atteindrait. Le danger n'est pas que la machine soit malveillante : c'est qu'elle soit efficace, et parfaitement indifférente aux conséquences.
Il faut ajouter un mot sur l'opacité. Lorsqu'une demande de logement est refusée par un système automatisé, la personne concernée se heurte souvent à un mur : personne ne peut lui expliquer pourquoi. Dans un domaine aussi fondamental que le droit d'avoir un toit, cette absence de reddition de comptes n'est pas un détail technique. C'est une question de dignité.
Le paradoxe énergétique : l'IA aussi doit se loger
Voici la tension la moins discutée, et pourtant la plus concrète pour le Québec. L'intelligence artificielle ne flotte pas dans un nuage abstrait : elle habite des bâtiments bien réels, qui occupent du terrain et consomment de l'électricité.
Les chiffres de l'AIE donnent la mesure du phénomène. En 2024, les centres de données représentaient environ 415 TWh, soit près de 1,5 % de la consommation mondiale d'électricité. D'ici 2030, cette consommation devrait plus que doubler, pour atteindre quelque 945 TWh — un peu plus que la consommation électrique totale du Japon aujourd'hui.
Mettons ces deux chiffres côte à côte, car la comparaison est éloquente. L'IA appliquée aux bâtiments pourrait économiser environ 300 TWh par année. Les centres de données qui font tourner cette même IA en consommaient déjà 415 TWh en 2024, et en consommeront près de 945 TWh en 2030. La technologie qui promet d'optimiser nos bâtiments consomme donc davantage qu'elle ne fait économiser à ceux-ci. Ce constat n'invalide pas les gains — ils sont réels, et l'AIE souligne que les réductions d'émissions permises par les applications d'IA existantes dépasseraient largement les émissions des centres de données eux-mêmes. Mais il interdit l'enthousiasme naïf. L'AIE est d'ailleurs sans ambiguïté : l'IA peut être un outil de réduction des émissions, mais elle n'est pas une solution miracle et ne dispense pas de politiques publiques volontaristes.
Au Québec, ce débat a cessé d'être théorique. Selon Radio-Canada, la province comptait en novembre 2025 quelque 81 centres de données, pour une consommation d'environ 150 MW. Hydro-Québec anticipe que ces fermes de serveurs auront besoin de 1 102 MW en 2035 — une multiplication par plus de sept en une décennie. La société d'État a d'ailleurs refusé, dans une lettre datée du 12 juin 2025, environ 50 MW à un projet de centre de données à Gatineau, invoquant un contexte énergétique défavorable. Depuis 2025, l'alimentation d'un centre de données de 5 MW ou plus requiert une autorisation ministérielle.
La question devient alors très terre-à-terre : dans une province où l'électricité est une ressource convoitée et où il faut chauffer des dizaines de milliers de nouveaux logements, quelle part de nos mégawatts souhaitons-nous consacrer aux serveurs, et quelle part aux gens? Ce n'est pas une question technique. C'est un choix de société, et il mérite d'être posé ouvertement.
Ce que dit déjà le cadre québécois
Le Québec n'est pas démuni face à ces enjeux. Depuis le 22 septembre 2023, l'article 12.1 de la loi sur la protection des renseignements personnels dans le secteur privé — issu de la réforme communément appelée « Loi 25 » — encadre les décisions fondées exclusivement sur un traitement automatisé.
Concrètement, une entreprise qui rend une telle décision doit en informer la personne concernée au plus tard au moment de la lui communiquer. Sur demande, elle doit lui indiquer les renseignements personnels utilisés ainsi que les principaux facteurs ayant mené à la décision, lui permettre de faire corriger des renseignements erronés, et lui donner l'occasion de présenter ses observations à un membre du personnel en mesure de réviser la décision.
Traduit en langage d'habitation : un gestionnaire immobilier québécois qui confierait la sélection de ses locataires à un système entièrement automatisé devrait le dire, l'expliquer, et offrir un recours humain. La loi s'applique du reste à tout système de décision automatisée, qu'il fasse appel à l'IA ou non. Et il faut le noter — dès qu'une intervention humaine véritablement déterminante s'insère dans le processus, ces obligations particulières cessent de s'appliquer. Ce qui, en pratique, envoie un signal utile : garder un humain aux commandes n'est pas seulement une bonne pratique, c'est la voie que le législateur privilégie.
Alliés ou adversaires? Une question mal posée
À l'usage, on s'aperçoit que la question initiale est piégée. L'IA n'est ni l'alliée ni l'adversaire de l'immobilier responsable : elle est un amplificateur. Elle amplifie l'intention de celui qui la déploie.
Le même type de modèle prédictif peut anticiper une panne de chauffage pour épargner un hiver difficile à une famille, ou détecter le moment précis où un locataire acceptera une hausse plutôt que de déménager. La technologie est identique. Ce qui change, c'est ce qu'on lui demande d'optimiser. Une IA à qui l'on donne pour seul objectif de maximiser le revenu par unité livrera exactement cela — y compris ses effets collatéraux. Une IA à qui l'on demande de réduire la consommation énergétique tout en maintenant le confort livrera cela aussi.
Le véritable enjeu n'est donc pas « pour ou contre l'IA ». Il est dans la fonction qu'on lui assigne, et dans les garde-fous qu'on maintient autour d'elle. Trois principes nous semblent raisonnables. Un humain garde la décision lorsque celle-ci touche une personne : l'outil recommande, l'humain tranche, et assume. La transparence est un dû, pas une faveur : quiconque subit une décision doit pouvoir en comprendre les motifs. Et on optimise ce qui doit l'être — l'énergie, la maintenance, la conception —, en laissant hors du périmètre de l'automatisation ce qui relève du jugement et de la relation humaine.
Cette exigence de discernement rejoint une préoccupation que nous portons depuis longtemps : celle de mesurer honnêtement ce qu'un projet produit réellement, sur le plan financier comme sur le plan humain. C'est la logique même des montages qui marient capital patient et mission sociale, dont nous parlions dans notre article sur l'immobilier communautaire et le modèle hybride. Une technologie ne change rien à cette exigence — elle la rend simplement plus urgente.
Ce que l'IA ne remplacera pas
Un modèle peut analyser un quartier en quelques secondes. Il ne peut pas y marcher, ni sentir si les gens s'y sentent chez eux. Il peut estimer la valeur d'un immeuble avec une précision remarquable. Il ne peut pas décider si le projet qu'on y mène est juste. Il peut classer mille candidatures. Il ne peut pas comprendre l'histoire d'une personne qui cherche un endroit où recommencer.
L'immobilier à impact repose sur des jugements que l'on ne peut pas déléguer : quelle communauté servir, quel compromis accepter, quelle patience s'imposer. Ce sont des choix de valeurs, et les valeurs ne s'entraînent pas sur un jeu de données.
L'intelligence artificielle sera donc ce que nous en ferons. Utilisée pour mieux entretenir les logements, réduire leur empreinte et libérer du temps humain pour ce qui compte, elle est une alliée précieuse. Utilisée pour extraire le maximum de ménages qui n'ont nulle part où aller, elle devient un adversaire redoutable — d'autant plus redoutable qu'elle est patiente, méthodique et invisible.
La technologie n'a pas d'intention. Nous, oui. C'est là, et nulle part ailleurs, que se joue la réponse.
Sources et références
• Agence internationale de l'énergie (AIE) — « Energy and AI » (2025). Centres de données : environ 415 TWh en 2024, soit ~1,5 % de la consommation mondiale d'électricité, et projection d'environ 945 TWh d'ici 2030. Potentiel d'économies d'environ 300 TWh grâce aux interventions d'IA existantes dans les bâtiments. iea.org
• Programme des Nations Unies pour l'environnement (PNUE) et Global Alliance for Buildings and Construction — « Global Status Report for Buildings and Construction 2024/2025 ». Le secteur du bâtiment et de la construction représentait en 2023 environ 32 % de la consommation énergétique finale mondiale et 34 % des émissions de CO₂ liées à l'énergie. unep.org
• Radio-Canada — « Hydro-Québec prévoit l'explosion de la consommation des centres de données » (24 novembre 2025). 81 centres de données au Québec, consommation actuelle d'environ 150 MW, prévision de 1 102 MW en 2035. ici.radio-canada.ca
• Radio-Canada — « Projet de centre de données à Gatineau : le courant ne passe pas avec Hydro-Québec ». Refus d'environ 50 MW dans une lettre datée du 12 juin 2025, invoquant un contexte énergétique défavorable. ici.radio-canada.ca
• Département de la Justice des États-Unis c. RealPage Inc. — Règlement proposé déposé le 24 novembre 2025 concernant les logiciels de tarification algorithmique des loyers. RealPage n'a reconnu aucune responsabilité. Analyse : Wilson Sonsini, « DOJ Settles Its Algorithmic Price-Fixing Case Against RealPage ». wsgr.com
• Louis c. SafeRent Solutions — Règlement d'environ 2,275 M$ US approuvé en novembre 2024 (U.S. District Court, District of Massachusetts) dans un recours alléguant une discrimination de l'outil de pointage des candidats locataires. Cohen Milstein, « $2.28M Settlement Against SafeRent Reached ». cohenmilstein.com
• Loi sur la protection des renseignements personnels dans le secteur privé (RLRQ, c. P-39.1), article 12.1, en vigueur depuis le 22 septembre 2023 — obligations d'information et de révision applicables aux décisions fondées exclusivement sur un traitement automatisé. legisquebec.gouv.qc.ca · Commission d'accès à l'information du Québec : cai.gouv.qc.ca
Cet article est fourni à titre informatif uniquement et ne constitue pas un conseil financier ou d'investissement. Pour des recommandations adaptées à votre situation personnelle, nous vous invitons à consulter un professionnel qualifié.
