Par Vincent Dominique, ex-Directeur Général de Corum Asset Management — société de gestion SCPI/OPCI
À l’heure des LLM, la valeur d’un modèle Excel institutionnel se déplace vers ce que l’IA ne fournit pas : la conformité aux conventions françaises, la signature d’expertise, et la traçabilité d’audit.
La question se pose à chaque praticien institutionnel en 2026 : si un LLM peut générer un modèle Excel d’analyse d’acquisition immobilière en quelques minutes, à quoi sert un modèle structuré et signé à 249 € ? C’est une objection légitime. Elle mérite une réponse précise, pas un discours défensif.
La réponse n’est pas dans la forme visible d’un tableur. Elle est dans ce que le modèle garantit au-delà de l’apparence : des conventions françaises exactes, une signature qui engage une responsabilité professionnelle, et un audit reproductible au centime. Ce sont ces trois dimensions que l’IA ne génère pas — pas parce qu’elle est incapable de produire du texte ou des formules, mais parce que ces dimensions n’existent pas dans les corpus sur lesquels elle a été entraînée. C’est dans cet écart que se loge la valeur d’un modèle institutionnel — et c’est cet écart que les trois sections suivantes documentent en détail, à partir des conventions que le modèle d’analyse d’acquisition tertiaire intègre nativement.
Il serait inexact, et peu crédible, de soutenir qu’un LLM ne peut pas produire un modèle Excel d’analyse financière immobilière. La réalité est plus nuancée.
Sollicitez ChatGPT ou Claude pour générer un tableur d’analyse d’acquisition : vous obtiendrez, en quelques échanges, une structure utilisable. Un onglet d’hypothèses avec les paramètres attendus (prix d’achat, durée de détention, taux d’intérêt, taux de vacance). Un onglet de flux avec une projection annuelle du NOI. Un calcul de TRI et de VAN. Un DSCR de premier niveau. Les formules sont cohérentes, la structure est lisible, et pour une validation d’ordre de grandeur ou un test de sensibilité rapide, cela fait le travail.
Pour des cas d’usage standards — une simulation préliminaire avant de commander une analyse complète, une vérification rapide d’une offre de prix, un arbitrage de premier niveau — la valeur de cet output IA est réelle. Ce n’est pas ce que cet article cherche à contester.
Le générateur de modèle Excel par IA présente cependant une limite structurelle : il produit ce qui est documenté publiquement et enseigné en formation standard. Il ne produit pas ce qui est transmis en pratique institutionnelle, entre praticiens, et qui n’a jamais été formalisé dans un manuel ou un texte de référence accessible au web.
La première limite d’un modèle Excel généré par IA sur une acquisition tertiaire française est sa méconnaissance des conventions juridiques et fiscales du marché. Ces conventions sont connues des praticiens, mais absentes — ou incorrectement représentées — dans la documentation publique en français et dans les corpus d’entraînement des LLM, majoritairement constitués de sources anglophones.
Les droits de mutation à titre onéreux (DMTO) selon la structure. Un modèle IA-généré appliquera dans la quasi-totalité des cas un taux de DMTO uniforme, souvent proche du taux d’acquisition directe (~5,80 %). La réalité du marché institutionnel est plus granulaire. La cession de parts de SCI à l’IS est taxée à 3 % sur le prix des parts. La cession de parts de SCI IR est taxée à 5 % sur la valeur de l’actif net. La cession de titres d’une société holding à l’IS dont les actifs sont qualifiés de société à prépondérance immobilière (SPI) est taxée à 5 % sur le prix des titres ; si les titres ne relèvent pas du régime SPI, le taux chute à 0,1 %. Ces taux sont issus des articles 726 et suivants du CGI. Sur un actif mid-market à 12 M€, l’erreur de structure — appliquer 5,80 % là où la structure impose 3 % — représente environ 336 000 € de coût de revient mal calculé, soit un biais d’environ 2,8 % sur la base d’amortissement et sur le calcul de la plus-value de cession. Ce n’est pas un détail de présentation : c’est une erreur d’analyse.
L’indexation ILC/ILAT bail par bail. Un modèle IA-généré appliquera généralement un taux de revalorisation annuel uniforme sur l’ensemble des revenus locatifs. La pratique institutionnelle française distingue l’ILC (Indice des Loyers Commerciaux) de l’ILAT (Indice des Loyers des Activités Tertiaires), avec des compositions différentes et des trajectoires de progression distinctes. Sur un actif mixte commerce + bureaux, appliquer un indice uniforme produit une projection de revenus biaisée dès la première révision triennale. Le mécanisme complet ILC/ILAT et son impact sur la modélisation est documenté dans un article dédié.
L’amortissement par composants (CGI art. 39). Pour un immeuble détenu à l’IS, l’article 39 du CGI impose la ventilation du bâti en cinq composants — gros œuvre, façades, toiture, installations générales et techniques (IGT), agencements — dont les durées d’utilisation distinctes sont définies par le règlement CRC 2004-06. La plupart des modèles génériques simplifient par un amortissement linéaire unique sur 30 ans. C’est fiscalement inexact : les dotations annuelles sont différentes, la Valeur Nette Comptable évolue différemment, et le résultat fiscal est faussé sur l’ensemble de la période de détention. L’erreur est invisible à la saisie et se révèle à l’audit.
La méthode Hardcore de valorisation à la cession. La valeur vénale institutionnelle d’un actif tertiaire ne se calcule pas en capitalisant le loyer en place. Elle s’établit par la méthode Hardcore : décomposition entre la BASE_VLM (valeur permanente calculée sur le NOI_VLM normalisé au loyer de marché) et la COUCHE_REVERSION (valeur actualisée de l’écart entre les loyers contractuels et la VLM sur la WALB résiduelle). C’est le standard des comités d’investissement institutionnels — SCPI, foncières cotées, fonds immobiliers — et c’est la méthode des experts indépendants en valorisation. Un LLM sollicité sur ce point proposera presque systématiquement la capitalisation directe du NOI, produisant une valeur de cession qui ne résisterait pas à un comité de 30 minutes. La méthode Hardcore complète est documentée dans un article dédié.
Les régimes fiscaux de cession. Le Modèle Cession/Arbitrage intègre six régimes de taxation de la plus-value : IS direct, SCI à l’IS, SCI IR, OPCI, SCPI, et Holding SAS-IS avec ou sans qualification de société à prépondérance immobilière. Chaque régime produit un produit net de cession différent. Un modèle IA-généré qui ignore cette mécanique ne permet pas de comparer des offres de cession nettes selon leurs structures respectives.
Ces cinq conventions — DMTO par structure, ILC/ILAT bail par bail, amortissement par composants, méthode Hardcore, régimes fiscaux de cession — ne sont pas des options de modélisation. Ce sont des conventions du marché institutionnel français, connues des praticiens et ignorées des modèles génériques, qu’ils soient générés par IA ou téléchargés depuis des bibliothèques de templates.
Un modèle Excel présenté en comité d’investissement institutionnel ne circule pas de manière anonyme. Il est produit par un analyste identifié, présenté sous la responsabilité d’un directeur d’investissement, et challengé par des membres de comité qui cherchent à invalider les hypothèses. C’est le format de toute décision d’investissement sérieuse : la responsabilité est attachée à des personnes, pas à un outil.
Dans ce contexte, la question « d’où vient ce chiffre ? » a une réponse attendue : elle réfère à une méthode, à une source, à un praticien. Répondre « ce chiffre est issu d’un modèle généré par ChatGPT » ne constitue pas une réponse défendable — non parce que l’IA serait disqualifiée comme outil, mais parce qu’aucun membre de comité ne peut challenger un modèle qu’il ne peut pas inspecter, dont il ne connaît pas les conventions sous-jacentes, et dont l’auteur ne peut pas être interrogé.
La signature d’un modèle institutionnel remplissait, avant l’ère des LLM, une fonction de responsabilité : l’auteur s’engage sur les conventions retenues, sur la conformité aux pratiques du marché, sur la traçabilité de chaque hypothèse. Pendant dix ans chez CORUM Asset Management, les analyses d’acquisition et d’arbitrage présentées en comité engageaient la crédibilité professionnelle de ceux qui les défendaient. Ce n’était pas une formalité — c’était la condition pour que les décisions prises sur la base de ces analyses puissent résister à un audit interne, à une due diligence externe, ou à une expertise judiciaire.
Cette dimension de la signature — responsabilité, traçabilité, crédibilité — ne disparaît pas parce qu’un LLM peut produire une trame structurée. Elle se déplace. Dans un environnement où la génération de modèles Excel par IA est accessible à tous, le modèle signé par un praticien identifié, dont les conventions sont documentées et défendables, acquiert une valeur différentielle précisément parce que la trame générique est devenue banale.
Un second point mérite attention : la variabilité des sorties. Deux sessions distinctes, à partir d’un même prompt, peuvent produire des formules légèrement différentes, des hypothèses par défaut divergentes, et des structures d’onglets non identiques. Pour un modèle utilisé une fois à titre exploratoire, cela n’est pas critique. Pour un modèle sur lequel une décision d’investissement est engagée, puis révisée six mois plus tard avec une hypothèse mise à jour, la reproductibilité de la logique sous-jacente est une exigence non négociable.
La troisième limite d’un modèle Excel généré par IA est la plus technique, et la moins visible de l’extérieur.
Le Modèle Cession/Arbitrage de Mensura Models a fait l’objet d’un audit de calcul indépendant sur 186 tests portant sur les formules critiques du modèle : calcul du TRI sur dates exactes, décomposition Hardcore (BASE_VLM et COUCHE_REVERSION), fiscalité de la plus-value dans les six régimes de détention, et calcul des covenants bancaires sur la durée de détention. Cet audit a permis d’identifier des invariants — des valeurs de référence dont la reproductibilité entre versions du modèle constitue la démonstration de son intégrité méthodologique.
Neuf ancres financières — des valeurs de référence calculées sur l’actif de démonstration du modèle — ont été préservées au centime à travers huit versions successives du fichier, de la version 0.13b à la version 0.18. Ces ancres incluent le TRI_CESSION (6,0587 %), le PRODUIT_NET_VENDEUR (5 580 471,91 €), le NOI_AN1 (420 038,55 €), la BASE_VLM (15 134 367,06 €) et le HURDLE (7,00 %). Chaque mise à jour de l’architecture du modèle a été validée sur ces valeurs avant d’être déclarée conforme.
Cette reproductibilité n’est pas une propriété spontanée d’un tableur Excel. Elle est le résultat d’un processus de développement structuré : spécification des invariants en début de projet, tests de régression à chaque version, audit de conformité indépendant en fin de cycle. Un modèle Excel généré par IA peut être cohérent à l’intérieur d’une session, mais il n’a pas subi ce processus. Ses formules n’ont pas été testées contre des valeurs de référence connues. Ses calculs n’ont pas été contre-vérifiés par un auditeur indépendant appliquant les mêmes conventions manuellement.
La question n’est pas de savoir si l’output IA est « correct » dans l’absolu — il peut l’être, pour des conventions simples. La question est de savoir s’il est auditable : peut-on démontrer sa conformité aux conventions françaises, convention par convention, et reproduire exactement la même valeur en réappliquant la même méthode ? C’est ce que l’audit au centime garantit — et c’est ce qu’aucun modèle généré par IA ne peut fournir dans son état actuel.
Poser la question de la limite des LLM ne revient pas à les rejeter du cycle d’analyse institutionnelle. Ce serait une erreur de jugement : l’IA apporte une valeur réelle dans plusieurs phases de ce cycle, et ignorer cet apport pénalise l’équipe qui le fait.
La première contribution est la rédaction du mémoire d’investissement. Un modèle Excel produit des outputs chiffrés — TRI, MoC, DSCR, valeur Hardcore, sensibilités. Transformer ces outputs en une note structurée, avec une narration sur l’actif, le marché, les risques et les hypothèses retenues, est une tâche que les LLM font bien lorsqu’ils disposent des inputs corrects. Ce n’est pas une tâche de calcul : c’est une tâche de synthèse et de mise en forme. Le modèle Excel produit les chiffres ; le LLM structure la prose autour de ces chiffres.
La deuxième contribution est le challenger d’hypothèses. Un analyste peut soumettre ses hypothèses à un LLM comme à un co-analyste : « Un taux de cap de sortie à 5,20 % sur des bureaux Grade A à Levallois-Perret en 2033 est-il cohérent avec le contexte de marché actuel ? Quels sont les arguments pour et contre ? » Ce type de question, qui n’exige pas de calcul précis mais un recoupement de connaissances de marché, est traité correctement par un LLM capable de synthétiser la documentation disponible — à condition que le praticien reste critique sur la réponse reçue.
La troisième contribution est l’extraction d’information textuelle. Lire un bail de 40 pages pour en extraire les clauses d’indexation, les dates de résiliation triennale, les surfaces par preneur et les franchises accordées est une tâche que les LLM traitent efficacement. Ce n’est pas de la modélisation : c’est de la lecture structurée. Les données extraites peuvent ensuite alimenter le modèle institutionnel — elles ne s’y substituent pas.
La quatrième contribution est l’assistance à la mise en forme. Structurer un tableau comparatif de trois actifs, reformater un export comptable mal structuré, vérifier la cohérence d’une liste de transactions comparables : ce sont des tâches de préparation de données que l’IA accélère sans risque d’erreur de convention, parce qu’elles ne requièrent pas d’appliquer des normes fiscales ou juridiques.
Le modèle Excel institutionnel et le LLM ne sont donc pas en compétition sur le même périmètre. L’un produit des calculs certifiés conformes aux conventions françaises, défendables en comité, reproductibles à l’audit. L’autre accélère les tâches textuelles et de mise en forme qui entourent ce calcul. Les deux, utilisés dans leur périmètre respectif, réduisent le temps de préparation d’un dossier de comité sans compromettre la rigueur du calcul.
Mensura Models a été créé pour répondre à une lacune constatée en pratique, pas pour contester l’existence d’alternatives génériques ou IA-générées.
Pendant dix ans chez CORUM Asset Management, les modèles disponibles — qu’ils soient génériques, téléchargés ou construits en interne par des équipes différentes — ne couvraient pas les conventions françaises avec la précision requise pour une présentation en comité. DMTO mal calculés selon la structure, indexation simplifiée, amortissement non conforme, valorisation par capitalisation directe. Ces lacunes ne produisaient pas des erreurs grossières visibles à l’œil — elles produisaient des analyses inexactes dans leurs détails, et des décisions dont les fondements n’étaient pas intégralement défendables.
Mensura Models édite aujourd’hui deux modèles institutionnels :
Le Modèle Analyse d’Acquisition Tertiaire (249 €) couvre l’analyse d’une acquisition de A à Z : structuration DMTO, modélisation des revenus locatifs bail à bail avec indexation ILC/ILAT, amortissement par composants, fiscalité IS et IR, valorisation Hardcore, TRI et sensibilités. Il est documenté dans un article de référence sur la méthode d’acquisition tertiaire.
Le Modèle Cession/Arbitrage Tertiaire (249 €) répond à la question miroir : conserver ou céder un actif en portefeuille ? Il intègre six régimes fiscaux de cession, la mécanique Hardcore appliquée à la valeur de conservation, le calcul du TRI de cession vs TRI de conservation, et une matrice de sensibilité Hold/Sell. Ce modèle a fait l’objet de l’audit de 186 tests décrit plus haut.
Le Bundle Acquisition + Cession est disponible à 399 € (−20 %).
Chaque modèle est signé, versionné, et ses conventions sont documentées dans un article de référence accessible librement. Il ne s’agit pas d’une boîte noire : chaque formule est visible, chaque hypothèse est traçable, chaque convention est explicite. C’est cette transparence — et non la sophistication de la mise en forme — qui distingue un modèle institutionnel d’un modèle générique, qu’il soit produit par un tableur téléchargé ou par un LLM.
La question que tout praticien institutionnel se posera en 2026 n’est plus « comment générer un modèle Excel ? » — c’est désormais accessible à tout le monde. La question est : « est-ce que ce modèle est défendable en comité, auditable à la demande, et conforme aux conventions françaises ? » C’est à cette question que Mensura Models répond.
Voir tous les modèles →Vincent Dominique — ex-Directeur Général de Corum Asset Management — société de gestion SCPI/OPCI. ESSEC Business School Programme Grande École (2009).
