API REST/Référence MCP/analyze_price_trends

analyze_price_trends

10 crédits

Séries temporelles de prix immobiliers par mois, trimestre ou année, avec variations YoY (year-over-year) et résumé de tendance globale.

Paramètres

Au moins un filtre de localisation est requis. La granularité par défaut est quarter (trimestre).

Paramètre	Type	Défaut	Description
code_postal	string	—	Code postal (ex. '69001'). Au moins un filtre de localisation est requis.
commune	string	—	Nom de commune en majuscules (ex. 'LYON', 'LYON 01').
code_departement	string	—	Code département (ex. '69').
latitude	number	—	Latitude WGS84. Nécessite aussi longitude.
longitude	number	—	Longitude WGS84. Nécessite aussi latitude.
type_local	enum	—	Maison \| Appartement \| Terrain \| Local commercial \| Dépendance \| Local industriel
granularity	enum	quarter	Granularité temporelle : month \| quarter \| year. Utilisez year pour les longues périodes, month pour la saisonnalité récente.
date_debut	string	—	Date de début (YYYY-MM-DD). Les départements, arrondissements PARIS 01–20 et codes postaux 75015–75020 sont automatiquement limités aux 3 dernières années.
date_fin	string	—	Date de fin au format YYYY-MM-DD.
exclude_bulk_sales	boolean	true	Exclure les ventes en lot.
exclude_vefa	boolean	true	Exclure les ventes en VEFA (neuf).

exclude_outliers est obsolète

Les prix aberrants sont retirés à l'ingestion : aucune transaction publiée n'en est un. Le paramètre exclude_outliers n'a donc aucun effet. Il reste accepté pour ne pas casser les appels existants, mais il est ignoré. Voir qualité des données.

Demandez à Claude

Claude sélectionne automatiquement la granularité adaptée à votre question :

Montre-moi l'évolution des prix des appartements à Lyon par trimestre sur les 3 dernières années.

Exemple de réponse

{
  "location": { "commune": "LYON" },
  "type_local": "Appartement",
  "granularity": "quarter",
  "series": [
    {
      "period": "2021-Q1",
      "date_debut": "2021-01-01",
      "date_fin": "2021-03-31",
      "count": 412,
      "prix_m2_median": 4120,
      "prix_m2_moyen": 4280,
      "prix_median": 248000,
      "yoy_change_pct": null
    },
    {
      "period": "2021-Q2",
      "date_debut": "2021-04-01",
      "date_fin": "2021-06-30",
      "count": 687,
      "prix_m2_median": 4380,
      "prix_m2_moyen": 4510,
      "prix_median": 265000,
      "yoy_change_pct": null
    },
    {
      "period": "2024-Q1",
      "date_debut": "2024-01-01",
      "date_fin": "2024-03-31",
      "count": 389,
      "prix_m2_median": 4650,
      "prix_m2_moyen": 4820,
      "prix_median": 288000,
      "yoy_change_pct": -2.3
    }
  ],
  "trend_summary": {
    "first_period": "2021-Q1",
    "last_period": "2024-Q1",
    "overall_change_pct": 12.9,
    "peak_period": "2022-Q3",
    "peak_prix_m2_median": 5100
  },
  "_credits": { "used": 10, "remaining": 70 },
  "query_time_ms": 445
}

Résultats mis en cache 24h

Les séries temporelles sont calculées sur des agrégats lourds et mis en cache 24 heures. Utilisez granularity=year pour analyser des tendances longues et granularity=month pour capturer la saisonnalité sur les données récentes. Pour les départements, les arrondissements parisiens et les codes postaux 75015–75020, la fenêtre est automatiquement limitée à 3 ans afin de respecter le timeout de service. Le champ yoy_change_pct est null pour les premières périodes (pas encore de période N−1 disponible).

Visualisation interactive (MCP Apps)

Les hôtes compatibles MCP Apps (Claude, Claude Desktop, etc.) affichent automatiquement une courbe d'évolution interactive : prix médian au m² (ou prix de vente médian, par exemple pour les terrains) par période, avec le nombre de ventes en barres et la variation sur un an au survol. Cette visualisation est additive — les clients sans support MCP Apps reçoivent le JSON textuel exact, sans changement. L'interface s'affiche en français, avec une bascule FR / EN.

find_property_comparables

compare_locations