Étude de cas : 9 226 DPE en PDF importés en une heure, pour environ un euro d'IA

Ce que nous décrivons ici s'est réellement produit chez un bailleur social de 12 500 logements. Les chiffres sont ceux que nous avons mesurés, pas des projections. Le sujet : des milliers d'attestations DPE en PDF, accumulées au fil des campagnes de diagnostic, et jamais rapprochées du référentiel patrimonial.

Le point de départ : 63,6 % de couverture, et des PDF qui dorment

Ce bailleur avait déjà franchi la première étape : le rattachement de son patrimoine à la base des DPE publiée par l'ADEME, qui recense plus de 15 millions de diagnostics réalisés depuis le 1ᵉʳ juillet 2021 pour les logements existants. Cette méthode par adresses, décrite en détail dans notre article de référence, avait traité les 12 521 logements du parc d'une traite et porté la couverture à 63,6 %.

Restait un angle mort. Comme beaucoup d'organismes, ce bailleur détenait aussi une preuve documentaire directe : les attestations DPE remises par les diagnostiqueurs à l'issue de chaque campagne. Des milliers de fichiers PDF, rangés dans des arborescences de dossiers, dont personne ne savait dire lesquels correspondaient à des logements déjà couverts, lesquels comblaient des trous, et lesquels étaient des doublons.

L'enjeu n'est pas théorique. Depuis le 1ᵉʳ janvier 2025, un logement classé G ne peut plus être mis en location ; les classes F suivront au 1ᵉʳ janvier 2028 et les classes E au 1ᵉʳ janvier 2034. Un DPE qui dort dans un dossier est un DPE qui ne sert ni à la programmation des travaux, ni à la sécurisation des mises en location.

Le vrai problème : des fichiers hétérogènes

Sur le papier, l'exercice paraît simple : chaque DPE établi depuis juillet 2021 est enregistré dans la base nationale de l'ADEME sous un numéro unique. Il suffit donc de lire ce numéro dans chaque PDF, puis d'interroger la base officielle. En pratique, un lot de 9 226 fichiers issus de plusieurs campagnes et de plusieurs cabinets de diagnostic ne ressemble jamais à cela. Trois cas de figure coexistaient :

• Des fichiers bien nommés. Une partie des diagnostiqueurs inclut le numéro DPE directement dans le nom du fichier. Pour ceux-là, aucune lecture du document n'est nécessaire.
• Des PDF natifs, mal nommés. Le nom du fichier ne dit rien, mais le document contient une couche texte exploitable : le numéro s'y trouve, à condition d'extraire le texte et de l'y chercher.
• Des PDF numérisés. Le document est une image : pas de couche texte, ou une couche texte inutilisable. C'est le cas le plus coûteux à traiter.

Traiter les trois cas avec le même outil serait une erreur économique. Envoyer 9 226 documents à un modèle de vision par ordinateur fonctionne, mais fait payer le tarif du cas difficile à des fichiers dont le nom contenait déjà la réponse.

La solution : une cascade, du moins cher au plus cher

Le principe retenu est une cascade d'extraction à trois étages. Chaque document ne monte à l'étage supérieur que si l'étage courant a échoué.

Étape 1 — lire le nom du fichier

Le numéro DPE suit un format régulier et se repère de façon fiable dans une chaîne de caractères. Première tentative, donc : chercher ce motif dans le nom du fichier lui-même. Coût : nul. Une part importante du lot s'arrête là.

Étape 2 — lire le texte du PDF

En cas d'échec, le texte du document est extrait par des moyens classiques, sans IA, et le même motif y est recherché. Coût : quelques millisecondes de calcul par document, toujours aucun appel à un modèle payant. La majorité des PDF natifs mal nommés est résolue à cet étage.

Étape 3 — la vision par IA, en dernier recours

Ne restent alors que les documents numérisés ou atypiques. Les deux premières pages — là où figure systématiquement le numéro — sont soumises à un modèle de vision léger, avec une consigne stricte : renvoyer le numéro DPE ou rien. C'est le seul étage payant de la cascade, et il ne voit passer qu'une fraction du lot.

Le point important n'est pas la prouesse : c'est que la cascade écrase le coût marginal. Chaque document résolu gratuitement aux étages 1 et 2 ne coûte rien ; seuls les cas réellement difficiles consomment de l'IA.

Extraire ne suffit pas : vérifier, arbitrer, tracer

Un numéro extrait d'un PDF n'est encore qu'une hypothèse. Un fichier peut avoir été mal nommé, une numérisation peut être ambiguë, un diagnostiqueur peut avoir déposé la mauvaise attestation dans le mauvais dossier. La chaîne de contrôle qui suit l'extraction est ce qui rend le résultat exploitable par un responsable de patrimoine.

La fiche officielle ADEME comme preuve

Chaque numéro extrait est vérifié contre la fiche officielle du diagnostic dans la base de l'ADEME : adresse, caractéristiques, étiquette. Le rattachement ne repose donc jamais sur le seul contenu du PDF, mais sur la donnée publique de référence. Pour tout logement rattaché, on peut produire le numéro, la fiche officielle correspondante et la règle qui a conduit au rattachement.

Un arbitre qui refuse dans le doute

Lorsque la correspondance entre la fiche officielle et le logement du patrimoine n'est pas évidente — adresse formulée différemment, numéro de voie discordant, résidence à plusieurs entrées —, le cas passe devant un arbitre IA dont la consigne est asymétrique : en cas de doute, refuser. Sur l'ensemble du projet, 4 416 cas douteux ont été arbitrés de cette manière. Un refus prudent se rattrape ; un faux rattachement, lui, contamine silencieusement la donnée patrimoniale. Les difficultés d'appariement d'adresses ne sont d'ailleurs pas propres à ce bailleur : sur 150 adresses restées « sans candidat », 42 % masquaient en fait des DPE déposés ailleurs dans la même rue — nous y consacrons un article entier.

Zéro doublon, et jamais de remplacement automatique

Deux garde-fous complètent la chaîne. Le premier est le contrôle bloquant zéro-doublon : un même DPE ne peut jamais être attribué à deux logements, quelle que soit l'origine du rattachement. Le second concerne les logements qui possédaient déjà un DPE rattaché : lorsqu'une attestation importée propose de le remplacer, la décision part en file d'arbitrage humaine. Le remplacement n'est jamais automatique ; chaque décision est tracée, avec son auteur, sa date et l'archivage de l'ancien diagnostic. L'outil propose, le responsable de patrimoine dispose.

Le résultat : de 63,6 % à 69,1 % de couverture

Au terme de l'import, la couverture DPE du parc est passée de 63,6 % à 69,1 %, soit 5,5 points gagnés sur un patrimoine de 12 500 logements — sans nouvelle campagne de diagnostic, uniquement en valorisant des documents que le bailleur possédait déjà. Les cas restants sont désormais qualifiés : logements réellement sans diagnostic d'un côté, propositions de remplacement en attente de validation humaine de l'autre. La différence est essentielle : un trou de couverture qualifié se pilote, un stock de PDF non exploité ne se pilote pas.

Trois enseignements généraux

• La cascade rend le coût marginal quasi nul. Trier les documents par difficulté croissante et réserver les moyens coûteux aux seuls cas qui l'exigent : c'est ce qui permet de traiter plus de neuf mille documents pour environ un euro d'IA. La même logique vaut pour n'importe quel gisement documentaire.
• L'IA en dernier recours seulement. Le modèle de vision n'intervient que là où les méthodes déterministes échouent, et l'arbitre IA n'intervient que là où la règle ne suffit pas — avec pour consigne de refuser dans le doute. L'IA est ici un filet, pas un pilote.
• La preuve rend le résultat auditable. Chaque rattachement s'appuie sur la fiche officielle de la base ADEME et chaque remplacement passe par une validation humaine tracée : le résultat n'est pas seulement un pourcentage de couverture, c'est un dossier justifiable, ligne à ligne.

Et pour votre parc ?

Si des attestations DPE dorment dans vos dossiers, elles représentent probablement plusieurs points de couverture immédiatement récupérables, sans commander un seul diagnostic supplémentaire. Écrivez-nous à contact@techflowai.fr pour une démonstration sur un échantillon de vos propres documents : vous verrez, chiffres à l'appui, ce que votre patrimoine peut regagner.