Prix de l'immobilier : un même choc de taux, des effets très inégaux

Un même choc de taux ou de croyances, appliqué au même moment sur tout le territoire, ne produit jamais la même trajectoire de prix d’un endroit à l’autre. Les modèles macroéconomiques standards, calibrés sur un agent représentatif national, ratent structurellement cette hétérogénéité, parce qu’ils confondent ce que la demande fait aux prix et ce que la capacité de l’offre à réagir fait à l’amplitude de ce mouvement. Isoler ce second facteur suppose de comparer des zones soumises à un choc de demande comparable : c’est exactement ce que fait la littérature académique mobilisée plus bas, en opposant des zones américaines aussi demandées les unes que les autres mais dont la capacité de construction diffère du simple au quintuple. Ce qui distingue leurs trajectoires n’est pas d’abord la psychologie des acheteurs mais l’élasticité locale de l’offre, une variable rarement présente dans les grilles de lecture utilisées en banque, en assurance et en gestion de patrimoine. Les acheteurs eux-mêmes ne sont pas irrationnels au sens courant du terme : leurs anticipations à un an suivent correctement les prix récents, mais ils sur-extrapolent systématiquement à dix ans, un biais mesuré par enquête directe et non supposé.


Ouvrir le simulateur → Calculez votre taux d’effort HCSF et évaluez le coût réel de rester ou de vendre votre bien.

Ce que les enquêtes disent des anticipations

Ce que les données établissent. Pendant vingt-cinq ans, Case, Shiller et Thompson ont interrogé directement des acheteurs venant de signer, dans quatre zones métropolitaines américaines, sur leurs anticipations de prix [1]. Le résultat contredit le récit habituel du biais cognitif diffus : les anticipations à un an sont plutôt bien informées et sous-réagissent aux variations récentes, corrélation observée entre perception et évolution effective des prix. Le décrochage se situe ailleurs, sur l’horizon à dix ans, où les anticipations ont atteint des niveaux anormalement élevés au pic du cycle des années 2000, avant de refluer brutalement ; l’actualisation de l’enquête sur la décennie suivante montre une extrapolation nettement moins marquée lors du rebond de 2012-2021, ce qui suggère que l’intensité du biais varie avec le cycle de crédit sous-jacent plutôt que d’être une constante comportementale indépendante de lui. Ce n’est donc pas une irrationalité générale qu’il faut chercher, mais un biais extrapolatif précis, localisé sur le long terme, dont l’ampleur elle-même semble liée aux conditions de crédit du moment plutôt qu’entièrement séparable d’elles, un point qui rejoint la discussion sur le crédit menée plus loin.

Ce mécanisme comportemental n’agit cependant pas seul, et son poids relatif face au crédit reste disputé dans la littérature plutôt que tranché. Kaplan, Mitman et Violante ont construit un modèle structurel de l’économie américaine intégrant plusieurs chocs agrégés, dont un choc de croyances sur la demande future de logement [2]. Leur conclusion : le principal moteur des mouvements de prix pendant la bulle des années 2000 a été ce basculement des croyances, et non un assouplissement des conditions de crédit, résultat robuste au sein de leur propre modèle, mais dont la lecture causale est explicitement contestée par une école concurrente. Mian et Sufi attribuent le même épisode américain à l’expansion de l’offre de crédit portée par la titrisation privée à partir de 2003 et par des prêteurs non bancaires, la hausse des anticipations des acheteurs marginaux n’étant dans leur lecture qu’un canal de transmission de ce choc d’offre plutôt que sa cause première [14]. Kaplan, Mitman et Violante situent eux-mêmes leur travail dans ce débat non tranché plutôt que comme réfutation. Ce qui importe pour la suite de cette analyse dépasse ce désaccord : dans les deux lectures, c’est un relâchement du crédit, qu’il précède la croyance ou qu’il la transmette, qui a permis à l’épisode de prendre l’ampleur qu’il a eue.

L’élasticité, la variable qui transforme un choc national en trajectoires locales

Ce que les données établissent. Glaeser, Gyourko et Saiz ont formalisé le lien entre offre et bulle : dans leur modèle, les zones à offre élastique connaissent des envolées de prix moins fréquentes, plus courtes et de moindre ampleur que les zones à offre inélastique, causalité établie par le modèle et corroborée empiriquement sur les données américaines des années 1980 [3]. Saiz a ensuite quantifié cette élasticité zone par zone, à partir de données satellitaires sur la topographie et de l’indice de régulation foncière de Wharton, montrant que la contrainte géographique et la contrainte réglementaire jouent un rôle statistiquement distinct et cumulatif [4]. La figure suivante, construite à partir de ces données, illustre l’ampleur de l’écart : Los Angeles, New York, Chicago et Boston combinent une régulation foncière stricte et une élasticité inférieure à 1, tandis qu’Atlanta, Houston ou Dallas, moins régulées, dépassent 2.


Figure 1. Régulation de l’usage des sols et élasticité-prix de l’offre, 269 zones métropolitaines américaines. Source : Saiz (2010) [4], calculs Probans à partir des données de réplication de l’auteur.

L’écart se lit directement sur les données : l’élasticité tombe à 0,63 à Los Angeles et 0,76 à New York, contre 2,55 à Atlanta et 2,30 à Houston, un rapport de un à quatre entre deux villes américaines de taille comparable [4]. La transposition à la France n’est pas automatique, ni sur le plan de la mesure : Friggit ne mesure pas exactement le même objet que Saiz. Il estime l’élasticité du prix des logements par rapport à leur nombre, l’effet d’une hausse du parc sur les prix, et non l’élasticité-prix de l’offre au sens de Saiz, la réaction de la construction à une hausse des prix ; l’auteur note lui-même que ce second problème, inverse du premier, a fait l’objet de davantage de travaux [5]. Son ordre de grandeur confirme néanmoins, sur son propre objet, que l’effet volume sur les prix reste limité en France et très dépendant des contraintes locales : sur un parc de 37 millions de logements, une hausse de 1 % de l’offre ferait reculer les prix de 1 à 2 % [5]. Trannoy et Wasmer fournissent, dans une note remise à Matignon, une démonstration à petite échelle du mécanisme de Saiz à l’œuvre dans la politique française : le dispositif fiscal Scellier, en subventionnant l’achat de terrain à bâtir dans certaines zones réglementaires, a été suivi d’une hausse des prix fonciers à la frontière de ces zones, corrélation observée et attribution plausible à l’incidence fiscale sur une offre contrainte, plutôt que d’un effet volume sur la construction [6]. Autrement dit, quand l’offre est rigide, une politique de soutien à la demande se capitalise dans le prix du foncier au lieu de produire des logements supplémentaires, exactement la prédiction du modèle de Glaeser, Gyourko et Saiz.

L’élasticité locale de l’offre n’est pas un paramètre technique parmi d’autres : c’est la variable qui décide si un choc de croyances ou de taux, identique partout, se termine en bulle à un endroit et en simple ajustement ailleurs.

Le verrou macroprudentiel français, une variable absente des modèles américains

Mon interprétation. Le modèle de Kaplan, Mitman et Violante a été calibré sur un marché américain où, jusqu’en 2008, l’accès au crédit était largement discrétionnaire du côté des prêteurs. La France fonctionne depuis 2022 sous une contrainte inverse et juridiquement opposable : le Haut Conseil de stabilité financière plafonne le taux d’effort des emprunteurs à 35 % des revenus et la durée des prêts à 25 ans, avec une marge de dérogation limitée à 20 % de la production trimestrielle par établissement, règle reconduite sans modification lors de la séance du 3 mars 2026 [8]. Si le canal du crédit n’est, selon Kaplan, Mitman et Violante, pas le principal moteur du niveau des prix mais bien celui de l’ampleur du levier et des défauts, alors ce verrou n’empêche pas la formation d’anticipations extrapolatives, mais il borne mécaniquement leur capacité à se traduire en surendettement des ménages et donc en fragilité bancaire systémique, causalité plausible non démontrée à ce stade pour le marché français faute d’un modèle structurel équivalent calibré sur données nationales.

Mon interprétation. La règle des 35 % agit en France comme un couperet sur les volumes : quand les taux montent, elle exclut mathématiquement de l’accès au crédit les acheteurs marginaux, ménages les plus modestes ou les plus jeunes, dont le taux d’effort franchit le seuil, ce qui contracte immédiatement la taille du marché plutôt que sa structure de risque. Le marché américain d’avant 2008 fonctionnait sur la logique inverse : la flexibilité des critères d’octroi permettait de maintenir le volume d’acheteurs solvables en apparence, au prix d’un risque systémique reporté sur la qualité des dossiers plutôt que sur leur nombre. Une analyse de la Banque de France documente précisément ce lien entre assouplissement des critères d’octroi lors des remontées de taux et sinistralité ultérieure : entre 2008 et 2015, le doublement du taux de défaut sur les crédits immobiliers français a été porté par les cohortes d’emprunteurs pour lesquelles les conditions d’octroi s’étaient le plus assouplies lors de la précédente remontée des taux, corrélation documentée par le superviseur lui-même [15].

Ce que les données établissent. Cette différence de réglementation s’ajoute à une différence de structure de produit. Le marché américain reste globalement dominé par le prêt fixe à trente ans, mais le segment subprime, monté à environ 20 % des originations totales en 2006, était financé par des prêts à taux ajustable à hauteur de 73 % en 2004 [12]. Ces prêts hybrides, à taux d’appel réduit pendant deux ou trois ans, exposaient les emprunteurs à un choc de mensualité au moment du réajustement, précisément entre 2006 et 2007, quand les prix avaient déjà commencé à se retourner. Le marché français en est structurellement protégé : la quasi-totalité des crédits immobiliers y sont à taux fixe sur toute la durée du prêt, au point que l’Autorité de contrôle prudentiel et de résolution attribue explicitement le coût du risque plus faible des banques françaises à cette prépondérance du taux fixe [13]. Concrètement, un choc de taux comme celui de mai-juin 2026 ne peut renchérir mécaniquement que les mensualités des nouveaux emprunteurs : c’est un canal de flux, pas de stock.

Cette même structure à taux fixe produit cependant un effet de blocage (lock-in) : les ménages ayant emprunté entre 2019 et 2021 à des taux proches de 1 % n’ont statistiquement aucun intérêt à vendre pour racheter à plus de 3,3 %. Les données de production de crédit de la Banque de France illustrent ce basculement : à fin mars 2026, les primo-accédants représentaient 44,6 % des emprunteurs contre 38,7 % pour les secundo-accédants, ces ménages déjà propriétaires dont les reventes alimentaient auparavant le renouvellement de l’offre [16]. Cet effet d’immobilisation réduit l’offre de biens disponibles à la revente précisément dans les zones où la demande reste la plus forte, ce qui peut maintenir des prix artificiellement élevés dans les zones inélastiques malgré la dégradation du pouvoir d’achat immobilier.

Le retrait-gonflement des argiles, une inélasticité nouvelle et son revers assurantiel

Extrapolation prudente, synthèse propre à cette analyse. La cartographie du retrait-gonflement des argiles a été actualisée par arrêté du 9 janvier 2026 et s’applique depuis le 1er juillet 2026 : la part du territoire métropolitain classée en exposition moyenne ou forte passe de 48 % à 55 %, et plus de 12 millions de maisons individuelles sont désormais concernées [10]. Depuis la loi ELAN, ces zones imposent une étude géotechnique et des techniques de fondation renforcées avant toute construction, ce qui revient, dans la mécanique même du modèle de Glaeser, Gyourko et Saiz, à un renchérissement du coût marginal de construction analogue à une contrainte topographique, à ceci près que cette contrainte s’étend chaque année sous l’effet du changement climatique plutôt que d’être fixe comme le relief. Le phénomène représente désormais 70 % du coût du régime d’indemnisation des catastrophes naturelles sur les bâtiments selon la Caisse centrale de réassurance [11], ce qui en fait aussi, pour la première fois, une variable qui relie directement l’élasticité de l’offre locale à l’assurabilité et à la valorisation du collatéral bancaire.

La France mi-2026, un test en direct plutôt qu’une illustration

Le printemps 2026 offre un choc suffisamment net pour tester la grille de lecture précédente.

Tableau 1. Chronologie du choc de taux, France, avril à juin 2026.

Repère	Valeur	Source
OAT 10 ans, mi-mai 2026	~4 %, niveau non revu depuis 2008-2009	Agence France Trésor [17]
OAT 10 ans, adjudication du 4 juin 2026	3,80 %	Agence France Trésor [17]
Décision BCE du 11 juin 2026	Taux de dépôt 2,25 %, taux de refinancement 2,40 %	BCE [17]
Inflation France, mai 2026	+2,4 % sur un an	Insee [18]
Taux moyen crédits habitat, mai 2026	3,25 %, contre 3,05 % en juin 2025	Banque de France [8]
Indice Notaires-Insee logements anciens, T1 2026	+0,2 % sur le trimestre, +0,1 % sur un an, hausse portée uniquement par l’Île-de-France	Insee [7]

Ce que les données établissent. La reprise du premier trimestre 2026 était déjà étroite avant le choc géopolitique de fin mai, puisqu’elle reposait uniquement sur l’Île-de-France pendant qu’elle restait stable en province, corrélation observée entre zone tendue et sensibilité aux premiers signaux de détente des taux [7]. La grille des piliers développée plus haut permet une prédiction testable : si l’élasticité locale gouverne bien la transmission du choc de taux de mai-juin 2026, la contraction de la demande devrait être plus marquée dans les zones à offre inélastique, littoral, grandes métropoles à foncier contraint, que dans les villes moyennes à offre plus élastique. Compte tenu de la structure à taux fixe, cette contraction devrait se lire presque exclusivement du côté du flux de nouvelles transactions et de la production de crédit. L’effet de blocage complique toutefois la lecture : si le stock de biens à la revente est déjà comprimé par l’écart de taux, une contraction de la demande pourrait n’y produire qu’un ralentissement des volumes sans ajustement de prix visible.

Application par profil de décision

Tableau 2. Lecture par profil de la grille élasticité, croyances et institutions.

Profil	Enjeu	Réversibilité	Implication pratique	Registre de preuve
Particulier acheteur	Critique	Partiellement réversible	Une même annonce de baisse de taux ne produit pas le même effet sur les prix selon la tension locale de l’offre ; utile pour arbitrer le calendrier d’achat par zone plutôt que sur la seule base de l’indice national.	Corrélation observée, contexte français à confirmer
Banque, gestion du risque de crédit	Critique	Irréversible	La concentration géographique d’un portefeuille de crédit immobilier mérite une lecture par élasticité locale et par exposition au retrait-gonflement des argiles. La structure à taux fixe déplace le risque d’un choc de taux vers le flux de nouvelle production : le pilotage doit suivre le taux d’acceptation à 35 % autant que le taux de défaut.	Extrapolation prudente, sauf sur la structure des taux, établie [13]
Assureur, valorisation du risque climatique	Modéré	Partiellement réversible	L’extension du zonage RGA en 2026 modifie simultanément le coût de construction, la sinistralité attendue et la valeur de collatéral dans les zones concernées : trois effets à modéliser ensemble plutôt que séparément.	Établi sur la sinistralité, extrapolation prudente sur le lien avec l’élasticité
Gestion de patrimoine	Modéré	Partiellement réversible	La diversification géographique d’un patrimoine immobilier doit intégrer l’élasticité locale de l’offre comme facteur de risque à part entière. L’effet de blocage sur le stock de reventes est aussi un paramètre de timing : un propriétaire à taux bas a rarement intérêt à arbitrer vers un autre bien avant que l’écart de taux ne se resserre.	Corrélation observée

Lexique

• Élasticité-prix de l’offre de logement : variation en pourcentage du parc de logements entraînée par une hausse de 1 % des prix, ou son inverse selon la convention retenue ; une élasticité faible signifie une offre rigide qui amplifie l’effet des chocs de demande sur les prix.
• HCSF (Haut Conseil de stabilité financière) : autorité macroprudentielle française qui fixe des règles contraignantes d’octroi du crédit immobilier depuis 2022.
• Taux d’effort : part des revenus nets consacrée au remboursement d’un crédit, assurance emprunteur comprise, plafonnée à 35 % par le HCSF.
• RGA (retrait-gonflement des argiles) : mouvement de terrain lié aux variations d’humidité des sols argileux, cause principale d’indemnisation du régime catastrophes naturelles pour les bâtiments en France.
• WRLURI (Wharton Residential Land Use Regulatory Index) : indice académique de sévérité de la régulation de l’usage des sols résidentiels, utilisé par Saiz pour mesurer l’élasticité de l’offre.
• Indice Notaires-Insee : indice trimestriel des prix des logements anciens en France, construit à partir des actes notariés.
• Macroprudentiel : ensemble des politiques visant à prévenir le risque systémique dans le système financier, par opposition à la supervision microprudentielle d’un établissement pris isolément.
• Prêt hybride à taux ajustable (ARM) : crédit dont le taux est fixe pendant une période initiale de deux à cinq ans puis se réajuste sur un indice de marché, très minoritaire en France, dominant dans le segment subprime américain des années 2000.
• Canal de stock / canal de flux : distinction entre un choc qui renchérit le service de la dette déjà contractée par les ménages (stock) et un choc qui ne renchérit que les nouveaux crédits accordés (flux) ; la structure de taux d’un marché détermine lequel des deux domine.
• Effet de blocage (lock-in) : réticence d’un propriétaire à taux fixe bas à vendre pour racheter à un taux plus élevé, qui réduit l’offre de biens à la revente indépendamment de tout choc de demande.

Bibliographie

1. Case K.E., Shiller R.J., Thompson A.K. (2012, actualisé 2022), What Have They Been Thinking? Homebuyer Behavior in Hot and Cold Markets, Brookings Papers on Economic Activity, 45(2), p. 265-315.
2. Kaplan G., Mitman K., Violante G.L. (2020), The Housing Boom and Bust: Model Meets Evidence, Journal of Political Economy, 128(9), p. 3285-3345.
3. Glaeser E.L., Gyourko J., Saiz A. (2008), Housing Supply and Housing Bubbles, Journal of Urban Economics, 64(2), p. 198-217.
4. Saiz A. (2010), The Geographic Determinants of Housing Supply, Quarterly Journal of Economics, 125(3), p. 1253-1296.
5. Friggit J. (2021), L’élasticité du prix des logements par rapport à leur nombre, CGEDD.
6. Trannoy A., Wasmer É. (2013), Comment modérer les prix de l’immobilier ?, Notes du Conseil d’analyse économique, n°2.
7. Insee (2026), Au premier trimestre 2026, les prix des logements anciens sont en hausse (+0,2 %), Informations rapides n°130.
8. Haut Conseil de stabilité financière, Banque de France (2022-2026), règles d’octroi du crédit immobilier et données de conjoncture.
9. Fnaim (2026), analyse des disparités territoriales du marché résidentiel.
10. Ministère de la Transition écologique, Géorisques (2026), cartographie et réglementation du retrait-gonflement des argiles, arrêté du 9 janvier 2026.
11. Caisse centrale de réassurance (2025-2026), données de sinistralité et projections liées au retrait-gonflement des argiles.
12. Federal Reserve Bank of Chicago (2010), Default Rates on Prime and Subprime Mortgages, Profitwise News and Views.
13. Autorité de contrôle prudentiel et de résolution (2025), N°172, La situation des grands groupes bancaires français à fin 2024.
14. Mian A., Sufi A. (2018), Credit Supply and Housing Speculation, NBER Working Paper 24823.
15. Banque de France (2023), Haut Conseil de stabilité financière : une notoriété inespérée.
16. Banque de France, données de production de crédit immobilier hors renégociation à fin mars 2026.
17. Agence France Trésor, Banque centrale européenne (2026), séries de taux OAT 10 ans et décisions de taux directeurs, juin 2026.
18. Insee (2026), indice des prix à la consommation, mai 2026, publication du 12 juin 2026.