Performance sous pression : points de convergence de quatre leaders de l’immobilier commercial et pourquoi tout commence par les données

Le contexte de marché à l'aube de 2026 est une situation que la plupart des professionnels de l'immobilier commercial ont appris à décrire avec précision. Il n'y a pas de crise actuelle, mais la reprise complète ne s'est pas encore concrétisée. Nous nous situons plutôt entre ces deux extrêmes : les capitaux reviennent de manière sélective, l'activité transactionnelle reprend progressivement et les incertitudes macroéconomiques persistent.

Nous avons récemment rencontré quatre leaders de l'écosystème de l'immobilier commercial pour analyser en profondeur la gestion de la performance et des risques dans ce contexte. Ce fut une discussion franche et directe entre des acteurs clés de l'immobilier commercial, suffisamment proches des problématiques pour offrir des perspectives pertinentes au-delà des simples réunions.

Ce qui en est ressorti était moins un débat qu'une convergence : différentes positions dans l'écosystème de l'immobilier commercial, mais beaucoup des mêmes convictions fondamentales sur ce qu'il faut pour bien mesurer et gérer.

La mesure de la performance nécessite un cadre de référence, et pas seulement des données.

La pression pour justifier les performances auprès des investisseurs et des conseils d'administration n'a jamais été aussi forte, et les données constituent un point de départ naturel. Mais pour Jack Dowd, consultant senior chez Aon Investment Consulting, les données seules ne répondent pas pleinement aux attentes de ses clients. Ces derniers, notamment des fonds de pension et des fonds Taft-Hartley, s'engagent sur plusieurs décennies auprès de leurs sponsors et partenaires. Ils veulent des chiffres, certes, mais ces derniers ne suffisent pas à dresser un tableau complet. « Nos clients s'intéressent également à d'autres indicateurs, plus qualitatifs », explique M. Dowd. Il s'agit notamment du taux de rotation des cadres dirigeants, des risques juridiques et de la stabilité organisationnelle qui perdure au-delà d'un simple cycle de performance.

Melanie Domres, présidente de NewTower Trust Company, apporte une perspective complémentaire grâce à son expertise interne. Son entreprise supervise l'évaluation et la valorisation de plus de 300 actifs pour le compte de clients de fonds de premier plan. Son approche est pragmatique : les critères de décision restent inchangés, quelles que soient les conditions économiques. « La démarche décisionnelle est la même, quelles que soient les circonstances », explique-t-elle. Acheter, vendre ou conserver – et si conserver, à quel prix et selon quelle stratégie. Les données éclairent ces décisions, mais ne remplacent pas le cadre de référence sous-jacent.

Joshua Rome, directeur principal de l'analyse de la performance et du portefeuille chez Nuveen Real Estate, apporte la dimension analytique. Son équipe se situe à l'intersection du reporting et de la prise de décision pour un portefeuille de plus de 100 milliards de dollars d'actifs sous gestion. Elle travaille à partir de trois silos de données interconnectés – opérationnels, d'évaluation et de performance – qui doivent impérativement être cohérents. En cas d'incohérence, les conclusions du modèle sont erronées, aussi sophistiquée que puisse paraître l'analyse.

« Lorsque vous disposez de différents points de données que vous forcez à être cohérents, et que vous construisez ces modèles à partir des données les plus granulaires, vous êtes beaucoup moins susceptible de tirer de fausses conclusions », a déclaré Rome.

Le risque lié aux données est aussi réel que le risque lié au marché.

Un point sur lequel le panel est revenu à plusieurs reprises est que les données elles-mêmes comportent des risques, indépendamment des conditions de marché qu'elles tentent de décrire.

Rome a identifié deux catégories distinctes de ce risque, la première étant la qualité des données. Les états financiers audités par l'équipe comptable d'un fonds constituent un niveau de fiabilité de base, car ils sont liés aux balances de vérification et ont été validés. Cependant, même les données auditées présentent des failles : des inversions mensuelles, des conventions comptables différentes selon les équipes, ou encore des incohérences qui n'apparaissent que lorsqu'on compare deux fonds comptabilisés par deux équipes différentes utilisant deux définitions différentes d'un même terme. Une fonction de gouvernance des données contribue largement à prévenir ces problèmes, mais elle exige un engagement institutionnel, et non de simples bonnes intentions.

Le second risque est celui de la comparabilité ; les modèles d’attribution reposent implicitement sur l’hypothèse que l’on compare des éléments comparables, mais cette hypothèse est souvent erronée, plus fréquemment qu’on ne le reconnaît. Prenons l’exemple d’un gestionnaire d’actifs dont les résultats dépassent le budget et dont les performances comparables semblent favorables, mais qui, pourtant, sous-performe son indice de référence. Le premier réflexe est de s’interroger sur le gestionnaire. Le diagnostic, le plus souvent, est ce que Rome appelle « l’effet d’allocation caché » : une qualité d’actif différente, un niveau de loyer différent, une position sur le marché que l’indice de référence ne reflète pas. « On peut transformer cela en une analyse pertinente plutôt qu’en une mauvaise interprétation », a-t-il souligné. Mais seulement si vos ensembles de données sont suffisamment granulaires pour identifier les véritables causes de la divergence.

Domres aborde cette question du point de vue d'une praticienne. Chez NewTower, elle consacre beaucoup de temps et d'énergie à gérer les conséquences de l'utilisation des comparables de vente et de location par les évaluateurs tiers, utilisation qui ne reflète pas la position concurrentielle d'un actif spécifique. « Nous les analysons en profondeur », explique-t-elle à propos des comparables. « Nous ne les sélectionnons pas de manière arbitraire. » Sélectionner les comparables de manière arbitraire produit un chiffre facile à justifier : on peut se référer aux comparables qui le soutiennent. Analyser les comparables permet d'obtenir un chiffre qui résiste à l'examen, car il prend en compte l'ensemble de la situation, et non une simple sélection favorable.

La cohérence du processus d'évaluation est ce qui donne du sens à la comparaison des performances.

La rigueur en matière de qualité des données, l'élaboration de cadres de référence et les efforts déployés pour harmoniser les données d'évaluation, d'exploitation et de performance servent un objectif précis : permettre aux investisseurs institutionnels d'évaluer les gestionnaires sur ce qui les distingue réellement.

Robby Tandjung, vice-président exécutif du département de conseil en évaluation chez Groupe Altus, l'a parfaitement résumé. Lorsque les processus d'évaluation sont uniformes d'un fonds à l'autre, utilisant les mêmes méthodologies, les mêmes critères d'examen et la même rigueur de plateforme, la comparaison que les clients de Dowd cherchent à effectuer devient pertinente. En l'absence de cette uniformité, les échanges entre un consultant en fonds et un gestionnaire de fonds sont faussés par des différences d'évaluation sans lien avec les décisions d'allocation ou de sélection. « Désormais, ils peuvent choisir le fonds uniquement en fonction du style de gestion, de l'allocation et de la sélection, et non plus en fonction de différences d'évaluation », a expliqué Tandjung.

Tandjung a également signalé que L'analyse comparative elle-même évolue de manière à relever le niveau d'exigence pour tous.*La moyenne d'un indice ne suffit plus, car les investisseurs demandent de plus en plus une analyse détaillée de la performance, prenant en compte l'impact sur les flux de trésorerie par rapport à l'impact sur le rendement, l'ancienneté du projet, la catégorie d'immeuble et le sous-marché. « Il ne s'agit plus seulement de moyennes », a-t-il expliqué, en précisant qu'un fonds de base et un fonds de base plus nécessitent des indices de référence différents.portefeuille industriel dans l'Inland EmpireL'analyse de *$* exige une perspective différente de celle d'un indice de référence industriel diversifié. Pour les équipes d'évaluation et de performance, cela signifie que l'infrastructure de données doit être suffisamment granulaire pour permettre ce niveau de décomposition, non seulement aujourd'hui, mais aussi face à l'évolution constante des attentes des investisseurs.

Les pressions décrites par Tandjung sont celles auxquelles Altus s'est directement préparée. Altus s'est concentrée sur des flux de travail connectés et une analyse proactive des performances, offrant à chaque partie prenante, des évaluateurs aux gestionnaires de portefeuille, une vue unifiée des mêmes données au lieu de devoir concilier des versions distinctes.capacité d'analyse comparativeLa solution développée par Altus repose sur la même logique : des comparaisons issues d’un ensemble de données nationales de modèles DCF ARGUS, chacun calculé à l’aide du même moteur, ce qui garantit que la décomposition fine décrite par Tandjung s’appuie sur des entrées et des sorties cohérentes. Des fonctionnalités telles que le Résumé des hypothèses, qui centralise automatiquement toutes les hypothèses intégrées à un modèle d’évaluation d’actifs, répondent directement aux exigences de transparence et d’auditabilité régulièrement exprimées par le panel.

Shree Guha, directeur principal de la stratégie commerciale et des opérations chez Groupe Altus, a animé la table ronde et a résumé le point essentiel : « La cohérence du processus favorise la transparence. » Il s’agit d’une formulation d’une simplicité trompeuse pour quelque chose de véritablement difficile à réaliser et de véritablement important.

L'IA accélère le travail, mais l'exigence de jugement reste la même.

La discussion s'est conclue sur une note prospective concernant l'évolution des relations entre l'immobilier commercial, les données et l'IA. Un même constat s'est dégagé parmi les intervenants : l'IA modifie le rythme du travail, mais pas sa nature.

Dowd utilise Microsoft Copilot pour transcrire les réunions de direction, ce qui lui permet de regarder son interlocuteur plutôt que son écran pendant la conversation. C'est un avantage indéniable, mais les limites restent importantes : la qualité des données d'entrée influence directement la qualité des résultats, comme pour tout autre modèle d'analyse assistée par l'IA. Augmenter la production ne signifie pas nécessairement la améliorer, et l'efficacité permise par l'IA ne réduit pas les besoins en personnel : elle élargit le champ d'action de chaque équipe. « Tout le monde travaille plus vite, mais cela ne signifie pas que nous avons besoin de moins de personnel », a déclaré Dowd.

Domres a mis l'accent sur un risque souvent négligé : l'intégration de données compromises par l'IA dans les processus. Elle a souligné que certaines organisations extraient directement les données des annonces immobilières, notamment les loyers que les gestionnaires mettent à jour quotidiennement en fonction de l'évolution du marché. Ce renouvellement constant rend les données techniquement actuelles, mais complexes à analyser : si les chiffres changent chaque jour, il est impossible d'en dégager une tendance. « Nous risquons de nous retrouver dans la même situation avec l'IA, si nous n'y prenons pas garde », a déclaré Domres. Lorsque des données générées par l'IA sont considérées comme une vérité absolue sans recoupement, le signal se perd dans le bruit. Le jugement humain et la connaissance du marché restent essentiels dans un environnement assisté par l'IA. Au contraire, leur valeur s'accroît.

Pour l'avenir, Rome a été direct quant aux changements nécessaires : le secteur est encore trop cloisonné. Historiquement, les équipes de recherche, de transactions, de gestion d'actifs et de performance communiquaient sans s'écouter, chacune travaillant à partir de données non interconnectées. Il se montre toutefois prudemment optimiste : des données connectées et cohérentes commencent à transformer la donne. Lorsque les chiffres racontent une histoire cohérente entre les différentes fonctions, l'alignement interfonctionnel devient possible comme jamais auparavant.

Les quatre points de vue exprimés semblaient converger vers la même conclusion : les entreprises qui s’en sortent le mieux dans cette période sont celles qui ont accompli le travail de fond ingrat.Des données propres, des processus cohérents, des cadres qui résistent à l'examen.Ils considèrent l'IA comme un accélérateur de cette fondation, et non comme un substitut.

Vous souhaitez être informé de nos nouveaux contenus, articles et événements CRE pertinents ?