Auteur moral

Auteur secondaire

Résumé

"Depuis 2013, l'Ademe collecte l'ensemble des diagnostics de performance énergétique (DPE) réalisés en France métropolitaine. Cette base fournit des informations importantes sur la performance énergétique des logements, mais n'est pas représentative de l'ensemble du parc car les DPE ne sont produits, sauf exception, qu'à l'occasion des transactions (y compris des logements neufs) et des mises en location. Cette base présente donc un biais en faveur de la construction neuve moins énergivore et également des biens mis en location, non représentatifs du parc dans son ensemble. Dans ce contexte, la base ne peut être directement mobilisée pour décrire l'état du parc selon les classes de consommation énergétique et d'émissions de gaz à effet de serre. Elle peut en revanche être utilisée dans le cadre d'une modélisation visant à produire des estimations statistiques et à prédire les étiquettes DPE sur l'ensemble du parc de logements. La méthode d'estimation se fonde sur une extrapolation de la base des DPE de l'Ademe pour les logements construits avant 2022, après correction et redressement de cette base, et un vieillissement du parc sur les années 2022, 2023 et 2024 à partir des DPE observés pour les logements neufs". Source Wissem BABA-MOUSSA , auteur

Descripteur Urbamet

diagnostic de performance énergétique

Descripteur écoplanete

Thème

Énergie - Climat

Texte intégral

Estimation de l?état du parc de logements par classe de performance énergétique Novembre 2025 NOTE MÉTHODOLOGIQUE 2 Estimation de l?état du parc de logements par classe de performance énergétique Résumé Depuis 2013, l?Ademe collecte l?ensemble des diagnostics de performance énergétique (DPE) réalisés en France métropolitaine. Cette base fournit des informations importantes sur la performance énergétique des logements, mais n?est pas représentative de l?ensemble du parc car les DPE ne sont produits, sauf exception, qu?à l?occasion des transactions (y compris des logements neufs) et des mises en location. Cette base présente donc un biais en faveur de la construction neuve moins énergivore et également des biens mis en location, non représentatifs du parc dans son ensemble. Dans ce contexte, la base ne peut être directement mobilisée pour décrire l?état du parc selon les classes de consommation énergétique et d?émissions de gaz à effet de serre. Elle peut en revanche être utilisée dans le cadre d?une modélisation visant à produire des estimations statistiques et à prédire les étiquettes DPE sur l?ensemble du parc de logements. La méthode d?estimation se fonde sur une extrapolation de la base des DPE de l?Ademe pour les logements construits avant 2022, après correction et redressement de cette base, et un vieillissement du parc sur les années 2022, 2023 et 2024 à partir des DPE observés pour les logements neufs. Auteur Wissem BABA-MOUSSA (SDES) 3 Estimation de l?état du parc de logements par classe de performance énergétique I. Construction d?une base d?études de DPE ..................................................................... 4 II. Recalage sur la structure du parc total - appariement avec le répertoire Fidéli ....... 4 III. Modélisation ................................................................................................................ 5 IV. Simulation des DPE et vieillissement du parc ......................................................... 5 V. Limites et incertitudes ....................................................................................................... 6 Sommaire 4 Estimation de l?état du parc de logements par classe de performance énergétique Cette étape consiste à construire à partir des bases téléchargées depuis l?outil de requêtage de l?Ademe, la base d?étude contenant les diagnostics relatifs aux logements antérieurs à 2022 (pour pouvoir réaliser la deuxième étape d?appariement avec le répertoire Fidéli). Des variables géographiques (catégorie d?agglomération, zone de tension immobilière?) ou permettant des imputations en cas de non-réponse (zone climatique, altitude) sont également ajoutées. Une base de données brutes complète est ainsi créée, avec les principales variables utiles précisées dans le dictionnaire des variables. Cette base brute connait ensuite une étape de nettoyage avec l?exclusion des DPE hors champ (DPE « tertiaire », DPE « immeuble » et DPE réalisés dans les DOM) et de correction (suppression des doublons, traitement des erreurs manifestes). Lors de la réalisation du DPE d?un immeuble d?habitation collectif (DPE « immeuble »), le diagnostiqueur a la possibilité d?établir, sous certaines conditions, les DPE individuels de l?ensemble des appartements le constituant sans visiter l?ensemble de ces logements. L?évaluation de l?étiquette du logement est alors obtenue à partir des informations collectées ou calculées pour la réalisation du DPE de l?immeuble, éventuellement complétées d?informations accessibles depuis l?extérieur des appartements. Les DPE « appartements » issus des DPE collectifs sont ainsi souvent très homogènes au sein d?un même immeuble. Afin d?éviter une potentielle sur-représentation d?appartements de mêmes types, les appartements non visités dans le cadre des DPE « immeubles » ont été exclus de la base d?étude (environ 66 % des appartements concernés par un DPE « immeuble »). Pour cette nouvelle estimation, 36,1 % de la base nettoyée (DPE hors champ exclus) ont été générés à partir des données DPE immeuble. La base exhaustive utilisée pour décrire le parc de logements est le répertoire Fidéli1, géré par l?Insee, qui regroupe les informations fiscales issues de la taxe d?habitation, de la taxe foncière et de l?impôt sur le revenu. Cette base est celle utilisée pour estimer la distribution par classe de performance énergétique de l?ensemble du parc de logements. Dans un premier temps, un appariement entre les observations DPE réalisées entre octobre 2024 et mars 2025 et Fidéli 2022 a été effectué afin de constituer la base permettant de modéliser les diagnostics DPE en fonction des caractéristiques du logement. En l?absence d?identifiant du logement, cet appariement est réalisé en rapprochant le logement pour lequel a été établi le DPE au logement de Fidéli le plus proche géographiquement et partageant des caractéristiques similaires (surface, période de construction2, type de logement). 1 Fichiers démographiques sur les logements et les individus : ce répertoire, constitué par l?Insee, regroupe diverses données, notamment d?origine fiscale, afin d?améliorer la connaissance du parc de logements et de la démographique résidente. 2 Pour ces nouvelles estimations, l?appariement est effectué sur la période de construction et non plus sur l?année de construction, comme dans les précédentes estimations, car l?année de construction n?est plus renseignée de manière systématique dans les bases DPE. I. Construction d?une base d?études de DPE II. Recalage sur la structure du parc total - appariement avec le répertoire Fidéli 5 Estimation de l?état du parc de logements par classe de performance énergétique Cette méthode d?appariement ne permet pas d?associer toujours exactement le bon logement, ni de connaître parfaitement le ménage y résidant au moment du diagnostic. L?échantillon des DPE géocodés et appariés à Fidéli est constitué d?environ 1,1 million de diagnostics. III. Modélisation Pour les résidences principales, la modélisation est faite de façon séparée suivant le type de logement (individuel ou collectif) et l?énergie principale de chauffage (électricité, gaz de ville, fioul, bois et réseau de chaleur). Un modèle logit multinomial permet de calculer pour chaque logement et chaque énergie de chauffage les probabilités d?être classé A, B, [?], G. Afin d?améliorer la qualité du modèle par rapport à l?estimation précédente, une procédure de sélection de variables stepwise a été conduite en partant du modèle antérieur et en intégrant les nouvelles variables envisagées. Ainsi le modèle mobilise les variables suivantes : ? la période de construction, utilisée en tranches en suivant l?évolution des réglementations thermiques au fil du temps (RT 1974, RT 1988, RT 2000, RT 2005 puis RT 2012) ; ? la tranche de surface, définie de manière distincte pour les appartements et les maisons ; ? des variables liées au bâti : valeur locative (en tranches), présence de gaz, présence d?un chauffage central ; ? des variables géographiques : zone climatique ou département, catégorie urbaine, altitude moyenne de la commune ; ? une variable binaire indiquant si le DPE a été attribué dans le cadre d?un DPE « immeuble ». Cette variable permet de tenir compte des spécificités liées au calcul des DPE « appartements » à partir de ce DPE immeuble et de corriger le biais potentiel lié à son utilisation assez fréquente dans le parc social. Les résultats des estimations montrent un fort effet explicatif des périodes de construction et des tranches de surface sur la classe de DPE. Les variables géographiques permettent de tenir compte de potentiels effets fixes régionaux. Pour les résidences secondaires et les logements vacants, l?énergie de chauffage n?est pas prise en compte dans la modélisation, faute de statistiques fiables sur l?ensemble du parc des résidences secondaires et des logements vacants. Le nombre de variables explicatives est également réduit. IV. Simulation des DPE et vieillissement du parc Les modèles ainsi estimés sur les diagnostics effectivement réalisés sont ensuite reproduits sur l?ensemble du parc de logements. L?information sur l?énergie principale de chauffage des résidences principales n?est pas disponible dans la base Fidéli. Une méthode de duplication des logements est alors mise en place, chaque logement représentant des logements chauffés par différentes énergies au prorata de la probabilité que chaque logement soit effectivement chauffé de cette manière ; ces probabilités sont basées sur les réponses au recensement de la population (RP), recalées sur la structure globale des énergies de chauffage. Pour cette nouvelle estimation, les 6 Estimation de l?état du parc de logements par classe de performance énergétique vecteurs énergétiques ont été récupérés dans les chiffres du recensement de la population 2020. Pour chaque logement (résidence principale), on obtient ainsi la probabilité de chaque classe énergétique (A, B, C?) comme suit : ??(?????? = ??) = ? ??????(é????????????).????????????(?????? = ??/é????????????) é???????????? Le nombre de passoires énergétiques est alors calculé comme la somme des probabilités d?observer ces étiquettes pour l?ensemble des résidences principales. Pour obtenir une image du parc au 1er janvier 2025, les hypothèses de vieillissement du parc ont été mis à jour afin d?être conformes aux résultats de la campagne 2025 de l?estimation annuelle du parc de logements (EAPL) de l?Insee. Ces hypothèses sont faites en considérant que les réallocations de logements entre le parc des résidences principales, secondaires et les logements sont neutres. Ainsi pour cette nouvelle estimation, on considère qu?il y a 45 000 destructions nettes de résidences principales par an (réparties de manière uniforme sur les logements construits avant 1948) et 307 000 résidences principales neuves par an (dont les étiquettes A, B et C sont réparties selon la distribution observée des DPE réalisés entre octobre 2024 et mars 2025 pour les logements construits en 2022 et 2025). Considérant une répartition uniforme sur l?ensemble des étiquettes, les nombres de résidences secondaires et de logements vacants ont été calés directement sur les chiffres de l?EAPL. Le modèle permet d?estimer la distribution des classes DPE parmi l?ensemble des logements et de la détailler relativement à différentes caractéristiques et à des niveaux géographiques fins, par exemple à l?échelle départementale. Des précautions sont toutefois à prendre dans l?interprétation ces statistiques désagrégées à des niveaux géographiques fins, notamment car la modélisation ne permet pas de rendre compte de programmes locaux spécifiques de rénovation. V. Limites et incertitudes Comme tout travail de modélisation, il reste une part d?incertitude dans les résultats, difficile à quantifier. Tout d?abord, le redressement statistique s?appuie sur des DPE réalisés par des diagnostiqueurs avec une méthode normée mais présentant elle-même une part d?incertitude dans les mesures réalisées et les caractéristiques observées du logement. L?appropriation par les diagnostiqueurs de certaines normes (par exemple la classification des logements superposés dans de petits immeubles, en maison ou en appartement, ou la codification des valeurs par défaut) n?a été pas immédiate après la mise en oeuvre du nouveau DPE en juillet 2021 et a pu évoluer au fil du temps. Par ailleurs, les seuils de consommation primaire définissant les étiquettes DPE ont un impact sur la distribution effective des DPE. Comme cela avait déjà été observé pour les précédentes estimations, la distribution des DPE n?est pas lisse mais affiche une plus forte concentration de DPE pour les consommations primaires immédiatement inférieures aux seuils des classes DPE (graphique 1). Cela suggère que de nombreux logements se situent à la limite entre deux classes. 7 Estimation de l?état du parc de logements par classe de performance énergétique Graphique 1 : Nombre de logements selon la tranche de consommation d?énergie primaire conventionnelle au sein de chaque classe DPE Lecture : parmi les logements classés D, environ 44 000 sont dans le décile supérieur de consommation d?énergie conventionnelle de la classe D. Source : Ademe, base des DPE octobre 2024-mars 2025. Calculs et retraitements SDES Enfin, les informations sur le statut d?occupation des logement (propriétaire occupant, locataire, résidence secondaire, vacant) sont issues de Fideli 2022, donc sont connues au 1er janvier 2022. L?estimation ne tient donc pas compte d?éventuels changements d?usage, liés en particulier aux interdictions de location de passoires thermiques. Plus généralement, les estimations restent tributaires des hypothèses considérées et présentent de l?incertitude liée aux données utilisées, à la modélisation statistique et aux limites de l?appariement. 0 5000 10000 15000 20000 25000 30000 35000 40000 45000 50000 A B C D E F G 0-10% 10-20% 20-30% 30-40% 40-50% 50-60% 60-70% 70-80% 80-90% 90-100% Commissariat général au développement durable Service des données et études statistiques (SDES) Sous-direction des statistiques de l'énergie Tour Séquoia - 92055 La Défense cedex Courriel : diffusion.cgdd@developpement-durable.gouv.fr www.statistiques.developpement-durable.gouv.fr http://www.statistiques.developpement-durable.gouv.fr/  I. Construction d?une base d?études de DPE  II. Recalage sur la structure du parc total - appariement avec le répertoire Fidéli  III. Modélisation  IV. Simulation des DPE et vieillissement du parc  V. Limites et incertitudes