Comment interroger 17 millions de transactions immobilières françaises en posant une simple question à une IA
Le guide complet pour accéder aux données DVF, DPE et bâtimentaires sans écrire une seule ligne de code
Le problème que rencontrent 90% des professionnels de l’immobilier avec les données publiques
Si tu travailles dans l’immobilier que tu sois agent, investisseur, mandataire, CGP ou même particulier en recherche active tu t’es forcément déjà heurté à ce mur : les données existent, elles sont publiques, gratuites, et pourtant quasi inaccessibles dans la pratique.
La France dispose d’une des bases de données immobilières les plus complètes d’Europe.
Depuis 2014, la Direction Générale des Finances Publiques (DGFiP) publie l’intégralité des transactions immobilières réalisées sur le territoire via la base DVF: Demandes de Valeurs Foncières.
On parle de plus de 17,4 millions de ventes réelles, enregistrées devant notaire, couvrant plus de 36 000 communes et 101 départements. Ce ne sont pas des estimations, pas des prix d’annonces : ce sont les prix auxquels les biens ont réellement changé de mains.
À cela s’ajoutent 14 millions de diagnostics de performance énergétique (DPE) publiés par l’ADEME, et 32 millions de bâtiments référencés dans la BDNB (Base de Données Nationale des Bâtiments) avec leurs caractéristiques techniques : année de construction, matériaux, usage.
Le problème, c’est que ces données sont distribuées sous forme de fichiers CSV de plusieurs gigaoctets, sans géocodage, truffés de doublons (ventes multi-lots), de valeurs aberrantes (ventes en bloc d’immeubles entiers), et surtout… elles ne se parlent pas entre elles. Le DVF d’un côté, le DPE de l’autre, la BDNB ailleurs. Pour un professionnel de l’immobilier qui n’est pas data scientist, c’est tout simplement inexploitable en l’état.
Résultat : on se rabat sur des outils qui ne donnent qu’une vision partielle un prix médian par ville ici, une estimation algorithmique là sans jamais pouvoir creuser, croiser, ou vérifier par soi-même.
C’est exactement ce problème que résout l’outil que je vais te présenter en détail dans cet article.
En résumé : les données immobilières françaises sont parmi les plus riches d’Europe, mais leur format brut les rend inaccessibles au plus grand nombre. C’est un gâchis considérable pour quiconque veut prendre des décisions fondées sur des faits.
⭐⭐⭐⭐⭐ Pertinence du problème : 5/5
Ce constat est partagé par l’immense majorité des professionnels du secteur. C’est un vrai point de douleur, pas un problème inventé.
Ce qu’est Normi et pourquoi j’ai décidé d’en parler à ma communauté
Normi est un serveur MCP (Model Context Protocol) spécialisé dans l’immobilier français.
Pour faire simple : c’est un outil qui se branche directement dans ton assistant IA, Claude, ChatGPT, Cursor, Cline, VSCode et qui lui donne accès en direct aux données immobilières officielles françaises.
Tu poses ta question en français, en langage naturel, et tu obtiens une réponse structurée basée sur des données réelles.
Pas d’interface complexe à apprendre. Pas de code à écrire. Pas de fichiers à télécharger. Tu demandes « Quel est le prix médian au m² pour un appartement T3 à Lyon 3ème sur les deux dernières années ? » et tu obtiens la réponse, sourcée, en quelques secondes.
Ce qui m’a convaincu de vous en parler, c’est la combinaison de trois éléments que je n’avais pas trouvés réunis ailleurs :
l’accès conversationnel aux données brutes (sans compétence technique)
le croisement de trois bases de données majeures (DVF + DPE + BDNB),
un modèle économique qui permet de tester sérieusement avant de s’engager.
Je préfère être transparent dès maintenant : j’ai noué un partenariat avec Normi, et un lien de parrainage est disponible en fin d’article. Mais je ne vous recommanderais jamais un outil dans lequel je ne crois pas, et cet article a pour vocation première de vous informer en toute honnêteté y compris sur les limites. Vous me connaissez.
En résumé : Normi rend les données DVF, DPE et BDNB interrogeables en langage naturel via une IA, sans aucune compétence technique requise.
⭐⭐⭐⭐ Clarté de la proposition de valeur : 4/5
Le positionnement est limpide et le concept séduisant. Je retire une étoile parce que c’est un outil encore jeune (référencé sur data.gouv.fr en avril 2026), avec peu de retours utilisateurs publics à ce stade. La promesse est solide, mais le recul manque encore.
Comment ça fonctionne concrètement : le MCP expliqué simplement
Ce qu’est le protocole MCP
Le MCP : Model Context Protocol est un standard ouvert créé par Anthropic (l’entreprise derrière Claude) fin 2024. Son principe est simple : permettre à une intelligence artificielle de se connecter à des sources de données externes pendant une conversation, de manière sécurisée et structurée.
Concrètement, quand tu poses une question à Claude ou ChatGPT, l’IA ne « sait » que ce qu’elle a appris lors de son entraînement.
Elle n’a pas accès à des bases de données en temps réel. Le MCP change cela : il permet à l’IA d’appeler un serveur externe en l’occurrence Normi pour aller chercher des données fraîches, les traiter, et te les restituer dans la conversation.
Ce que ça change pour toi
Au lieu de quitter ta conversation, d’ouvrir un autre site, de chercher manuellement des données, de les copier-coller, puis de demander à l’IA de les analyser, tout se passe dans un seul flux.
Tu poses une question, l’IA appelle Normi en arrière-plan, récupère les données, et te fournit une analyse construite.
C’est la différence entre « chercher des données pour les donner à une IA » et « laisser l’IA aller chercher les données elle-même ».
Les 29 outils à disposition
Normi expose 29 outils MCP spécialisés, répartis en plusieurs catégories
En recherche et exploration : recherche de transactions par ville, code postal ou zone géographique, statistiques de marché (prix médian, prix au m², volumes), analyse du stock de bâtiments.
En estimation et comparaison : valorisation par comparables géolocalisés, comparaison de 2 à 5 villes, tendances de prix, analyse de la saisonnalité.
En analyse énergétique DPE : distribution des classes A à G, prime verte, passoires thermiques, impact de l’âge du bâtiment, score de rénovation (0 à 100).
En données bâtimentaires BDNB : caractéristiques du bâtiment le plus proche.
Et en outils avancés : distribution zonale des prix, historique complet d’adresse depuis 2014, gestion de portefeuille et alertes de marché.
Un point de vigilance honnête : le protocole MCP est encore relativement jeune (fin 2024). Des utilisateurs de Claude Desktop rapportent parfois des latences ou des timeouts lorsque plusieurs serveurs MCP sont connectés simultanément. Ce n’est pas spécifique à Normi, c’est une réalité technique du protocole lui-même qui est encore en maturation. Si tu n’as que Normi comme serveur MCP, le risque est faible. Mais c’est un élément à garder en tête.
En résumé : le MCP permet à ton IA d’aller chercher les données immobilières en direct pendant ta conversation. Normi met à disposition 29 outils spécialisés. Le protocole est puissant mais encore jeune des frictions techniques occasionnelles sont possibles.
⭐⭐⭐⭐ Richesse fonctionnelle : 4/5
29 outils, c’est impressionnant sur le papier et la couverture des cas d’usage est très complète. Je garde une étoile en réserve le temps de confirmer que chacun de ces outils fonctionne de manière fiable en conditions réelles sur la durée.
Les trois bases de données que Normi unifie et pourquoi c’est déterminant
Le DVF : 17,4 millions de transactions réelles depuis 2014
Le DVF est la colonne vertébrale de Normi. Chaque enregistrement contient le prix de vente réel (enregistré devant notaire), la date de mutation, la surface bâtie et terrain, le type de bien (appartement, maison, terrain, local commercial, dépendance), le nombre de pièces, la commune, le code postal et la référence cadastrale complète.
Normi enrichit ces données avec le prix au m² calculé et les coordonnées GPS géocodées, rendant chaque transaction interrogeable par proximité géographique. Le pipeline de nettoyage supprime environ 6% de ventes en bloc, filtre environ 3% d’outliers, normalise les surfaces et dédoublonne les transactions multi-lots.
Ce que le DVF ne dit PAS (et c’est important) : il ne mentionne ni l’étage, ni l’orientation, ni l’état du bien, ni le type d’immeuble.
Deux transactions au même prix au m² dans la même rue peuvent concerner des biens radicalement différents en qualité.
Un T3 refait à neuf au 5ème avec ascenseur et un T3 à rafraîchir au rez-de-chaussée sur cour n’ont pas la même valeur mais le DVF les traite de manière identique. Les estimations basées uniquement sur le DVF et des algorithmes affichent une marge d’erreur de ±10 à 15% selon les analyses de marché. C’est utile pour dégrossir, insuffisant pour conclure.
Autre point : la DGFiP publie deux mises à jour par an (mai et novembre). Il y a donc un décalage de 6 à 12 mois entre une transaction réelle et son apparition dans la base. En période de marché stable, c’est gérable. En période de retournement rapide, les données peuvent refléter un marché qui n’existe plus.
Le DPE ADEME : 14 millions de diagnostics énergétiques
C’est là que Normi apporte une valeur ajoutée significative.
Normi est le seul outil commercial qui croise les diagnostics de performance énergétique de l’ADEME avec les transactions DVF, grâce à l’appariement par référence cadastrale.
Cela permet de quantifier la « prime verte » combien les biens classés A ou B se vendent plus cher que la médiane (généralement +8 à +18%), d’identifier les passoires thermiques F et G par commune et de mesurer leur décote réelle, et de suivre l’évolution de l’écart de prix entre biens performants et biens énergivores.
C’est stratégiquement crucial dans le contexte actuel : depuis janvier 2025, les logements classés G sont interdits à la location.
Les F suivront en 2028. Ce calendrier crée des dynamiques de prix mesurables que Normi permet de quantifier commune par commune.
Même si vous le savez, il y a des changements chaque année sur les DPE…
La BDNB : 32 millions de bâtiments caractérisés
La Base de Données Nationale des Bâtiments recense le parc bâti français avec des informations sur l’année de construction, les matériaux et l’usage. Normi l’intègre pour analyser l’impact de l’âge d’un bâtiment sur son prix au m² et calculer un score de potentiel de rénovation (0 à 100) une information précieuse pour cibler les biens anciens sous-valorisés.
En résumé : la force de Normi réside dans l’unification de trois bases complémentaires. Mais attention : le DVF reste une donnée brute qui ne remplace pas l’expertise terrain. Il ne dit rien sur l’état du bien, l’étage, ou la qualité de la copropriété. C’est un outil d’aide à la décision, pas un oracle.
⭐⭐⭐⭐ Profondeur des données : 4/5
Le croisement DVF × DPE × BDNB est un vrai différenciant. Je retire une étoile parce que le DVF a des limites structurelles importantes (pas d’étage, pas d’état, décalage temporel, marge d’erreur ±10-15% en estimation pure) qu’il faut impérativement garder en tête. Normi rend les données accessibles, mais ne corrige pas les biais inhérents à la source.
Cas d’usage concrets : ce que Normi peut faire pour toi selon ton profil
Si tu es agent immobilier ou mandataire
Tu prépares un rendez-vous estimation. Au lieu d’arriver avec une fourchette approximative, tu demandes à ton IA : « Trouve-moi les comparables pour un T3 de 65m² dans le 11ème à Paris vendus entre 2023 et 2024. »
Normi retourne les transactions réelles les plus proches géographiquement, avec prix, surface, date et prix au m².
Tu arrives face au propriétaire avec des données notariées, sourcées, et tu argumentes ton estimation sur du concret.
Tu peux aussi vérifier en une question l’historique d’une adresse
« À combien cet appartement s’est-il vendu la dernière fois ? » pour challenger un prix vendeur ou identifier une plus-value.
Mon conseil de prudence : les comparables DVF ne tiennent pas compte de l’état du bien, de l’étage ni de la copropriété. Ne les présente jamais seuls à un client comme une estimation définitive. Utilise-les comme socle factuel que tu enrichis avec ta connaissance terrain.
Si tu es investisseur immobilier
C’est probablement le profil qui tire le plus de valeur de Normi.
Tu peux comparer plusieurs marchés en une seule requête « Compare les prix, les tendances 5 ans et la répartition DPE entre Nantes, Rennes et Angers » pour arbitrer entre villes.
Tu peux cibler les communes avec une forte proportion de passoires thermiques, mesurer la décote actuelle, évaluer le potentiel de plus-value après rénovation grâce au score de rénovation, et construire une stratégie basée sur des données plutôt que de l’intuition.
Mon conseil de prudence : le DVF ne contient aucune donnée locative. Pour calculer un rendement, tu devras croiser avec d’autres sources pour estimer les loyers. Normi t’aide sur le prix d’achat et la dynamique du marché, pas sur le rendement locatif.
Si tu es gestionnaire de patrimoine ou CGP
Tes clients te posent des questions sur la pertinence d’un investissement dans telle ville. Avec Normi, tu peux en quelques minutes produire une analyse de marché factuelle : tendance des prix sur 5-10 ans, volume de transactions, répartition énergétique, saisonnalité. Cela élève considérablement la qualité de ton conseil et ta crédibilité.
Si tu es particulier en recherche d’un bien
Tu peux vérifier si le prix demandé par un vendeur est cohérent avec les ventes récentes du quartier, consulter l’historique d’un bien, ou comparer les quartiers pour identifier le meilleur rapport qualité-prix au m².
En résumé : les cas d’usage sont concrets et couvrent l’ensemble de la chaîne immobilière. Mais Normi est un outil d’aide à la décision il ne remplace ni la visite, ni l’expertise terrain, ni le calcul de rentabilité ou rendement locatif.
⭐⭐⭐⭐ Utilité opérationnelle : 4/5
Les cas d’usage sont réels et immédiatement actionnables. L’étoile manquante : l’absence de données locatives est une vraie lacune pour les investisseurs, et les comparables sans données qualitatives (étage, état) restent une approximation.
La qualité des données : ce que Normi fait et ce qu’il ne peut pas faire
Un point que je considère essentiel. La donnée brute n’est pas la donnée exploitable.
Les fichiers DVF publiés sur data.gouv.fr contiennent du bruit : des ventes en bloc (un immeuble entier comptabilisé comme une seule transaction), des doublons liés aux ventes multi-lots, des erreurs de saisie (un T2 de 12 m² ou un studio de 180 m²), des ventes familiales à prix décotés de 30 à 50%, et aucun géocodage.
Normi interpose un pipeline qui nettoie (suppression des ventes en bloc, filtrage des outliers), dédoublonne les transactions multi-lots, géocode chaque vente avec coordonnées GPS, calcule le prix au m², normalise les types et surfaces, et indexe le tout pour des réponses en moins de 200 millisecondes.
Ce que Normi ne peut pas corriger : les ventes entre proches à prix décotés qui restent dans la base (difficiles à identifier automatiquement), les erreurs de surface non détectées comme outliers, et surtout l’absence totale d’informations qualitatives sur les biens (état, étage, luminosité, nuisances). Ces limites sont structurelles au DVF lui-même, pas à Normi. Mais il faut en être conscient.
En résumé : Normi fait un vrai travail de fiabilisation par rapport aux fichiers bruts. Mais certaines limites sont inhérentes à la source et aucun traitement algorithmique ne peut les corriger.
⭐⭐⭐⭐ Fiabilité des données : 4/5
Le nettoyage, le dédoublonnage et le géocodage apportent une vraie valeur par rapport au DVF brut. L’étoile manquante : certains biais de la source (ventes familiales, erreurs de surface) traversent le pipeline, et l’absence de données qualitatives reste une limite indépassable.
Prérequis technique : ce qu’il faut savoir AVANT de commencer
Il te faut un assistant IA compatible MCP et ce n’est pas gratuit en usage pro
C’est un point que je me dois de mentionner clairement et sans détour : Normi n’est pas un outil autonome. C’est un serveur de données qui se branche dans un assistant IA. Pour l’utiliser, tu as donc besoin d’un accès à un outil compatible MCP.
Claude Desktop (par Anthropic) : c’est la solution la plus naturelle puisque le protocole MCP a été créé par Anthropic.
Les serveurs MCP fonctionnent sur le plan gratuit de Claude Desktop : tu configures un fichier JSON sur ton ordinateur et c’est opérationnel.
Mais le plan gratuit a des limites strictes en nombre de messages par jour. Pour un usage professionnel régulier, un abonnement Claude Pro (~20 $/mois) ou Max est fortement recommandé. Les utilisateurs Max bénéficient en plus d’une configuration simplifiée des intégrations directement depuis l’interface
ChatGPT (par OpenAI) : Normi est connectable via une URL MCP révocable générée depuis le dashboard Normi. Un abonnement ChatGPT Plus ou supérieur est généralement nécessaire pour accéder aux connecteurs MCP.
Cursor, Cline, VSCode, Windsurf ces éditeurs de code intègrent le support MCP nativement. Normi s’y branche via HTTP Streamable. Cursor propose un plan gratuit limité, mais les plans payants offrent un usage plus confortable.
En clair : prévois un budget total de ±40 à 70 $/mois pour un usage professionnel confortable l’abonnement IA (~20 $/mois) plus un plan Normi (à partir de 19 €/mois). Ce n’est pas anodin, et il faut le savoir avant de se lancer.
La bonne nouvelle : tu peux tester gratuitement la combinaison Claude Desktop gratuit + 500 crédits Normi gratuits pour te faire un avis avant de dépenser un centime. C’est limité en volume, mais suffisant pour valider l’intérêt de l’outil pour ton activité.
En résumé : Normi nécessite un assistant IA compatible MCP. Le test est possible gratuitement (Claude Desktop gratuit + 500 crédits Normi). Mais pour un usage pro, il faut prévoir un abonnement IA en plus de Normi.
⭐⭐⭐ Accessibilité technique : 3/5
Le test gratuit est un vrai plus. Mais le double coût (abonnement IA + abonnement Normi), la configuration JSON pour les non-techniques, et la jeunesse du protocole MCP (latences, timeouts occasionnels) sont des frictions réelles. Ce n’est pas encore du “plug and play” pour un agent immobilier qui ne fait pas de tech.
🎧 Vous préférez écouter ? Retrouvez également toutes mes analyses sur mon podcast disponible sur Spotify. Et pour du contenu vidéo, rendez-vous sur ma chaîne YouTube !
🎧 Écouter sur Spotify | 📺 Voir sur YouTube
Tarification de Normi : ce que ça coûte vraiment
Le modèle : paiement à l’usage par crédits
Normi fonctionne sur un système de crédits.
Chaque appel consomme entre 2 et 20 crédits selon la complexité :
2 crédits pour les données bâtimentaires BDNB,
5 crédits pour une recherche de transactions ou des statistiques de marché,
10 crédits pour des comparables, comparaisons de villes, tendances ou analyses DPE,
15 crédits pour une distribution zonale,
20 crédits pour un historique complet d’adresse.
Les fonctions portefeuille et alertes sont gratuites.
L’offre gratuite permanente honnêtement généreuse
Chaque compte reçoit 500 crédits le 1er de chaque mois, sans carte bancaire, sans engagement. Ça représente environ 100 recherches, 50 analyses comparatives, ou 25 historiques d’adresses. C’est un volume suffisant pour se faire un vrai avis avant de payer quoi que ce soit. C’est rare, et c’est à souligner
Les plans mensuels (sans engagement)
Indie : 19 €/mois : 10 000 crédits (~2 000 recherches). Pour un usage individuel, exploration d’une ou plusieurs villes.
Agent : 49 €/mois : 55 000 crédits (~11 000 recherches). Pour un usage régulier ou l’alimentation d’un agent IA.
Pro : 149 €/mois : 175 000 crédits (~35 000 requêtes). Pour les applications PropTech ou équipes.
Enterprise : 399 €/mois : 500 000 crédits, 120 req/min. Pour les réseaux et plateformes
Tous annulables à tout moment. Aucune surfacturation : si tu dépasses, les requêtes sont bloquées, pas facturées.
Les crédits à la demande (n’expirent jamais)
1 000 crédits pour 2 €, 5 000 pour 9 €, 20 000 pour 28 €. Les crédits achetés ne périment pas. C’est un modèle honnête.
En résumé : la tarification est transparente, progressive, et le modèle gratuit permet un vrai test. Pas de piège, pas de surfacturation surprise, pas d’engagement.
⭐⭐⭐⭐⭐ Rapport qualité-prix : 5/5
C’est la seule note que je maintiens à 5/5 en toute conscience. 500 crédits gratuits sans carte bancaire, des plans sans engagement, des crédits à la demande qui n’expirent jamais, et zéro surfacturation. Le modèle tarifaire de Normi lui-même est irréprochable.
Les limites : parce que c’est mon rôle de vous les dire
Je ne recommande pas un outil sans vous dire ce qui peut poser problème. Voici mon analyse franche.
Le décalage temporel des données DVF. Mise à jour deux fois par an (mai et novembre). Décalage de 6 à 12 mois entre une vente et son apparition. En période de retournement rapide du marché (hausse brutale des taux, choc économique), les données peuvent refléter un monde qui n’existe plus. Ce n’est pas la faute de Normi c’est la limite de la source. Mais il faut le savoir.
L’absence de données qualitatives. Le DVF ne dit rien sur l’étage, l’état, l’orientation, la luminosité, la qualité de la copropriété, les nuisances. Deux biens identiques sur le papier peuvent avoir 20 à 30% d’écart de valeur réelle. Normi rend les données accessibles, mais ne comble pas ce vide.
La couverture Alsace-Moselle. Départements 57, 67 et 68 : couverture partielle. Si tu opères exclusivement sur ces zones, les résultats seront incomplets.
Le DVF ne couvre que les ventes. Pas de loyers, pas de rendements locatifs. Impossible de calculer un rendement avec Normi seul.
Le prérequis de l’abonnement IA. Normi seul ne suffit pas. Il te faut un assistant IA compatible MCP. C’est un coût additionnel à intégrer.
La jeunesse de l’outil. Normi a été référencé sur data.gouv.fr en avril 2026. C’est un outil récent, avec peu de retours utilisateurs publics à ce stade. La promesse est solide, la technologie fonctionne, mais le recul manque. C’est important de le dire.
La technologie MCP encore en maturation. Des utilisateurs rapportent des timeouts et des latences sur Claude Desktop, notamment quand plusieurs serveurs MCP sont connectés. Ce n’est pas propre à Normi, mais c’est une friction réelle.
En résumé : les limites sont réelles, mais la majorité sont inhérentes aux données sources (DVF) et non à Normi lui-même. La jeunesse de l’outil et du protocole MCP est le point de vigilance principal.
⭐⭐⭐ Maturité et recul : 3/5
Je suis cash : c’est un outil prometteur mais jeune. Peu de retours utilisateurs, protocole MCP encore en évolution, et les limites du DVF sont structurelles. Cela ne veut pas dire qu’il ne faut pas l’adopter cela veut dire qu’il faut le faire en connaissance de cause.
Mon verdict global
Normi s’inscrit dans une tendance de fond qui va transformer notre métier : l’accès aux données professionnelles via l’intelligence artificielle conversationnelle. Plus besoin d’être data scientist pour exploiter les données publiques immobilières françaises.
Ce qui m’a particulièrement convaincu, c’est le croisement DVF × DPE × BDNB. Dans un contexte où la performance énergétique est en train de restructurer le marché immobilier français, pouvoir quantifier ces dynamiques commune par commune avec des données notariées est un avantage compétitif réel.
L’outil est-il parfait ? Non. Le décalage temporel, l’absence de données qualitatives, la jeunesse de l’outil et du protocole MCP, le double coût IA + Normi ce sont des réalités que j’ai documentées sans détour.
Mais le potentiel est indéniable. Un seul mandat mieux argumenté grâce à des comparables précis, un seul investissement mieux calibré grâce à l’analyse DPE, un seul mauvais achat évité grâce à l’historique d’une adresse — et l’outil s’est remboursé pour des mois.
Ma recommandation : teste d’abord avec les 500 crédits gratuits et Claude Desktop gratuit. Fais-toi ton propre avis sur ton marché, avec tes questions. Si ça répond à un besoin réel dans ta pratique quotidienne, passe sur un plan payant. Si ce n’est pas le cas, tu n’auras rien dépensé.
Note globale : ⭐⭐⭐⭐ (3,8 / 5)
Un outil prometteur, utile et bien tarifé, mais encore jeune, avec des limites structurelles liées à la source DVF qu’il faut connaître. Le croisement DPE est un vrai différenciant. À tester gratuitement avant de s’engager.
Offre réservée à la communauté
J’ai négocié avec le fondateur de Normi, une offre exclusive pour les membres de cette communauté.
Avec le code IMMO123 :
→ 10% de réduction récurrente sur l’abonnement Normi de ton choix, pendant toute la durée de ton abonnement (pas juste le premier mois).
→ 10% de crédits bonus ajoutés chaque mois en plus des crédits de ton plan.
Concrètement, sur le plan Agent à 49 €/mois : tu paies 44,10 €/mois au lieu de 49 €, avec 60 500 crédits au lieu de 55 000. Plus de volume pour moins cher, chaque mois.
Mais je te le répète : commence par le gratuit. Les 500 crédits mensuels sont disponibles pour tout le monde, sans code, sans carte bancaire. Fais-toi ton propre avis d’abord.
Pour en profiter :
Rends-toi sur normi.fr/pricing?ref=IMMO123
Crée ton compte gratuit
Génère ton token API depuis le dashboard
Configure ton assistant IA (Claude Desktop, ChatGPT, Cursor…) en suivant les instructions
Pose ta première question : « Trouve les ventes d’appartements à [ta ville] entre 2023 et 2024 entre 200k et 400k avec prix au m². »
Opérationnel en moins de 3 minutes.
Code : IMMO123
Lien : normi.fr/pricing?ref=IMMO123
Cet article contient un lien de parrainage. Ma ligne éditoriale reste indépendante : j’ai documenté les limites au même titre que les avantages, et j’ai ajusté mes notes en conséquence. Je vous recommande de tester gratuitement avant tout engagement.