Depuis que ChatGPT est entré dans ma vie il y a trois ans, je n'ai pas arrêté de l'utiliser un seul jour : des résumés de textes aux scripts en passant par les traductions, même pendant les vacances. Alors, face à l’une des plus grandes aventures de la vie, comme l’achat d’une maison, je n’y ai pas réfléchi à deux fois. Bien sûr, pour ce projet, je n'ai pas utilisé l'intelligence artificielle d'OpenAI, mais j'ai été très clair sur quelle IA était la meilleure pour examiner mes offres de prêt hypothécaire et leurs petits caractères : NotebookLM.
Je dois dire que l'IA m'a aidé à résoudre certains doutes et à avoir une vue d'ensemble, mais après avoir heurté un mur à plusieurs reprises et avoir dû marcher sur des œufs face à des informations omises ou mal interprétées, je me suis retrouvé dans mon fidèle vieil Excel à faire les tableaux.
Utiliser l’IA pour choisir son prêt hypothécaire est une bonne idée. Jusqu'à ce que je tombe sur la dure réalité
Il ne s'agit pas d'un article en économie, mais un certain contexte d'investissement est nécessaire. L'appartement que j'ai acheté se trouve dans une ville et le prêt hypothécaire à demander était faible. J’ai donc clairement indiqué que ce serait pour une durée déterminée dans 15 ou 20 ans. C'est ce que j'ai demandé à toutes les banques qui m'intéressaient. J'ai évalué certaines hypothèques mixtes, en pensant au petit montant et au fait que cela raccourcirait probablement les durées (spoiler : mon hypothèque est inférieure à 400 euros par mois), mais la confiance d'oublier l'Euribor était plus importante. De nos jours, il est assez courant qu'ils vous proposent des produits associés au crédit immobilier avec des bonus, par exemple si vous avez une assurance habitation ou vie, vous payez moins d'avance.
Pourquoi NotebookLM ? Fondamentalement parce que cela me permet d'ajouter toutes les offres en PDF (ou en photographie) et à partir de là de travailler avec les informations fournies pour résoudre les doutes, en plus de préparer une énorme quantité de contenu pour mieux les étudier. Bien sûr, avant de télécharger une offre, j'ai fait passer les PDF et les images via un éditeur pour les anonymiser, en supprimant les données personnelles. Si vous suivez mon exemple, je vous invite fortement à appliquer également cette mesure de confidentialité. La théorie semblait très bonne, puis la réalité est arrivée.
J'ai reçu des offres de toutes sortes, en contenu et en forme de présentation. Si certaines banques proposent beaucoup de détail (la transparence est une bonne qualité) avec des informations comme le TAEG, le tableau d'amortissement ou les bonus (le cas échéant), d'autres optent pour la parcimonie et l'obscurantisme. Les formats différaient également : certains me présentaient les offres dans un email récapitulatif, d'autres avec un rapport couleur très intuitif imprimé sur papier ou en PDF, et il y a même ceux qui rédigeaient même certaines conditions à la main.
Ma joie dans un puits. Tout cela est important car ce sont des informations que vous possédez et que vous n’avez pas. Et des informations qui se lisent mieux ou moins bien. Et un ajout : des informations qui vont de soi mais qui ne sont pas expressément écrites. Par exemple, les bonus impliquent que si vous souscrivez une assurance habitation, votre NIF diminue, et peut le réduire fortement si vous bénéficiez de plusieurs prestations (car elles sont déduites du NIF de base). Ou que ce NIF bonus ne s’applique que si vous contractez plusieurs choses en même temps. Ou même qu'il faut louer des caméras permanentes (ils me l'ont écrit à la main) et sinon, ils ne vous donneront pas l'hypothèque.
Cela m’a posé deux problèmes qui ont rendu ma tentative d’obtenir le meilleur prêt hypothécaire avec l’aide de l’IA vaine.
Sans aller plus loin, NotebookLM n'a pas réussi à interpréter les tableaux et les scénarios possibles en faisant appel à un ou plusieurs services pour estimer les coûts. J'ai compris les chiffres, mais pas ce lien bonus, ce qui faisait que les données qu'il me donnait étaient parfois fausses. En ce sens, l’expérience de compréhension a été décevante. Et dans le cas de l’offre manuscrite, il ne savait rien du tout.
En revanche, l’homogénéité des données est essentielle pour obtenir une bonne analyse, ce que j’ai découvert à mes dépens. En bref : avec chaque offre vous auriez dû préparer une fiche avec toutes les informations que vous aviez et ce que vous n'aviez pas, avec une structure similaire. Le problème de prendre toutes les offres une par une et de préparer un modèle pour travailler avec l'IA plus tard est : 1. réfléchir au modèle et 2. le remplir, avec le temps que cela implique.
J'essayais ChatGPT mais aucun d'entre eux ne s'est adapté au grand nombre de variables qu'une banque peut offrir. Même en utilisant un modèle plus ou moins emboîtable, le processus d'automatisation avec l'IA a donné tellement d'erreurs que j'ai fini par préparer un Excel avec les propositions de chaque banque en envisageant des scénarios avec ou sans bonus. À la main, car le fait de devoir examiner les erreurs et les oublis potentiels augmentait le risque de commettre une erreur.
Une fois Excel terminé, les choses ont changé. Je l'ai parcouru via ChatGPT et Gemini et là, ils ont pu me lire et m'offrir des informations précieuses, même si avec une mise en page décente, je pourrais pratiquement le faire à l'ancienne, c'est-à-dire en le regardant moi-même. Il est clair qu'avec beaucoup de données, l'homogénéisation est indispensable, mais si vous avez une demi-douzaine d'offres comme moi, je suis clair : si je recommençais, j'irais directement sur Excel.
Couverture | Xataka et Towfiqu barbhuiya (Unsplash)
