Airbnb — Analyse comparative des marchés de courte durée

76 villes, 31 pays, 941 148 annonces actives

← Retour aux projets

Analyse comparative de 941 148 annonces Airbnb actives réparties sur 76 villes de 31 pays (40 en Europe, 24 en Amérique du Nord), à partir des données ouvertes Inside Airbnb (juin 2026). Pipeline ETL Python : collecte automatisée, nettoyage (1 040 052 → 941 148 annonces actives), harmonisation des devises, consolidation Parquet. Huit axes analytiques — portrait, prix, structure, activité, professionnalisation, pression résidentielle, concurrence hôtelière et typologie.

Résultats clés

  • Structure bipolaire : Londres (69 933) + Paris (58 299) en tête des 76 marchés
  • Fracture tarifaire facteur 7,2 : Amsterdam 331 €/nuit vs Bangkok 46 € — médiane mondiale 165 €
  • Pression résidentielle : 6,7 ‰ en médiane, mais 53 ‰ au Pays basque, 46 ‰ à Venise, 41 ‰ à Florence
  • Professionnalisation : 63 % de l’offre en multi-loueurs, 14 % des hôtes captent la moitié
  • Typologie ACP-HCPC : 6 variables actives, 5 familles de marchés, silhouette 0,38

Pression touristique — Listings pour 1 000 habitants

Pression touristique — Listings pour 1 000 habitants

Méthodologie

graph LR
  A[Collecte<br>76 villes<br>Inside Airbnb] --> B[Nettoyage<br>1,04 M → 941 K<br>filtres F1–F5]
  B --> C[Harmonisation<br>devises, catégories<br>géocodage]
  C --> D[Analyse<br>8 axes<br>ACP + clustering]
  D --> E[Livrables<br>rapport, cartes<br>dashboard]
  • Nettoyage : prix retenu entre 10 et 2 000 €/nuit, disponibilité non nulle, exclusion des hôtels
  • Pression logement : double indicateur listings/population ET logements entiers/stock logements
  • Professionnalisation : multi-loueurs ≥ 2 annonces, super-professionnels ≥ 10 (seuil Adamiak 2022)
  • Clustering : ACP 6 variables actives → HCPC k=5, validation silhouette (0,38)

Livrables

Stack technique

Python (pandas, plotly, parquet) · R (reactable, ggplot2) · Quarto · Leaflet · Inside Airbnb