Avec le temps, on se rend compte que la location courte durée et l’hôtellerie ne fonctionnent pas vraiment comme on l’imagine.
On parle de saisonnalité, de taux d’occupation, de prix moyens.
Mais sur le terrain, ça ne suffit pas.
Ce qui se passe réellement est plus simple : chaque situation influence la suivante.
C’est en essayant de mettre un cadre sur cette dynamique que nous en sommes revenus à un modèle mathématique ancien, formalisé par Andrey Markov : les chaînes de Markov.
Le modèle : une dépendance au présent
L’idée est simple : l’état futur dépend de l’état présent.
Un actif évolue étape par étape.
On ne projette pas une année, on regarde l’état actuel et sa direction.
La météo… et le prix d’une nuit
Penser qu’il fera 30°C le 30 juin 2026 parce qu’il a fait 30°C le 30 juin 2025 est une erreur.
La météo dépend de l’état actuel, pas d’une date passée.
Le prix d’une nuit fonctionne pareil.
Ce n’est pas parce qu’un bien s’est vendu 300 € un jour qu’il doit se vendre 300 € un an plus tard.
Le prix dépend de :
- la demande
- les réservations
- la visibilité
- le positionnement
Si ça accélère, ça continue souvent.
Si ça ralentit, il faut s’ajuster.
Une dynamique réelle
Dans la pratique, un actif en location courte durée — qu’il s’agisse d’un appartement ou d’une chambre d’hôtel — n’évolue pas de manière linéaire.
Il traverse différentes phases :
- Sous-performance
- Stabilisation
- Accélération
- Saturation
Chaque état influence :
- La vitesse de réservation
- Le prix acceptable
- La perception par le marché
Et surtout, il conditionne ce qui suit.
Une dynamique très concrète des OTA
Sur des plateformes comme Airbnb ou Booking.com, les mécanismes sont étroitement liés.
Ces plateformes ne sont pas de simples canaux de distribution.
Elles fonctionnent comme des systèmes dynamiques où :
- La visibilité dépend des performances récentes
- Les performances dépendent des réservations et du taux de conversion
- Les réservations dépendent du prix, du positionnement et de la qualité perçue
Chaque état influence directement le suivant.
Concrètement, un ajustement de prix ou de disponibilité peut modifier la trajectoire d’un actif en quelques jours, en influençant sa visibilité et sa capacité à capter la demande.
Un actif performant gagne en exposition et accélère.
À l’inverse, un ralentissement réduit rapidement sa visibilité et infléchit sa trajectoire.
C’est une réalité opérationnelle observable au quotidien, bien plus que dans une moyenne annuelle.
Cette logique de boucle correspond naturellement à une lecture markovienne.
Ce que cela change dans l’approche
Avec cette grille de lecture, le pilotage évolue.
On se concentre davantage sur :
- L’état actuel de l’actif
- La direction dans laquelle il évolue
- Les ajustements à court terme
Il ne s’agit plus d’un plan figé, mais d’une succession d’arbitrages.
Une logique de trajectoire
Deux actifs comparables peuvent suivre des trajectoires très différentes.
Pas uniquement en raison de leurs caractéristiques,
mais à cause de la manière dont leurs états se sont enchaînés.
Une suite d’ajustements, parfois minimes,
peut produire des écarts significatifs dans le temps.
En pratique
Les chaînes de Markov ne constituent pas une explication exhaustive.
Mais elles offrent un cadre pertinent pour comprendre une idée centrale :
- Ce qui compte n’est pas seulement le niveau de performance
- Mais la dynamique dans laquelle se situe un actif
Dans la location courte durée et l’hôtellerie, cette dynamique est permanente.
