Durées de vie des bâtiments démolis en France

Résumé

La durée de vie des bâtiments est un paramètre fondamental pour l'évaluation du cycle de vie, l'analyse des flux de matières et la mise en œuvre des principes d'économie circulaire dans la construction. En France, les estimations empiriques à l'échelle nationale font défaut. Cette étude applique la méthodologie de Berglund-Brown et al. (2025) aux données de permis de déconstruction-reconstruction issus de SITADEL, afin d'estimer statistiquement les durées de vie des bâtiments démolis sur l'ensemble du territoire français. L'analyse porte sur 9 299 bâtiments et révèle une durée de vie moyenne de 61,7 ans (écart-type = 41,0) et une médiane de 55,0 ans. La distribution de Weibull offre le meilleur ajustement aux données, conformément aux résultats de la littérature scientifique. Des différences significatives sont observées selon l'usage, le matériau de construction et la région. Les bâtiments résidentiels ont les durées de vie les plus longues (médiane : 57 ans) et les bâtiments commerciaux les plus courtes (médiane : 33 ans). Ces résultats sont comparés aux moyennes européennes (65 ans) et américaines (81 ans) établies par Berglund-Brown et al. (2025) et contribuent à enrichir la connaissance empirique du parc de bâtiments démolis en Europe.

Mots-clés : démolition ; durée de vie ; obsolescence ; analyse de survie ; bâtiment ; stock bâti ; SITADEL ; France

---

1. Introduction

Quelle est la durée de vie typique d'un bâtiment ? Cette question, apparemment simple, reste difficile à trancher empiriquement. Les estimations varient considérablement selon les sources : de 61 ans pour le parc résidentiel américain (Aktas & Bilec 2012) à 102-130 ans pour certains bâtiments européens (Ianchenko et al. 2020). En Europe, des études sur des villes suisses ont produit des estimations de 70 à 200 ans (Aksözen et al. 2017), tandis qu'une analyse finlandaise indique que la majorité des bâtiments démolis avaient été construits dans les années 1960-1970 (Huuhka & Lahdensivu 2016).

Une distinction conceptuelle fondamentale s'impose entre durée de vie de conception -- la durée pour laquelle un bâtiment est techniquement garanti -- et durée de vie réelle. L'Eurocode EN 1990 fixe la durée de vie de conception de la plupart des bâtiments à 50 ans ; pourtant, de nombreux bâtiments structurellement sains sont démolis avant ce terme pour des raisons économiques, esthétiques ou fonctionnelles (Baker et al. 2023 ; Kohler & Hassler 2002). Cette forme d'obsolescence dite décisionnelle -- par opposition à l'obsolescence technique -- constitue un phénomène largement documenté mais rarement quantifié à l'échelle nationale.

La durée de vie des bâtiments est également un paramètre central pour les analyses de flux de matières dynamiques, les projections d'énergie opérationnelle et les stratégies d'économie circulaire dans la construction (Berrill & Hertwich 2021 ; Müller et al. 2014). En France, les études empiriques à cette échelle sont inexistantes : les rares estimations disponibles reposent sur des données étrangères ou des hypothèses de conception non vérifiées.

Cette étude comble cette lacune en appliquant la méthodologie de Berglund-Brown et al. (2025) au jeu de données SITADEL croisé à celui de la BDNB (Base de Données Nationale des Bâtiments), spécifiquement appliqué aux opérations de déconstruction-reconstruction dans toute la France métropolitaine. L'étude vise à : (1) estimer statistiquement la durée de vie moyenne et médiane des bâtiments démolis en France ; (2) identifier les tendances selon l'usage, le matériau et la région ; (3) modéliser l'obsolescence par des courbes de survie de Kaplan-Meier ; et (4) exploiter les variables propres à SITADEL -- surface démolie et surface reconstruite -- pour quantifier des dynamiques de remplacement.

---

2. Méthodes

2.1 Cadrage des données

L'analyse porte exclusivement sur les opérations de déconstruction-reconstruction, c'est-à-dire où le permis fait figurer une surface de démolition quasiment égale à la surface déjà existante avant l'opération et une surface bâtie neuve.

Pour chaque point de donnée, sont renseignées à la fois l'année de construction originelle (date la plus ancienne figurant sur la BDNB) et la date d'ouverture de chantier, considérée comme début de la démolition. Les éventuels chantiers entre ces deux dates ne sont pas pris en compte.

La durée de vie d'un bâtiment est calculée comme suit :

$$t_d = y_d - y_c$$

où $y_c$ est l'année de construction et $y_d$ est l'année de démolition effective.

2.2 Préparation et filtrage des données

Le jeu de données initial comprenait 12 165 enregistrements. Un protocole de filtrage en plusieurs étapes a été appliqué :

Le seuil minimal de 5 ans élimine les erreurs de transition entre deux bâtiments successifs sur une même parcelle. Le jeu de données final (n = 9 299) est comparable en taille à l'échantillon européen de Berglund-Brown et al. (n = 9 574).

2.3 Classification des bâtiments

Les bâtiments sont classés en quatre catégories d'usage :

• Résidentiel : habitation, hébergement
• Commercial : bureaux, commerce
• Industriel : industrie, artisanat, agriculture, entrepôt
• Institutionnel : service public

Les groupes de matériaux sont dérivés du type de mur porteur identifié dans la BDNB : pierre/brique, béton, bois, et autre.

2.4 Analyse statistique

Ajustement de distributions. Trois distributions paramétriques sont ajustées : Weibull, log-normale et normale. La sélection du meilleur ajustement repose sur le critère d'information bayésien (BIC), conformément à l'approche de Ianchenko et al. (2020) et à la procédure de Berglund-Brown et al. (2025).

Comparaisons entre groupes. Des tests ANOVA de Welch sont appliqués pour évaluer les différences de moyennes entre les catégories (usage, matériau, région, taille). Ce test ne suppose pas l'égalité des variances, ce qui est approprié compte tenu de l'hétérogénéité observée. Un seuil de significativité de p < 0,05 est retenu.

Analyse de survie. L'estimateur de Kaplan-Meier est appliqué sans données censurées, dans une configuration identique à celle de l'article de référence. L'estimateur approxime la probabilité $S(t)$ qu'un bâtiment survive jusqu'à l'âge $t$ :

$$S(t) = \prod_{t_i \leq t} \left(1 - \frac{d_i}{n_i}\right)$$

où $d_i$ est le nombre de démolitions et $n_i$ le nombre de bâtiments à risque à l'instant $t_i$. Comme le soulignent Berglund-Brown et al. (2025), l'absence de données censurées signifie que ces courbes décrivent l'obsolescence au sein du sous-ensemble des bâtiments démolis, et non la survie du parc bâti dans son ensemble. Des tests log-rank par paires sont conduits pour comparer les courbes entre groupes.

Variables propres à cette étude. Deux nouvelles variables par rapport à l'article de référence sont exploitées : la surface totale du bâtiment démoli (surf_tot_avant) et la surface du bâtiment de remplacement (surf_tot_creee). Un ratio de remplacement $r = \text{surf\_tot\_creee} / \text{surf\_tot\_avant}$ est calculé pour caractériser les dynamiques d'intensification foncière.

---

3. Résultats et discussion

3.1 Distribution des durées de vie

3.1.1 Résultats globaux

Le tableau 1 présente les statistiques descriptives de l'analyse française en comparaison avec les résultats de Berglund-Brown et al. (2025).

Tableau 1 : Comparaison des statistiques descriptives.

La durée de vie moyenne des bâtiments démolis en France (61,7 ans) est proche de la moyenne européenne (65 ans), et nettement inférieure à la moyenne américaine (81 ans). La médiane (55 ans) est inférieure de 9 ans à la médiane européenne (64 ans), ce qui traduit une asymétrie positive : une minorité de bâtiments très anciens tire la moyenne vers le haut.

L'écart-type français (41,0 ans) dépasse significativement ceux observés aux États-Unis (24,2 ans) et en Europe (28,8 ans). Cette plus grande dispersion reflète vraisemblablement la portée nationale du jeu de données, qui agrège des contextes urbains, périurbains et ruraux hétérogènes, contrairement aux données concentrées sur de grandes métropoles dans l'article de référence.

3.1.2 Ajustement de distributions

Tableau 2 : Ajustement des distributions paramétriques (n = 9 299).

La distribution de Weibull offre le meilleur ajustement (BIC le plus faible), résultat cohérent avec la littérature (Aktas & Bilec 2012). Le paramètre de forme de Weibull (~1,55) indique un taux de risque croissant avec l'âge : plus un bâtiment vieillit, plus il est susceptible d'être démoli. Ce paramètre est toutefois nettement inférieur aux valeurs trouvées par Berglund-Brown et al. pour les États-Unis (3,86) et l'Europe (2,32), ce qui signifie que la distribution française est beaucoup plus étalée -- le risque de démolition augmente plus lentement avec l'âge, et une proportion plus importante de bâtiments est démolie à des âges très précoces ou très tardifs.

Figure 1a : Distribution des durées de vie des bâtiments démolis (n = 9 299) avec les trois distributions paramétriques ajustées. La distribution de Weibull (BIC = 93 092) offre le meilleur ajustement.

Figure 1b : Fréquences des durées de vie par tranches décennales. La distribution est asymétrique à droite, avec une concentration entre 20 et 80 ans.

3.2 Tendances selon les caractéristiques des bâtiments

3.2.1 Selon l'usage

Tableau 3 : Durées de vie par catégorie d'usage.

ANOVA de Welch : F = 122,8, p < 2,2 × 10⁻¹⁶ -- différences hautement significatives entre catégories d'usage.

Deux résultats convergent avec l'article de référence. Premièrement, les bâtiments résidentiels ont les durées de vie les plus élevées parmi toutes les catégories, avec une médiane de 57 ans. Deuxièmement, les bâtiments commerciaux sont démolis le plus tôt, avec une médiane de seulement 33 ans. La convergence entre la moyenne française (46,1 ans) et la moyenne européenne pour le commercial (43 ans) est remarquable. Les bâtiments institutionnels présentent des médianes basses (45 ans), cohérentes avec les valeurs américaines (55 ans) et européennes (54 ans) de la référence.

Un résultat diverge : les bâtiments industriels affichent la moyenne la plus élevée de toutes les catégories en France (68,8 ans), alors qu'ils occupent une position intermédiaire dans l'article de référence. Compte tenu de la faiblesse de l'échantillon industriel (n = 335) et de la variance élevée dans cette catégorie, cette observation mérite d'être interprétée avec prudence.

Les courbes de Kaplan-Meier stratifiées par usage confirment les résultats : les bâtiments commerciaux atteignent le taux d'événement maximal entre 20 et 40 ans, tandis que la courbe résidentielle décroît plus graduellement. Les tests log-rank par paires montrent des différences significatives entre toutes les paires de catégories, à l'exception des bâtiments résidentiels et institutionnels (p = 0,058).

Figure 2a : Distribution des durées de vie par catégorie d'usage. Les bâtiments commerciaux présentent la médiane la plus basse (33 ans) et la dispersion la plus forte ; les bâtiments résidentiels ont la médiane la plus élevée (57 ans).

Figure 2b : Courbes d'obsolescence de Kaplan-Meier par catégorie d'usage. La pente commerciale est la plus abrupte entre 20 et 40 ans ; la courbe résidentielle décroît le plus lentement.

3.2.2 Selon le matériau de construction

Tableau 4 : Durées de vie par groupe de matériaux.

ANOVA de Welch : F = 857,5, p < 2,2 × 10⁻¹⁶ -- le signal statistique le plus fort de l'ensemble de l'analyse.

La hiérarchie des matériaux en France reproduit fidèlement le classement de l'article de référence : pierre/brique > bois > béton. Les bâtiments en pierre ou en brique ont les durées de vie les plus élevées (médiane de 70 ans).

Les bâtiments en béton ont les durées de vie les plus courtes parmi les matériaux identifiés (médiane de 50 ans). Ce résultat reflète très probablement les démolitions importantes des grands ensembles bâtis durant la reconstruction des années 50-70 mais également le fait que la construction en béton est une technique encore relativement récente n'ayant été généralisée qu'après la 2ème guerre mondiale. Ainsi ces résultats sont à interpréter avec précaution car il existe une corrélation forte entre ancienneté du bâti et technique constructive utilisée : les techniques anciennes biaisent naturellement les résultats vers des durées de vie plus longues.

Figure 3a : Distribution des durées de vie par groupe de matériaux de mur. Pierre/brique présente la médiane la plus élevée (70 ans) ; béton la plus faible parmi les matériaux identifiés (50 ans).

Figure 3b : Courbes d'obsolescence de Kaplan-Meier par groupe de matériaux. L'écartement des courbes pierre/brique et béton est le plus prononcé de toutes les stratifications.

3.2.3 Variation régionale

Les durées de vie varient significativement entre régions françaises (ANOVA de Welch : F = 211,7, p < 2,2 × 10⁻¹⁶). Le tableau 6 présente les régions aux valeurs extrêmes ainsi que les grandes régions par volume d'observations.

Tableau 6 : Durées de vie sélectionnées par région (extrait).

La région d'Île-de-France, la plus dense et la urbanisée, présente l'une des durées de vie médianes les plus élevées (67 ans), tandis que des régions moins urbanisées -- Corse, Languedoc-Roussillon -- affichent les durées de vie les plus courtes. Ce résultat prolonge la conclusion de Berglund-Brown et al. (2025) selon laquelle l'âge de la ville n'est pas un déterminant direct de la durée de vie des bâtiments démolis. Toutefois la variabilité de ces résultats est fortement liée à la taille de l'échantillon pour chacune des régions observées et l'interprétation proposée gagnerait à être consolidée par des études complémentaires.

3.2.4 Propriété publique versus privée

Les bâtiments publics (n = 443) et privés (n = 8 856) présentent des durées de vie moyennes quasi identiques (respectivement 61,6 et 61,8 ans). Le test t de Welch ne révèle aucune différence significative (t = -0,068, p = 0,946), et le test log-rank sur les courbes de survie confirme l'absence de différence (p = 0,385). Cette variable, non testée dans l'article de référence, n'est donc pas un prédicteur pertinent de la durée de vie dans le contexte français.

Figure 5a : Distribution des durées de vie selon le type de propriété (public/privé). Les distributions sont quasi superposables ; aucune différence significative n'est détectée.

Figure 5b : Courbes d'obsolescence de Kaplan-Meier selon le type de propriété. Les deux courbes se superposent étroitement (test log-rank : p = 0,385).

3.3 Résultats originaux : surface et ratio de remplacement

Les données disponibles permettent deux analyses inédites par rapport à l'article de référence.

3.3.1 Taille du bâtiment et durée de vie

Tableau 7 : Durées de vie selon la catégorie de taille.

Corrélation de Spearman : ρ = -0,105, p < 5,2 × 10⁻²⁴

Une corrélation négative est observée entre la surface et la durée de vie : les bâtiments les plus grands sont démolis à un âge plus jeune. Ce phénomène pourrait s'expliquer par des mécanismes d'économie d'échelle où les opérations de taille importante sont plus rentables malgré la démolition.

Figure 6a : Distribution des durées de vie par catégorie de surface. La médiane décroît de 59 ans (< 100 m²) à 44 ans (≥ 1 000 m²).

Figure 6b : Médiane des durées de vie en fonction de la surface du bâtiment (courbe lissée). La relation négative est continue et régulière, sans rupture de pente identifiable.

3.3.2 Ratio de remplacement

Le ratio $r = \text{surface reconstruite} / \text{surface démolie}$, lorsque supérieur à 1 indique une densification ; et lorsque inférieur à 1, une réduction d'emprise.

Tableau 8 : Durées de vie selon le ratio de remplacement.

Corrélation de Spearman : ρ = -0,052, p < 5,1 × 10⁻⁷

Les bâtiments remplacés par des structures beaucoup plus grandes ont tendance à avoir été démolis plus tôt. Cette relation, bien que modeste en amplitude, est statistiquement robuste et quantifie un mécanisme d'obsolescence économique : lorsque la valeur foncière justifie une densification importante, les bâtiments existants deviennent économiquement obsolètes indépendamment de leur état technique et de leur ancienneté.

Figure 7a : Distribution des durées de vie par catégorie de ratio de remplacement. Les bâtiments remplacés par une structure cinq fois plus grande (grande expansion) présentent la médiane la plus basse (52 ans).

Figure 7b : Médiane des durées de vie en fonction du ratio de remplacement (courbe lissée). La relation négative est concentrée au-delà d'un ratio de 2.

Figure 7c : Courbes d'obsolescence de Kaplan-Meier par catégorie de ratio. Les courbes « grande expansion » et « réduction » divergent surtout entre 20 et 60 ans.

3.4 Synthèse des tests statistiques

Tableau 9 : Récapitulatif des tests d'hypothèse.

Tous les facteurs testés sont significativement associés à la durée de vie, à l'exception du statut de propriété. Le matériau de construction produit l'effet le plus fort (F = 857,5) suivi de la région et de l'usage.

---

4. Obsolescence

L'analyse de survie révèle plusieurs caractéristiques de l'obsolescence des bâtiments français. La courbe de Kaplan-Meier globale montre une médiane de survie de 55 ans : 50 % des bâtiments démolis l'ont été avant cet âge. La courbe décroît de manière relativement régulière, avec une accélération notable entre 30 et 70 ans.

Figure 8 : Courbe d'obsolescence globale de Kaplan-Meier (n = 9 299). La médiane de survie est de 55 ans. La ligne pointillée horizontale indique le seuil de 50 % de survie.

Comparée à l'article de référence, la France présente une médiane de survie inférieure à la fois à celle des villes américaines (~81 ans) et des villes européennes (~64 ans). La courbe française est plus pentue dans les premières décennies, indiquant un taux d'incidents plus élevé à un jeune âge parmi les bâtiments démolis.

La stratification par usage confirme que les bâtiments commerciaux sont les plus exposés à une obsolescence précoce : leur médiane de survie est de 33 ans, et la courbe atteint sa pente maximale entre 20 et 40 ans. Les bâtiments résidentiels présentent la décroissance la plus graduelle, avec une médiane de 57 ans.

L'interprétation de ces courbes doit tenir compte du biais inhérent à l'absence de données censurées : elles décrivent l'obsolescence au sein du parc démoli, et non la probabilité de survie du parc bâti total. Elles permettent en revanche de comparer les taux d'obsolescence relatifs entre groupes, sur la base d'un biais commun à toutes les strates.

---

5. Conclusions et perspectives

5.1 Résultats convergents avec la littérature internationale

1. La distribution de Weibull est le meilleur ajustement pour les durées de vie des bâtiments démolis, confirmant Berglund-Brown et al. (2025) et Aktas & Bilec (2012).

2. Les bâtiments résidentiels ont les durées de vie les plus longues de toutes les catégories d'usage. La moyenne française (63,1 ans) est inférieure mais proche de la moyenne européenne (70 ans).

3. Les bâtiments commerciaux sont démolis le plus tôt, avec une moyenne française (46,1 ans) remarquablement similaire à la moyenne européenne (43 ans).

4. La hiérarchie des matériaux est conservée : pierre/brique > bois > béton, cohérente avec les résultats américains et européens.

5. Les bâtiments récents ont des durées de vie à la démolition plus courtes, confirmant le phénomène d'obsolescence décisionnelle croissante identifié par Andersen & Negendahl (2023).

6. La variation régionale est significative et ne corrèle pas avec l'ancienneté de l'urbanisation, résultat parallèle à la conclusion de Berglund-Brown et al. concernant l'indépendance entre âge de la ville et durée de vie des bâtiments démolis.

5.2 Résultats divergents

1. Variabilité plus élevée : l'écart-type français (41,0 ans) dépasse significativement les valeurs américaines (24,2) et européennes (28,8), vraisemblablement du fait de la portée nationale de SITADEL qui agrège des contextes très hétérogènes.

2. Durée de vie globale plus faible : la moyenne française (61,7 ans) est inférieure à la fois à la moyenne américaine et à la moyenne européenne de la référence. Cela peut refléter la nature des données SITADEL, qui ne captent que les démolitions liées à de nouveaux permis de construire, surreprésentant potentiellement les démolitions motivées par la redensification.

3. Bâtiments industriels : la moyenne industrielle française est la plus élevée parmi toutes les catégories (68,8 ans), à rebours de la position intermédiaire observée dans l'article de référence. La petite taille de l'échantillon industriel (n = 335) limite la portée de cette observation.

5.3 Contributions originales

Deux analyses supplémentaires enrichissent la compréhension de l'obsolescence :

• Effet de la taille : les bâtiments de grande superficie sont démolis plus tôt (ρ = -0,105). Cette relation continue prolonge l'observation partielle de l'article de référence sur les bâtiments de grande hauteur, en la généralisant à l'ensemble des typologies.
• Ratio de remplacement : les bâtiments remplacés par des structures beaucoup plus grandes sont démolis à un âge inférieur (ρ = -0,052). Ce résultat quantifie la pression économique liée à l'intensification foncière comme facteur d'obsolescence décisionnelle, mécanisme identifié qualitativement par Berglund-Brown et al. (2025).

5.4 Limites

• Les données étudiées ne couvrent que les démolitions associées à un nouveau permis de construire (déconstruction-reconstruction). Les démolitions sans remplacement immédiat -- notamment dans les zones de déprise urbaine -- sont systématiquement exclues.
• Les données de matériaux sont absentes pour 26 % des enregistrements, ce qui réduit la puissance statistique des analyses par matériau.
• L'absence de données censurées implique que les courbes de survie décrivent exclusivement l'obsolescence du parc démoli, et ne peuvent pas être utilisées pour inférer la survie du parc bâti total.
• La période d'observation des démolitions est concentrée sur les deux dernières décennies, ce qui introduit un biais de troncature pour les bâtiments récents.

---

Références

Aktas, C. B., & Bilec, M. M. (2012). Impact of lifetime on US residential building LCA results. International Journal of Life Cycle Assessment, 17(3), 337-349.

Aksözen, M., Hassler, U., Rivallain, M., & Kohler, N. (2017). Mortality analysis of an urban building stock. Building Research & Information, 45(3), 259-277.

Andersen, R., & Negendahl, K. (2023). Lifespan prediction of existing building typologies. Journal of Building Engineering, 65, 105696.

Baker, H., Moncaster, A., Remøy, H. (2023). Demolition or retention of buildings: Drivers at the masterplan scale. Buildings & Cities, 4(1).

Berglund-Brown, J., Dobie, I., Hewitt, J., De Wolf, C., & Ochsendorf, J. (2025). Lifetimes of demolished buildings in US and European cities. Buildings and Cities, 6(1), pp. 1099-1116. DOI: https://doi.org/10.5334/bc.588

Berrill, P., & Hertwich, E. G. (2021). Material flows and GHG emissions from housing stock evolution in US counties, 2020-60. Buildings & Cities, 2(1).

Huuhka, S., & Lahdensivu, J. (2016). Statistical and geographical study on demolished buildings. Building Research & Information, 44(1), 73-96.

Ianchenko, A., Simonen, K., & Barnes, C. (2020). Residential building lifespan and community turnover. Journal of Architectural Engineering, 26(3), 04020026.

Kohler, N., & Hassler, U. (2002). The building stock as a research object. Building Research & Information, 30(4), 226-236.

Müller, E., Hilty, L. M., Widmer, R., Schluep, M., & Faulstich, M. (2014). Modeling metal stocks and flows: A review of dynamic material flow analysis methods. Environmental Science & Technology, 48(4), 2102-2113.