Imaginez : un rapport d’évaluation de valeur marchande sur une propriété, généré automatiquement en quelques instants à partir d’une adresse au Québec!
Projet
L’entreprise de solutions foncières JLR a fait appel au CRIM afin d’optimiser le fonctionnement de son logiciel d’analyse de valeur foncière Évia. Cette plateforme permet aux courtiers immobiliers ou aux particuliers d’obtenir un rapport d’évaluation de valeur marchande sur la propriété de leur choix, généré automatiquement en quelques instants à partir d’une adresse au Québec.
Fonctionnement du logiciel
À l’origine, cette application a été conçue selon un modèle statistique qui analyse les données et les combine pour fournir une fourchette de valeur ainsi qu’une valeur médiane des propriétés similaires. JLR souhaite maintenant peaufiner son modèle et optimiser le fonctionnement de l’application.
Le CRIM a travaillé à une nouvelle structure de fonctionnement pour le logiciel. Celle-ci est basée sur l’apprentissage automatique (machine learning) et sur des réseaux de neurones au lieu du modèle statistique.
Vision par ordinateur et imagerie satellite
JLR possède actuellement plus d’un million de photos de façades de bâtiments dans sa banque de données et est en train de générer une captation complète de la province à travers son projet Jakarto. Le CRIM a produit un algorithme qui peut détecter automatiquement, à partir de ces photos, certaines caractéristiques physiques de la propriété : type de revêtement extérieur, taille de la fenestration, présence d’un garage, etc. Ces informations serviront à compléter automatiquement le contenu du rapport fourni par la plateforme Évia.
Science des données et intégration dans des modèles prédictifs
Ensuite, les scientifiques de données du CRIM ont intégré les résultats des travaux de la détection de caractéristiques des bâtiments à partir des images et les ont combinés aux données déjà disponibles dans la base de données bâtie par JLR depuis plus de 30 ans, afin de construire des modèles de prédiction de la valeur marchande beaucoup plus précis que l’approche actuelle. Le modèle est conçu de manière à ce qu’il puisse fonctionner même si des données sur l’immeuble recherché sont manquantes. Il est aussi en mesure de signaler des transactions qui se démarquent de la tendance actuelle pour un secteur.
Retombées
La collaboration avec le CRIM a permis à JLR de remplacer ses approches statistiques actuelles par des procédés d’apprentissage automatique pour obtenir des résultats plus précis sur la valeur de chaque propriété, tout en augmentant la robustesse du système et créer un outil à haute valeur ajoutée pour ses clients.
