Le futur du marché immobilier passera par la data

Comme tant d'autres domaines, l'immobilier se voit aujourd'hui bousculé par les apports du numérique. Nous observons, l'émergence de nouveaux services dédiés à la simplification des démarches du bailleur ou du vendeur : visites virtuelles, digitalisation des dossiers, financements participatifs des investissements, etc. Quid des personnes à la recherche d'un logement ? Peu d'initiatives visent à rééquilibrer une relation pourtant asymétrique entre le propriétaire et son interlocuteur.

Il semble donc opportun de s'interroger sur les besoins des individus en prospection immobilière. Dans la société de l'information qui est la nôtre, une réponse naturelle est "l'accès aux données". Plus précisément, les données relatives au futur lieu de vie, son environnement immédiat et son quartier.Fort heureusement, les circonstances actuelles laissent espérer que de nombreuses données sont ou vont devenir accessibles au futur locataire ou propriétaire.

En effet, il se développe depuis plusieurs années une tendance de fond visant à promouvoir l'open data, c’est-à-dire la mise à disposition à titre gracieux d'informations par les administrations ou les entreprises. Ainsi, il est dès aujourd'hui possible d'accéder aux données relatives aux recensements (auprès de l'Insee), aux  réseaux de transports (auprès des diverses régies), au système éducatif (auprès du ministère de l'Education nationale et des Collectivités locales). Par le vote d'une loi dédiée et sous l'impulsion d'Etalab, mission placée sous l'autorité du Premier ministre et chargée de la politique d'ouverture des données publiques, de nombreuses sources de données sont ouvertes et organisées.

Outre les données issues des administrations, Etalab travaille également à la mise à disposition de données issues du parapublic ou du privé. Ainsi, certaines bases notariales seront bientôt ouvertes, ce qui permettra à tout un chacun d'accéder aux prix des transactions immobilières. Bien entendu, quelques institutions, comme la préfecture de police de Paris ou le cadastre, refusent encore de partager les données perçues comme étant les plus sensibles.

Toutefois, l'accès aux données n'est à l'évidence qu'un premier pas. Pour les rendre facilement utilisables par les personnes en prospection immobilière, il est nécessaire qu'elles soient sélectionnées, filtrées, compilées et organisées voire résumées. Là encore, les circonstances sont favorables, du fait des récents développements en matière de traitement des données, qu'il s'agisse de big data ou de machine learning.

Aujourd'hui, les algorithmes de machine learning permettent la mise en place de systèmes de recommandation sur les plateformes de vente en ligne. Il est plus que probable que, demain, l'application des mêmes algorithmes aux informations précitées donnera la possibilité d'économiser beaucoup de temps lors de la recherche d'un logement. Outre les critères classiques (prix, surface, nombre de pièces, etc.), il sera ainsi possible d'utiliser des critères calculés à partir de l'open data (proximité d'écoles, de commerces, d'espaces verts, de médecins etc.).
Mieux encore, il sera possible d'inférer les importances relatives de ces critères à partir du profil de l'utilisateur : typiquement, la sensibilité à la présence d'écoles n'est pas la même pour un jeune parent et pour un retraité.

Le choix d'un logement étant par nature une activité hautement subjective, il est vraisemblablement illusoire de proposer une approche fondée uniquement sur des données objectives. La collecte d’avis des (anciens) habitants d’un logement - dont la réalisation est facilitée par la démocratisation de cette approche auprès des consommateurs au cours des dernières années - est donc également nécessaire pour produire une information complète sur un appartement, un immeuble ou un quartier.  

De fait, cette collecte d'informations subjectives n'est pas contradictoire avec l'utilisation de sources open data objectives. C'est la combinaison des deux qui permettra d'engendrer une information complète et fiable sur un logement et son environnement. Les algorithmes évoqués ci-dessus nous permettent déjà de prédire des notes d'utilisateurs à partir des informations subjectives et objectives.

Demain, nous serons en mesure de calculer pour chaque logement un "indice de qualité de vie" qui permettra aux particuliers comme aux professionnels de l’immobilier de filtrer de manière efficace et fiable les logements correspondants à une liste de critères définis. Cela permettra d’accélérer la recherche du bien idéal en évitant les visites inutiles. Enfin, cette approche fondée sur la transparence ainsi que la collecte et la génération de données pertinentes tend à équilibrer la relation, jusqu’ici bancale, entre le propriétaire et son interlocuteur.

Big Data / Machine Learning