L’intelligence artificielle, tout le monde en parle, beaucoup prétendent l’utiliser mais dans les faits, peu l’exploitent réellement et à bon escient… Dans le monde du “Machine Learning”, pour créer un service utile pour les utilisateurs, il faut saisir quelques concepts clés loin des discours marketing ou du jargon des data scientists. Benoît Galy, polytechnicien, data scientist et fondateur de Vizzit, nous livre son analyse.
Benoît Galy, polytechnicien, data scientist et fondateur de Vizzit
Informatique classique ou intelligence artificielle ?
Évacuons les réponses philosophiques et remettons l’utilisateur au centre. Prenons l’exemple de la voiture autonome. Ce n’est pas à la route de s’adapter au code mais c’est le code informatique qui doit comprendre le monde extérieur et s’y adapter.
A contrario, dans le cas du développement d’un site web, l’utilisateur doit comprendre le mode de pensée du concepteur, cliquer là où il est prévu qu’il clique et rentrer ses données (nom, prénom, adresse, etc.) dans l’espace dédié. On peut donc dire qu’avec l’intelligence artificielle, c’est le code qui doit s’adapter au monde extérieur alors que dans l’informatique classique, c’est le monde extérieur qui doit s’adapter au code.
A lire aussi : [🎥Alliancy Inspiration] Immobilier d’entreprise : modèle d’exploitation, data, collaboration…
Dès lors que l’intelligence artificielle est contrainte de s’adapter au monde extérieur, elle est condamnée à devoir gérer une multiplication exponentielle de cas particuliers liée à la variété du monde vivant. Tesla, lors de son colloque AI for Full-Self Driving sur l’avancée de la conduite autonome en est l’exemple parfait. Une mission a priori aussi simple que détecter un panneau STOP est devenue en réalité un calvaire du fait de l’inventivité humaine.
L’IA doit encore se développer dans les métiers de l’immobilier
Les métiers de l’immobilier ont beaucoup évolué ces dernières années. Un certain nombre de tâches ont été automatisées afin de faire gagner du temps à l’agent immobilier comme aux utilisateurs. Ainsi, la profession s’est équipée de plateformes afin de stocker les informations des biens à vendre mais aussi le profil des personnes à la recherche d’un bien, leurs critères, leur budget, leur situation, etc. Au regard de ces nouvelles données collectées, les sites ont été revus afin de rendre toujours plus simple la mise en vente d’un bien et plus intuitive la recherche immobilière.
Néanmoins, bien que ce stockage d’information puisse se faire à grande échelle, cela n’en reste pas moins de l’informatique classique. L’émergence de l’intelligence artificielle dans le secteur de l’immobilier se cantonne aujourd’hui à 3 utilisations distinctes.
Tout d’abord, la reconnaissance de documents permet d’éviter de nombreuses erreurs humaines et de gagner beaucoup de temps en faisant reconnaître et numériser les informations contenues dans un document par une intelligence artificielle.
Ensuite, l’estimation de prix permet aux agences ainsi qu’au vendeur d’avoir très rapidement une idée du prix de vente d’un bien considéré. Le croisement des données de ventes publiques passées avec les tendances et prix pratiqués actuels permettent de modéliser de façon assez fine le prix d’un bien en fonction d’une multitude impressionnante de critères.
Enfin, l’agrégation de données, qui offre de nouvelles possibilités pour reconnaître certaines informations sur internet, les dédoublonner et les indexer afin de les rendre accessibles au plus grand nombre. On voit donc fleurir des néo-portails immobiliers qui rendent visibles toutes les annonces immobilières, une des frustrations principales des utilisateurs à la recherche d’un bien. Cela permet également de faire émerger les annonces « off-market » qui ne se trouvent sur aucun portail à date.
Le parcours du combattant pour une intelligence artificielle efficiente
Si l’utilisation d’intelligence artificielle n’est pas plus répandue c’est qu’elle nécessite une base d’apprentissage en amont pour être exempte d’erreurs. Fort heureusement, l’immobilier est un secteur où ce taux d’erreur peut être temporairement accepté par rapport aux bénéfices que l’intelligence artificielle apporte, mais il n’en est pas de même pour d’autres comme pour la voiture autonome où l’erreur n’est pas tolérable.
Alors que la reconnaissance de documents connaît un taux d’erreur très faible car ceux-ci sont assez standardisés, ce n’est pas le cas de l’estimation de prix ou de l’agrégation de données. Par exemple, pour qu’un algorithme détermine le prix d’un bien, il peut s’appuyer sur de nombreuses données. Mais si cette opération détermine à 90% le prix d’un bien, tout comme pour Tesla, il existe toutefois des exceptions qu’il faut faire apprendre à l’IA (des spécificités liées au bien par exemple). Même si l’intelligence artificielle facilite certaines tâches, les agences immobilières et leurs agents doivent continuer de s’appuyer sur leur expertise pour l’améliorer.