La Chambre des notaires de Paris mise sur l’intelligence artificielle

La Chambre des notaires de Paris continue d’investir dans l’innovation avec un nouvel algorithme d’estimation immobilière pour les notaires du Grand Paris. La société PriceHubble a été choisie pour développer cet outil qui devrait être déployé sous sa forme commerciale fin 2020.

La pratique notariale évolue et la période du confinement a de nouveau démontré la capacité de cette profession à s’organiser à distance en utilisant toutes les ressources numériques disponibles. La chambre des notaires de Paris a choisi d’anticiper certains besoins en misant, depuis 2018, sur un fonds d’innovation. Doté de 6,2 millions d’euros, il a pour objectif d’enrichir l’offre de services en ayant recours aux nouvelles technologies comme la blockchain ou l’intelligence artificielle.

C’est dans ce contexte que la chambre des notaires de Paris a fait appel à la société PriceHubble. Fondée il y a quatre ans, cette entreprise présente dans cinq pays est spécialisée dans le développement de solutions digitales d’estimation et d’analyse immobilière. « Nous développons une suite de solutions d’analyse immobilière qui s’appuient sur le Big Data et l’intelligence artificielle », complète son directeur, Loeiz Bourdic. « L’idée est d’accompagner tous les acteurs de la chaîne de valeur qui ont besoin de ces informations ». L’entreprise accompagne ainsi des agents immobiliers, des experts ou encore des fonds d’investissement pour les aider à estimer le prix d’un bien le plus précisément possible et détecter les dynamiques de marché. « Il s’agit, poursuit-il, de connaître précisément le prix d’un logement, l’impact de chaque caractéristique du bien sur le prix (le balcon, la surface, l’étage, etc.), mais également la liquidité du bien dans son marché ».

Un algorithme conçu pour les notaires

Les ingénieurs et data scientists de PriceHubble ont mis leur expertise au service d’un nouvel algorithme d’intelligence artificielle qui s’appuie sur les données immobilières notariales d’Île-de-France (données BIEN, exploitées par Paris Notaires Services), regroupant les actes de ventes enregistrés sur le territoire depuis plus de 25 ans. Plusieurs groupes de travail composés de négociateurs, notaires, économistes et experts immobiliers ont également été associés à la phase de recherche et développement (R&D), et ont fait remonter leurs recommandations pour l’amélioration de l’algorithme d’estimation.

Le choix de PriceHubble s’est fait de façon stratégique : « Nos algorithmes d’estimation ne sont pas des “boites noires”. Il est essentiel qu’ils soient très précis, mais également explicables, c’est-à-dire qu’ils permettent de comprendre et d’expliquer l’impact de chaque caractéristique du logement sur son prix. Cet algorithme conçu spécifiquement pour les notaires permet d’aller encore plus loin que ce qui a été rendu possible par la récente ouverture des données relatives aux transactions (demandes de valeurs foncières), car il repose directement sur les données notariales, encore plus détaillées et exhaustives », conclut Loeiz Bourdic.

« Un très haut niveau de fiabilité »

Comme l’a indiqué Bertrand Savouré, président de la Chambre des notaires de Paris, dans un communiqué : « L’immobilier est le cœur de métier pour le notariat, qui assure la mission d’intérêt général de statistiques sur les prix de l’immobilier avec un très haut niveau de fiabilité, puisque nos statistiques sont certifiées INSEE et ASP (autorité de la statistique publique). Dans ce cadre, ce projet ambitieux offre une opportunité pour le notariat de développer un nouvel outil d’estimation automatique performant au service des clients, ancré dans le XXIe siècle ».

Pour le moment, seuls les notaires du Grand Paris pourront utiliser ce nouvel algorithme.

Après quatre mois de recherche et développement, une version finale a pu être testée en juillet, dont le développement commercial est prévu pour la fin d’année. À l’avenir, chaque nouvelle transaction enregistrée dans la base de données sera intégrée à l’algorithme pour encore améliorer le système d’estimation.