×
Crédit Logement innove avec une IA automatisée
Découvrez comment le groupe Crédit Logement a investi dans des algorithmes de modélisation pour améliorer l’estimation de la valeur foncière de ses biens immobiliers.
Contexte
Crédit Logement est acteur incontournable de la garantie de prêts immobiliers. Ils sont spécialistes du prêt immobilier depuis 45 ans et plus de 7M d’emprunteurs les ont déjà choisis pour le financement de leur prêt immobilier.
Ils octroient un tiers des prêts immobiliers en France et plus de 200 banques partenaires peuvent proposer la garantie Crédit Logement pour un prêt immobilier, sur tout le territoire français.
Enjeux
A partir de janvier 2022, les établissements prêteurs, à la demande du législateur, devront procéder à l’évaluation de la valeur foncière des biens immobiliers garantis et au suivi de l’évolution des stocks.
Dans le même temps, les acteurs devront rendre accessible en opendata l’ensemble de leur base DVF (Demandes de Valeurs Foncières), répertoriant l’ensemble des transactions immobilières intervenues au cours des cinq dernières années.
A partir de janvier 2022, les établissements prêteurs, à la demande du législateur, devront procéder à l’évaluation de la valeur foncière des biens immobiliers garantis et au suivi de l’évolution des stocks.
Dans le même temps, les acteurs devront rendre accessible en opendata l’ensemble de leur base DVF (Demandes de Valeurs Foncières), répertoriant l’ensemble des transactions immobilières intervenues au cours des cinq dernières années.
Pour anticiper au mieux ces nouvelles exigences réglementaires Crédit Logement a souhaité disposer d’un moteur d’estimation de biens performant, industrialisable et maintenable en interne.
De telle sorte à permettre des estimations unitaires.
Le groupe Crédit Logement a retenu Micropole et ses experts Data Sciences pour investir dans des algorithmes de modélisation et ainsi améliorer l’estimation de la valeur foncière de ses biens immobiliers.
Méthodes et Solutions
Les équipes Data Science de Micropole ont réalisé un diagnostic qualité et un enrichissement des données internes et de la base DVF.
Un prototype intégrant différents algorithmes de modélisation selon les caractéristiques des biens a été créé, et mis à l’échelle dans une phase d’industrialisation, selon 2 modes :
- L’estimation globale de l’ensemble des biens
- L’estimation, unitaire et à la volée, via API REST
Bénéfices
- Maintien d’un temps d’avance sur le marché avec un moteur d’estimation puissant et performant
- Mise en conformité des exigences réglementaires
- Meilleure valorisation des données internes, mieux qualifiées, permettant d’améliorer les scores d’octroi de prêt
