/
/
Newsletter #4 – Comment l’IA va-t-elle révolutionner l’immobilier ?

Newsletter #4 – Comment l’IA va-t-elle révolutionner l’immobilier ?

L'intelligence artificielle et le NLP au service de l'immobilier

10 mars 2023

\\ Edito

Bonjour,

Avec ChatGPT, l’Intelligence Artificielle s’affiche partout. Mais les usages concrets nul part. Dans l’immobilier, pour l’instant, la chose présentée comme la plus excitante sont des agents immobiliers utilisant ChatGPT pour rédiger des annonces…

Il est pourtant certain que cela va changer. Le lancement du ChatGPT a été le moment Spoutnik de la course à l’IA. L’alunissage est imminent. OpenAI n’est qu’une société parmi d’autres aux côtés de Cohere, Github, HuggingFaces, DeepMind sans parler de Google, Baidu, Nvidia, Microsoft, Meta, Tencent ou IBM. Le montant des investissements privés en intelligence artificielle est passé de 6 milliards de dollars en 2013 à 176 milliards de dollars en 2021 d’après le laboratoire d’IA de Stanford. Et toutes ces entreprises qui se créent, lèvent des fonds et développent des produits ne voudront pas laisser de côté une industrie aussi grosse que l’immobilier.

L’intelligence artificielle va devenir un assistant capable d’aider les opérateurs humains à discriminer la donnée, l’organiser, la synthétiser, faire des premières recommandations. Le problème cette donnée de qualité fait défaut dans l’immobilier. Les documents, baux et contrats, sont certes dématérialisés mais le texte n’est pas numérisé, n’a pas été analysé. Les plans sont figés avec des référentiels qui ne sont pas organisés à l’échelle du patrimoine. Même les données financières sont fragmentées et peuvent difficilement être mises en relation avec des données publiques de démographie, de consommation ou de transport. L’immobilier n’aura pas accès à l’IA car elle n’a pas fait la révolution de la donnée.

C’est pour cela que l’intelligence artificielle doit déjà être utilisée comme un extracteur de données pour rattraper d’autres secteurs plus axés sur les données (industrie manufacturière, transport…). A ce moment-là seulement, elle pourra utiliser cette donnée pour suggérer une meilleure gestion du patrimoine (acquisition, cession, réhabilitation, optimisation) avec des effets puissants sur les rendements. Le PE et le VC viennent de rentrer dans cette nouvelle ère en choisissant les entreprises cibles sur des critères quantitatifs. Si on peut le faire sur une chose aussi aléatoire que les ressources humaines, on doit pouvoir le faire sur des actifs réels. Loin des effets d’annonce et des paillettes, c’est un travail de l’ombre qui débute. Et les premiers qui s’y engagent auront un avantage décisif après la phase de compression des taux d’intérêt qui a été un grand égaliseur des performances.

Bonne lecture,

Michel Tolila & Robin Rivaton

Retrouvez Stonal au MIPIM.
Conférence IA au MIPIM 2023
Conférence data quality MIPIM

IA, NLP, LLM, de quoi parle t'on ?

Les grands modèles linguistiques, appelés Large Language Models (LLM) en anglais, ont révolutionné le domaine de l’intelligence artificielle, en permettant aux machines de comprendre le langage humain et de générer des réponses semblables à celles des humains. Ces modèles sont essentiellement des réseaux neuronaux massifs formés sur de grandes quantités de données, telles que l’ensemble des textes d’Internet ou les transcriptions de toutes les conversations tenues par des humains. 

Ces modèles linguistiques sont devenus de plus en plus populaires, ils contiennent des milliards de paramètres et sont entraînés via des techniques d’apprentissage non supervisées, ce qui signifie qu’ils apprennent à reconnaître des modèles et à faire des prédictions sans qu’on leur dise explicitement ce qu’ils doivent rechercher.

L’un des grands modèles linguistiques les plus connus est GPT-3 (Generative Pre-trained Transformer 3), développé par OpenAI. GPT-3 compte 175 milliards de paramètres et peut effectuer un large éventail de tâches liées au langage, telles que la traduction, le résumé de texte et même l’écriture créative. GPT-3 est utilisé pour générer des articles, des histoires ou encore des sites web entiers. Outre le GPT-3, plusieurs autres grands modèles de langage sont actuellement en cours de développement, comme le T5 de Google et le Megatron de NVIDIA.

Les grands modèles de langage sont des outils puissants pour le traitement du langage naturel, mais ils soulèvent également des inquiétudes quant à leur capacité à générer de la désinformation et de la propagande. L’impact environnemental de la formation de ces grands modèles suscite également des inquiétudes, car le processus de formation peut nécessiter d’énormes quantités de puissance de calcul et d’énergie.

Malgré ces inquiétudes, les LLM ont le potentiel de révolutionner la façon dont nous interagissons avec les ordinateurs. Ils pourraient bientôt être en mesure d’engager des conversations plus complexes et même de comprendre les émotions et les motivations humaines.

Le NLP et ses usages.

Les applications du NLP sont en train de s’étendre dans de nouveaux et nombreux domaines, tels que la médecine, la finance, le marketing, la sécurité informatique, etc. En voici quelques usages concrets parmi tant d’autres.

La correction orthographique et la traduction automatique font partie des plus connues. Cette dernière s’utilisant même désormais en mobilité avec les interfaces de réalité augmentées capables de traduire instantanément des textes capturés via la caméra d’un smartphone tels que des panneaux, des menus de restaurants, etc. Correction et traduction deviennent également instantanées grâce au Neural Machine Translation, permettant à deux étrangers d’échanger en temps réel dans leur langue natale simplement via le micro de leur smartphone. Plus récemment le NLP permet d’effectuer des résumés automatiques de textes, ce qui pourrait néanmoins avoir une incidence sur l’apprentissage humain.

Du côté marketing, les marques s’en servent pour exploiter les commentaires recueillis sur les sites, les réseaux sociaux ou les requêtes effectuées au sein des moteurs de recherches, afin de mesurer le niveau de satisfaction des clients vis-à-vis des produits ou services fournis par une entreprise ou un organisme. On appelle cela l’« Opinion Mining ». Le NLP sert également à dresser un portrait du marché existant, des clients, des problèmes, de la concurrence et du potentiel de croissance des nouveaux produits et services de l’entreprise.

Le NLP est aussi une technologie sous-jacente à la plupart des chatbots internet et sur les plateformes de messageries du marché et, même si, pour le moment ils n’en utilisent qu’une version simplifiée, ils peuvent néanmoins gérer des tâches standards pour renseigner des clients sur des services ou produits, L’ouverture de la plateforme Facebook Messenger aux chatbots en 2016 avait fortement contribué à leur développement.

Pourquoi miser sur le traitement du langage naturel dans l'immobilier ?

L’information immobilière a la particularité d’être encore principalement documentaire, enchâssée dans de vastes archives numériques et souvent papier. Son volume est considérable, un simple immeuble pouvant représenter plus de 3000 documents associés. Factures, diagnostiques, baux, plans, etc. s’y entremêlent, compliquant et rendant chronophage toute décision. Ces très grandes quantités de documents sont en constante évolution et doivent être traitées, saisies dans une base de données, vérifiées, puis mises à jour à maintes reprises. L’extraction de données est un processus coûteux et long en raison du grand volume de documents longs mais cruciaux. Le tri et la recherche manuels sont synonymes d’erreurs humaines et de travail inutile, avec des dizaines de milliers de pages à parcourir et des milliers de données à recopier dans des outils comme Excel.  

Or les évolutions récentes du NLP permettent justement de traiter facilement de grandes quantités de textes et documents. Il devient possible de lui apprendre à rechercher et extraire des informations utiles, d’indexer automatiquement des documents, ou d’analyser une grande quantité de données à la fois. Comme le secteur de l’immobilier a une culture écrite (contrat de location, contrats, rapports d’inspection sur site, …) plutôt que quantitative, le NLP devient crucial. 

Non seulement le NLP aide à gagner du temps, évitant des heures de recherches. mais désormais, via une simple requête, il améliore également la précision des données, en vérifiant la véracité des informations provenant de sources diverses. Grâce à la technologie, le temps d’extraction est réduit à quelques secondes, ce qui permet d’utiliser des informations précises pour prendre des décisions éclairées. Un autre avantage de cette technologie est qu’elle scanne et lit les documents, mettant en évidence les champs marquants ou les erreurs, et permettant aux équipes de travailler avec des informations précises. 

Ainsi, le NLP est un outil puissant pour les gestionnaires immobiliers, car il permet d’extraire des informations précieuses de grandes quantités de données, s’assurer de leur exactitude et de les maintenir fraîches et à jour. Tout cela, afin d’aider les gestionnaires immobiliers à prendre de meilleures décisions concernant leurs biens. 

L’avenir de l’intelligence artificielle appliquée au langage humain s’annonce radieux pour les sociétés qui les développent, la guerre fait déjà rage. Les impacts sur les métiers seront importants, reste à savoir dans quelles proportions. C’est une révolution qui s’annonce, celle d’un nouveau rapport – de force ? – entre l’Homme et la machine. 

Un peu d'histoire ?

L’histoire du Traitement Automatique du Langage naturel (TAL) ou Natural Language Processing en anglais (NLP) remonte aux années 50 mais connait actuellement une croissance explosive avec l’apprentissage automatique et les progrès de l’IA.

A l’époque, dans un contexte de guerre froide, les chercheurs en ingénierie linguistique et en intelligence artificielle se sont concentrés sur la création de programmes capables de reconnaître, de comprendre et de traiter les langues humaines. Dès 1954, IBM et l’université de Georgestown réussirent ainsi la traduction anglaise automatique de plus de 60 phrases russes avec néanmoins de nombreuses lacunes syntaxiques. Alan Turing basera son fameux Test de Turing sur les avancées de l’époque pour évaluer les capacités conversationnelles des machines.

Au fil des ans, les algorithmes NLP continueront à s’améliorer grâce à des avancées telles que la modélisation statistique et l’apprentissage en profondeur (le deep learning en anglais). Avec l’explosion des données sur le Web, les entreprises et les gouvernements ont commencé à explorer de plus en plus les applications pratiques du NLP, telles que la classification de documents, la reconnaissance d’entités nommées et la génération de réponses automatisées. Cela a conduit à la création de nombreux produits NLP, tels que les assistants virtuels, les systèmes de chatbots et les applications de traduction en temps réel.

Aujourd’hui, le NLP est un domaine en pleine croissance, avec des développements continuels en matière d’analyse sémantique, de compréhension de la langue et de reconnaissance vocale. 

Image générée par une IA

Le contenu vous a plu ?

Inscrivez-vous pour continuer à recevoir la newsletter mensuelle de Stonal. 

Derniers articles

Restez au courant de l'actualité technologique du secteur de l'immobilier !

Catégories

\\ S'inscrire à la newsletter.
\\ Félicitation vous vous êtes inscrit à notre newsletter.
Restez au courant de l'actualité technologique du secteur de l'immobilier !