Données enrichies

Pour compléter la connaissance, U.R.B.S développe des algorithmes de reconstruction des valeurs manquantes. Ces données sont le fruit de l’activité de recherche et développment de l’entreprise en machine learning et en intelligence artificielle.

Diagnostics de performance énergétique (DPE)

Les étiquettes énergie sont reconstruites à partir d'un algorithme de type KNN (K-Nearest Neighbors) qui s'appuie sur les resemblances entre les bâtiments : année de construction, secteur géographique, etc.

80% des DPE estimés sont exacts à plus ou moins une étiquette.

17% des adresses qualifiées

100% des adresses qualifiées

Émissions de gaz à effet de serre (GES)

L'algorithme de reconstruction des émissions GES est couplé avec l'algorithme de reconstruction des DPE afin de garantir la cohérence des résultats.

17% des adresses qualifiées

100% des adresses qualifiées

Sources d'énergie de chauffage

Les sources d'énergie de chauffage sont reconstruites grâce à un algorithme de type random forest, une technique d'apprentissage à base d'arbres de décision.

17% des adresses qualifiées

100% des adresses qualifiées

Prix de vente au m²

Deux modes d'enrichissement des données sont mis en oeuvre.

• Prix actualisés : les prix anciens sont réévalués par rapport à l'évolution du marché pour être comparables aux prix actuels.


• Prix estimés : le prix des logements est estimé pour les adresses qui n'ont pas eu de vente depuis 2014, date du premier millésime source. Un prix médian, maximium et minimum est estimé sur la base d'un algorithme random forest. 80% des prix réels sont compris entre le prix minimum et le prix maximum.

12% des adresses qualifiées

88% des adresses qualifiées