Utilisation des coordonnées géographiques dans un modèle de prix locatif de biens immobiliers en Belgique

Ce travail a été réalisé au travers d'un stage avec la start-up Aloalto spécialisée dans le développement d'applications sur le cloud. Dans le cadre du développement d'une application de gestion de biens immobiliers en location, cette start-up avait l'intention d'inclure un outil prédictif. Cet outil prédictif a pour but de donner une indication du montant de loyer à appliquer par le propriétaire en fonction du marché. J'ai donc été amené à créer un modèle prédictif et ensuite à le déployer dans l'application avec Amazon Web Services (AWS). Un modèle performant était l'objectif du stage. L'application étant toujours en développement, elle ne contenait pas de base de données permettant l'établissement d'un modèle. C'est pourquoi, je me suis tourné vers les sites de vente de biens immobiliers pour créer une base de données conséquente. Ensuite, ce modèle doit fonctionner avec un nombre de variables réduit. En effet, l'application ayant pour but de faciliter la tâche des gestionnaires, il est évident que seulement quelques caractéristiques du bien seront disponibles pour la prédiction. De plus, une des caractéristiques les plus importantes est la localisation. En effet, celle-ci est primordiale afin d'estimer la valeur d'un bien et plusieurs manières de l'intégrer dans des modèles prédictifs existent. C'est pourquoi ce mémoire aura pour but d'étudier les manières d'intégrer la localisation d'un bien immobilier dans un modèle prédictif de son loyer. Différents types de modèles seront étudiés: le modèle linéaire, le modèle additif général et quelques méthodes de machine learning. Les modèles seront comparés entre eux grâce à leurs performances et à la manière avec laquelle ils intègrent la localisation.