Bon de visite, évaluer un logement et la vie qui va avec avant d’acheter

Bon de visite, évaluer un logement et la vie qui va avec avant d’acheter

13 juillet 2017 par J. Messager

La visite fugace d’un bien ne permet pas toujours de l’apprécier à sa juste valeur. À l’aide du big data,   Bon de visite propose une évaluation exhaustive du logement et de son environnement. La solution permet de choisir un logement en fonction de son projet de vie autant que de critères objectifs, comme nous l’explique son fondateur, John-Guy Park….

… LIRE LA SUITE …

 

Tutoriel : Elastic Search – Python (Confirmé) par R. Courivaud, Data Scientist Bon De Visite

Ce post permet d’expliquer pas à pas comment mettre en place un moteur de recherche sur les adresses françaises avec ElasticSearch et un système de reverse geocoding qui permet de retrouver une adresse en fonction de coordonnées GPS. Les adresses sont extraites de la Base d’Adresse Nationale (BAN). Elle a été constitué avec la collaboration de la Poste et de l’IGN.

Pré-requis :

  • Bases de Python
  • Système sous Ubuntu (VPS, ou en local)

Elastic search (ES) est un moteur de recherche basé sur une architecture REST (qui peut être accédée par le protocole HTTP). Il utilise le moteur open-source Apache Lucène qui permet de la recherche sémantique en texte intégral. Les données sont stockées sous forme de document JSON (clés:valeurs). Une architecture en clusters scalable, réplicable, très modulable est développée nativement. Cela permet d’avoir une qualité de service (SLA) maximum, et éviter toutes pertes données. Les clusters peuvent être supprimés et ajoutés, le réseau de nœuds s’auto-adapte pour restituer la meilleure qualité de service possible.

ES peut être utilisé pour faire de la recherche de texte comme Google par exemple. Dans ce post, nous allons le configurer pour réaliser un auto-complete d’adresses.

Mise en place d’ElasticSearch

Installation de JAVA

Mise à jour de l’index des packages

sudo apt-get update

Installation Java Runtime environnement (JRE)

sudo apt-get install default-jre

Install JAVA JDK

sudo apt-get install default-jdk

Ajout de l’ORACLE PPA (Personal Package Archives) à l’index et mise à jour, cela permet d’aller chercher JAVA 8 dans un nouveau répertoire.

sudo add-apt-repository ppa:webupd8team/java
sudo apt-get update

Installation de JAVA 8

sudo apt-get install oracle-java8-installer
sudo apt-get update

Installation et configuration d’ES

Installation d’elasticsearch

sudo apt-get install elasticsearch

Configuration du cluster

sudo nano /etc/elasticsearch/elasticsearch.yml

Décommenter et modifier ces lignes comme suis

cluster.name: MyClusterName
http.host: 0.0.0.0         
http.cors.enabled: true    
http.cors.allow-origin: "*"
http.port: 9200

Configuration des paramètres de la JVM (Uniquement si la mémoire RAM du serveur est inférieur à 2Go)

sudo nano /etc/elasticsearch/jvm.options

Commenter ces deux lignes

#-Xms2g
#-Xmx2g

Lancer le service ES

Le service Elastic Search peut être démarré et stoppé avec les commandes suivantes.

sudo -i service elasticsearch start
sudo -i service elasticsearch stop

Pour vérifier que le service est bien lancé…

sudo service elasticsearch status

Configuration d’ES

Creation de l’index

Pour créer un index (base de données), il faut configurer le moteur d’indexation pour que les recherches sémantiques soient d’une par efficaces (rapides) et d’autre part correspondent aux attentes de l’application. La configuration se fait par le biais d’un JSON indiquant toutes les actions effectuées sur les données.

Dans notre cas, voici le dictionnaire permettant de configurer au mieux l’index pour réaliser les requêtes répondants au cahier de charge.

In [ ]:
analyzer  = {
  "settings": {
    "index": {
    #Nombre de clusters sur le réseau
      "number_of_shards": 1,
      "analysis": {
        "analyzer": {
        #On définit ici notre analyzer qui permettra de stocker les données, 
        #Un analyzer est constitué de plusieurs champs ..
          "my_analyzer": {
            # Un tokenizer qui permet de découper le texte en token
            "tokenizer": "my_tokenizer",
            # Des filtres qui transforme le texte en minuscule, les caractères en ASCII, etc.
            "filter": ["lowercase", "asciifolding","elision", 'word_delimiter'],
            # Et des filtres permettant de remplacer certains caractères ou paterns. 
            "char_filter" : ["my_mapping"]
          }
        # Nous pouvons maintenant définir les différents champs "custom" de notre analyzer 
        },"tokenizer": {
            # Le tokenizer et un tokenizer edge_ngram
            "my_tokenizer": {
            # edge_ngram forme des n_grams commencant tous par le début du mot. 
            # je m'apelle -> j, je , je m, je ma, je map, je mapp,je mappe, etc.
              "type": "edge_ngram",
                # Nous pouvons donner des ranges
                # min_ngram permet de retirer tous les ngram d'une lettre Cf : j , m
              "min_gram": 2,
                # max_ngram permet de bloquer à une certain degrès 
              "max_gram": 20,
                # le tokenizer doit prendre aussi des caractères de découpage. Par défaut, 
                # c'est uniquement les espaces.
              "token_chars": [
                "letter",
                "digit",
                "whitespace",
                "punctuation"
              ]
            }
        # Defintion des filtres
        },"filter": {
            # Filtre d'auto complete repete les prérequis du tokenizer
            "autocomplete": {
                "type": "edge_ngram",
                "min_gram": 2,
                "max_gram": 20,
            },
            # Il est possible de filtrer les StopWords en francais, 
            # De nombreuses langues sont disponibles..
            "my_stop": {
                    "type":"stop",
                    "stopwords":"_french_"
                },
            # Un stemmer permet de ne garder uniquement les radicaux des mots.
            "my_stemmer" : {
                    "type" : "stemmer",
                    "name" : "light_french"
                }, 
            # Un dictionniare de synonymes.
            "my_synonym" : {
                    "type" : "synonym",
                    "synonyms" : [
                        # Cette syntaxe indique de rue est un synonym de avenue et inversement
                        "rue, avenue",
                        # même chose pour boulevard
                        "boulevard, boulvard, blvd"
                        ]
        }
                    
        },
        # Defintion des filtres de caractères
        "char_filter" : {
            # On réalise un mapping caractère par caractère
            "my_mapping" : {
                "type" : "mapping",
                # Ici pour supprimer certains caractères spéciaux
                "mappings" : [
                            # Map le caractère sur vide pour les retirer de l'indexation
                            "-=>",
                            ",=>"
                        ]
            }
        }
        }
    }
  },
    # Enfin pour utiliser au mieux les différentes données. Il faut affecter, 
    # des types au différents champs. 
  "mappings": {
    "addresses": {
      "properties": {
        #Location est un champs comportant des latitudes et longitudes. 
        # Il doit être définit comme un geo_point pour pouvoir réaliser des
        # actions sur les coordonées (distance, box), etc.
        "location": {
            "type": "geo_point"
        # Les deux champs de text devant être indexés
        },"road_name": {
            "type":      "text",
            "analyzer":  "my_analyzer"
        },"road_name_clean": {
            "type":      "text",
            "analyzer":  "my_analyzer"
        },"numero":{
          "type": "integer"
        }
      }
    }
  }
}

Indexation des données.

Les données concernant les adresses en France sont disponibles sur le site d’OpenStreetMap. ATTENTION : ce fichier fait plus 1,2Go et est assez long à charger en mémoire.

In [ ]:
d = pd.read_csv("./full.csv", header=None) 

Pour chaque adresse:

  • id (unique) : code_insee + codefantoir + numero
  • numero : numéro dans la voie avec suffixe (ex: 1, 1BIS, 1D)
  • voie : nom de voie
  • code_post : code postal sur 5 caractères
  • nom_comm : nom de la commune
  • source : OSM = donnée directement issue d’OpenStreetMap, OD = donnée provenant de source opendata locale, O+O = donnée de source opendata enrichie par OpenStreetMap, CAD = donnée directement issue du cadastre, C+O = donnée du cadastre enrichie par OSM (nom de voie par exemple)
  • lat : latitude en degrés décimaux WGS84
  • lon : longitude en degrés décimaux WGS84

On renomme les colonnes

In [ ]:
d.columns = ["code", "numero", "nom_voie", "code_postal", "commune", "source", "lat", "lon"]
In [ ]:
d = d[(~d.code_postal.isnull()) & (~d.commune.isnull()) &(~d.nom_voie.isnull())]
In [ ]:
d.shape

Pour récupérer les informations importantes..

In [ ]:
clean_postal_code = lambda x: "0" + str(int(x)) if len(str(int(x)))==4 else str(int(x))
clean_insee_code = lambda x: x[0:5]

Pour indexer un grand nombre de données, il est conseillé de créer des bulks pour faire simple au lieu d’indexer chaque adresse une par une on créer des agrégations de données qui sont importées en même temps. Cela permet de réduire grandement le temps d’indexation.

In [ ]:
def create_bulked_data(df, index_name, doc_type):
    bulk_data = []
    droping = []
    for r, row in df.iterrows():
        try:
            road_name = row.nom_voie + ", " + row.commune
            doc = {
                "numero":row['numero'],
                "nom_voie":row.nom_voie,
                "code_post":row.code_postal,
                "code_insee":row.code_insee,
                "city": row.commune,
                "road_name":road_name,
                "road_name_code":road_name+ " " + row.code_post,
                "location": {
                    
                    "lat":row.lat,
                    "lon":row.lon
                    },
                "road":row.numero + road_name
            }
            data_dict = {
                '_op_type': 'index',
                '_index': index_name,
                '_type': doc_type,
                '_source': doc
            }
            bulk_data.append(data_dict)
        except Exception as e:
            print(e)
    return bulk_data

Lorsque les données sont formatées, il suffit de les pousser en utilisant l’API.

In [ ]:
def push_data(client,bulk,index_name):
    helpers.bulk(client=client, actions=bulk)
    client.indices.refresh()
    client.count(index=index_name)

Définition d’un client qui permet d’indexer les données sur les différents clusters. ES permet aussi une authentification simple ainsi que si nécessaire les liens vers les clés publiques du serveurs et de l’entité de certification.

In [ ]:
elastic = Elasticsearch(hosts=["your_cluster_ip1","your_cluster_ip2",
                              "your_cluster_ip3""your_cluster_ipN"],
                        http_auth=('user', 'password'))

Création de l’index

In [ ]:
index_name = "addresses_autocomplete"
doc_type = "addresses"
elastic.indices.delete(index_name)
elastic.indices.create(index_name, body=analyzer)

Pour les fichiers csv volumineux, il est possible de l’ouvrir morceau par morceau et d’indexer chaqu’un d’entre eux.

In [ ]:
for chunk in tqdm(pd.read_csv("./full.csv", chunksize=1e6)):
    chunk_light = chunk[(~chunk.nom_voie.isnull()) & (~chunk.commune.isnull())]
    chunk_light["code_postal"] = chunk_light["code_postal"].apply()
    chunk_light["code_insee"] = chunk_light["code"].apply()
    bd = create_bulked_data(chunk_light, index_name, doc_type)
    push_data(elastic, bd, index_name=index_name)

Toutes les données sont maintenant intégrées à la base de données, elles sont directement utilisables.

Quelques requêtes

Voici quelques exemples de requêtes que l’on peut utiliser pour :

  • Trouver toutes les adresses dans une zone …
In [ ]:
elastic.search(index=index_name, body={"query": {
        "geo_bounding_box": { 
          "location": {
            "top_right": {
              "lat": 46.183325,
              "lon": 4.943478
            },
            "bottom_left": {
              "lat": 46.121845,
              "lon":  4.894726
            }
          }
        }
      }
    }
)
  • Trouver les informations concernant une rue …
In [ ]:
elastic.search(index=index_name, body={
    "query": {
               "match_phrase_prefix": {
                "road_name": {
                  "query":"27 rue du chemin ver"
                  }
              }
            }
})
  • Effectuer un reverse geocoding …
In [ ]:
elastic.search(index=index_name, body={
  "sort": [
    {
      "_geo_distance": {
        "location": {
            "lat": 45.923673,
            "lon": 5.361834
          },
        "order":"asc",
        "unit":"km", 
        "distance_type": "plane" 
      }
    }
  ]   
})

Ma levée de fonds avec Fundme x BonDeVisite

Ma levée de fonds avec Fundme x BonDeVisite

Bon De Visite est la startup spécialiste de l’intelligence des data, de l’algorithmie et du machine learning. La startup édite en effet trois solutions dédiées à l’immobilier et la ville intelligente : un algorithme de notation des biens immobiliers selon des critères d’environnement, de proximité, et de qualité de vie ; un moteur d’estimation de la valeur marché de ceux-ci et enfin un moteur de recherche inversé permettant de suggérer des biens immobiliers aux particuliers selon leurs besoins et préférences.

La startup, créée en mai 2015 par John-Guy Park et Valentin Pichard, a clôturé en septembre 2016 une première levée de 485 000 euros auprès de Business Angels européens, de notre communauté de Business Angels AngelSquare et de Bpifrance.

Cette levée de fonds va lui permettre veut accélérer son développement et de diversifier son activité.

Discussion avec John Guy sur les apprentissages de cette levée…

Stratégie et remaniement : le déroulée de notre levée

Notre point de vue au départ

“Comme notre startup avait été créée en mai 2015 sur fonds propres et love money, notre stratégie de développement était d’avancer très rapidement sur la R&D. Il nous restait suffisamment de cash au moment où on a décidé de rechercher des fonds, mais on s’est dit qu’on pouvait avancer plus rapidement sur le commercial, la communication et la R&D.”

Un début en trombe

“Au début, on a beaucoup vendu l’aspect « applicatif » de notre techno : c’est-à-dire les solutions de scoring et de valorisation pour l’immobilier lors de nos rendez-vous. Mais on s’est rendus compte que les premiers Business Angels s’intéressaient aussi bien aux solutions proposées qu’à notre équipe et à la plateforme R&D (qui combine des outils de machine learning, de l’IA…).

Grâce à notre réseau et à Fundme, en quelques mois nous avons obtenu des intentions d’investissement supérieures aux 300k€ recherchés initialement avec une dilution raisonnable (autour de 25%).”

Début des négociations

“C’était un moment intéressant car le projet plaisait, on a commencé à trier et à prendre des décisions pas évidentes. On a par exemple dû refuser 2 Business Angels très connus car ils désiraient prendre des rôles prépondérants dans l’entreprise et y apposer leurs visions — notamment en sortant les minoritaires. On a voulu garder le contrôle et notre autonomie et on a dit non.

C’est aussi une stratégie pour la Serie A, on est resté en bons termes avec eux pour éventuellement les faire rentrer lors du prochain tour quand Bon De Visite sera plus solide.”

Les négociations concrètes

“La négociation est un processus très itératif. Il est important d’être attentif à ce que chacun dit, à comprendre les enjeux, leurs motivations et comment chacun négocie.

La négociation a vraiment été la deuxième phase la plus longue et la plus « challenging », après avoir reçu un intérêt marqué de beaucoup de monde, on a dû négocier en « perso » avec tous ces investisseurs intéressés.

Les discussions doivent rester confidentielles entre le CEO et les Business Angels, mais il faut néanmoins veiller à aligner certains aspects de la négociation entre eux. Ce n’est pas le point le plus évident à gérer, mais ça permet d’apprendre beaucoup en politique et sur les relations qu’ont les Business Angels entre eux (discussion en off, arrangements perso…).”

Bilan des négociations

“On a sans doute fait l’erreur de laisser un des investisseurs prendre le « lead » au début et négocier ses conditions (valo, closes du contrat, timing…). Effectivement, il a finalement décidé de ne pas investir au moment du closing ! Heureusement, les autres Business Angels concernés ont tous décidé de nous suivre voire de mettre plus au pot.

Au final, les points difficiles des négociations sont moins les questions financières que le pouvoir indirect que tu décides d’accorder à chacun au sein de ta structure. L’accord des investisseurs avec ta stratégie de long terme, le fit humain, la vision développée passent avant tout.”

L’équipe derrière BonDeVisite

Prérequis pour la levée de fonds

Ne pas lever trop tôt

“Après la levée, on s’est notamment demandés si on ne s’y était pas pris un peu trop tôt. La boîte était toute jeune quand on a commencé à lever, et on a eu nos premiers contrats pendant le closing, qui auraient été un bon appui pour négocier la valo par exemple…”

Être « humainement » prêt

En général, lever des fonds pose gros souci en terme opérationnel car souvent c’est le ou un des (co)fondateur(s) qui s’y met à plein temps. Résultat, il faut que l’équipe derrière soit solide et relativement autonome.

Ne pas se prendre la tête concernant la valo

“De mon point de vue ça ne sert à rien d’arriver avec trop d’idées préconçues sur la valorisation de sa startup. Elle n’est pas vraiment financière en seed, et va vraiment dépendre des investisseurs que l’on rencontre.”

Connaître la valeur de ses « assets »

“A un moment, il faut se recentrer sur ses assets, savoir où est la valeur dans l’entreprise. La levée de fonds est le moment de se faire challenger sur ce sujet, ce qui est toujours intéressant, mais on aurait sans doute gagné pendant les négociations à savoir mieux la situer.”

Se donner un objectif clair

“Le montant que l’on cherche à lever au début est rarement celui qu’on lèvera au final, donc c’est intéressant de savoir jusqu’où on peut aller (en comptant les aides possibles).”

Capture d’écran de l’outil BonDeVisite

Pour conclure : Quelques erreurs à ne pas commettre

Attention aux techniques de négociation des Business Angels

“Il faut savoir que les Business Angels sérieux sont très souvent de fins négociateurs, qui n’hésitent pas à faire jouer le côté émotionnel de l’entrepreneur. Pour ma part, j’ai remarqué que lorsqu’un bon investisseur adhère à sa vision, on peut vite se laisser tenter par le chant des sirènes. Quitte à perdre un peu les rênes sur la levée… Il faut donc rester très vigilant, je pense qu’ils sont de bonne foi quand ils montrent leur adhésion à la vision des dirigeants mais il ne faut pas pour autant se laisser submerger. Et garder la tête froide.

Finalement, la plupart des entrepreneurs se préparent à se faire challenger en rendez-vous mais le contraire peut être très déstabilisant.”

Rester sur un pied d’égalité

“Durant une levée de fonds, il ne faut pas penser que les startups ont plus besoin des investisseurs que le contraire et rester sur un pied d’égalité. Une véritable déontologie doit exister, s’il y a trop d’abus de position de leur part mieux vaut couper court aux discussions. Les dirigeants ont le droit de se défendre quand un investisseur remet — à tort — leur parole en cause ou essaye de négocier un peu violemment. On a eu le cas d’un investisseur qui a remis en cause certaines de nos informations, mais au lieu de se laisser faire, on a tenu nos positions et tout clarifié de façon saine. Nous sommes même restés en bons termes.”

Un brin d’actus

Depuis sa levée, Bon De Visite a signé des contrats significatifs avec des industriels, qui ne viennent pas uniquement du secteur de l’immobilier et a recruté 4 personnes.

Ils envisagent désormais de développer leurs services vers les secteurs de la ville intelligente et l’industrie en général et éventuellement de changer de nom, pour pouvoir adapter l’identité de la startup à d’autres secteurs et éventuellement à l’international.

Merci à John Guy pour ces retours 🙂 !

Quand start-up et grands groupes travaillent main dans la main

Ils ont des cultures, des modes d’organisation, des méthodes de travail à l’opposé et pourtant… Start-up et grands groupes ont avantage à travailler en synergie. Voici 3 exemples de collaborations réussies, initiées par Whyers, start-up spécialisée dans l’organisation d’ateliers d’innovation. Atelier n° 1 : Jnuine et Total Le rapport entre Total et une application mobile de création d’album photos ? A priori aucun, sauf que… Leurs visions sur certains sujets peuvent être très complémentaires. Ainsi, le groupe énergétique avait besoin de repenser sa plateforme d’innovation collaborative. « Pour innover plus vite, l’une des clés est de miser sur la diversité des compétences et des univers. Je suis convaincue qu’un regard extérieur peut débloquer bien des situations », témoigne Christine Halliot, directrice de l’innovation marketing et services chez Total. Le projet a donc été soumis lors d’un atelier organisé avec le créateur de l’application Jnuine, Jeremy Gateff, au siège du groupe pétrolier à La Défense en avril 2015. L’idée était de se pencher sur la plateforme afin d’identifier des axes d’amélioration. « J’ai apporté mon regard neuf et mon approche sans affect et ce, en dehors de tout lien hiérarchique, ce qui me laissait une liberté totale », commente Jeremy Gateff. Par ailleurs, « c’était agréable de prendre du recul sur le quotidien, et de constater que nos problématiques peuvent contribuer à créer de l’innovation ailleurs. L’expérience m’a aussi conduit à porter un regard neuf sur ma propre société. M’apercevoir que nos problématiques sont globales : ça m’a rassuré, ça m’a fait du bien. » Pour Total, le bénéfice a été concret et s’est par exemple traduit par l’ajout d’une brique « projets » à la plateforme collaborative, ainsi que par le développement d’une brique « réalisations » pour mettre en avant les innovations de chaque pays. Par ailleurs, la méthode des ateliers a déjà été retestée deux fois en interne. Qui est Jnuine ? Activité : application mobile de création et de partage d’albums photo Siège social : Neuilly-sur-Seine (Hauts-de-Seine) / Locaux : Paris (XIe arr.) Dirigeants : Jeremy Gateff, 33 ans, Thibaud Cummings, 25 ans, Bouchera R’Batchi, 22 ans et Clément Vollet, 29 ans Raison sociale : SAS Date de création : janvier 2012 Effectif : 4 personnes CA 2015 : NC Twitter : @jnuineapp Atelier n° 2 : Bon de Visite et GrDF Imaginer la ville de demain. C’est la perspective qui a réuni John-Guy Park, cofondateur de la start-up Bon de Visite, Vincent Susplugas, fondateur de Collective Thinking, fournisseur d’outils d’analyse de données, et cinq à six personnes de chez GrDF, lors d’un atelier organisé en novembre 2015 à Paris. Objectif? Plancher sur un projet d’optimisation d’infrastructure réseau existant du distributeur de gaz. Une démarche bénéfique pour tous à commencer par les entrepreneurs. « Une opération coup de poing (sur un jour) où le problème est très bien posé et où l’on est vraiment concentré pour le résoudre indépendamment de la hiérarchie. La discussion est très ouverte. La seule confrontation est celle des idées », explique John-Guy Park, qui a par ailleurs trouvé  » gratifiant  » d’être utile au groupe. Autres avantages, selon lui, l’atelier lui permet de se préparer à sa croissance en anticipant les problèmes rencontrés par les structures de grande taille et s’inspirer de la logique de partenariat des grands groupes.  » Cela nous renvoie au fait qu’une start-up ne peut pas vivre toute seule, qu’avec un partenariat elle se solidifie, renforce sa résistance face à la concurrence « . Et prépare au mieux son futur. « L’atelier nous a permis un gain de temps énorme, que j’estimerais à deux mois. Autrement, nous aurions multiplié nos réunions. Les startupers nous ont également apporté leur capacité à sortir du cadre », développe Jean-Luc Godon, délégué innovation chez GrDF. Une collaboration intéressante, dans les deux sens selon lui : « Cela permet de démystifier le grand groupe. Lorsqu’ils vont l’aborder comme client ils ne vont pas l’aborder comme une PME mais de façon spécifique. Cela leur permet de mettre en place une démarche intellectuelle et commerciale en améliorant la segmentation de leur discours ». Qui est Bon de Visite? Activité : service en ligne d’estimation et scoring de biens immobiliers Siège social : Paris (XIIIe arr.) / Locaux : Paris (XIe arr.) Dirigeants : John-Guy Park, 38 ans et Valentin Pichard, 26 ans Raison sociale : SAS Date de création : juin 2015 Effectif : 5 personnes CA 2016 : 300 k€ (prévisionnel) Twitter : @BonDeVisite

Retrouvez cet article sur : www.decision-achats.fr – « Innovation : 3 exemples de collaborations réussies entre start-up et grands groupes »

Professionnels de l’immobilier, venez découvrir La Pierre A l’Endroit !

 

 

La Pierre A l’Endroit, association loi 1901 créée en juillet 2015 à Paris, a comme vocations :

 

 

Rejoignez le réseau @L_P_A_E !

 

La Pierre A l’Endroit, soucieuse d’agrandir son réseau et de provoquer des échanges d’idées, alimente deux réseaux sociaux :

  • Un compte Twitter: plus de 1 800 abonnés, des actualités quasi quotidiennes dans les différents domaines touchant à l’immobilier, des décisions juridiques pertinentes, des images insolites… N’hésitez plus, abonnez-vous !
  • Une page Facebook: plus de 1 000 abonnés nous ont rejoints. Des images insolites, une actualité riche en décisions juridiques, des échanges instructifs entre professionnels de l’immobilier. Rejoignez l’aventure en aimant notre page et en partageant nos statuts.

 

 

@L_P_A_E est là pour vous !

 

Vous aimeriez rencontrer d’autres start-up ? Organiser un événement ? Nous présenter votre projet ? Faire réaliser une étude de marché ? Communiquer ? Vous faire connaître ? Ou tout simplement nous rencontrer ?

 

@L_P_A_E recense et conseille les nouvelles structures spécialisées dans le logement, les présente sur son blog et à ses réseaux Facebook et Twitter.

Vous souhaitez du réel ? Nous organisons également des rencontres et des afterworks entre professionnels de l’immobilier.
Les maîtres mots : convivialité et cartes de visite. N’hésitez pas à nous contacter !

 

Pour en savoir plus :

 

Mail : lapierrealendroit@gmail.com

Facebook : La Pierre A l’Endroit

Twitter : @L_P_A_E

Blog : https://lapierrealendroit.wordpress.com/ 

Instagram : https://www.instagram.com/lapierrealendroit/ 

« Et surtout gardez la pierre à l’endroit ! »

Estimez et scorez votre bien immobilier !

Le constat

Plus de 9 Français sur 10 utilisent des outils internet dans le cadre de leurs projets  immobiliers, mais 70% d’entre eux sont déçus par l’inadéquation de l’offre par rapport à leurs critères personnels, par le manque de transparence des informations qui décrivent les biens, et ont des difficultés à se projeter dans un bien avant même d’y habiter. Ce constat fait suite à une étude de novembre 2015.

Face à ce constat, John-Guy Park et Valentin Pichard, ingénieurs (Centrale, Telecom Paristech, Grenoble Ecole de Management), qui justifient d’une expérience de 15 ans dans de grandes entreprises du CAC 40, ont créé en mai 2015, la start-up Bon De Visite.

« Aujourd’hui, les données open, smart, big, les algorithmes et le machine learning permettent d’atteindre une connaissance fine de tous les biens immobiliers et de la Smart City, et d’apporter aux professionnels et aux consommateurs l’intelligence, la transparence et la liberté de prendre des décisions bien informées » explique John-Guy Park, Président Directeur Général et cofondateur de Bon De Visite. Il poursuit en soulignant que « Grâce à la smart data, nous valorisons les biens immobiliers »

Selon Jean-Claude Muller, administrateur, « l’innovation de Bon De Visite introduit de nouvelles pratiques liées à l’exigence d’information des consommateurs comme cela existe aux Etats-Unis par exemple, et accompagne les professionnels dans la mutation de leur métier ».

Le concept

Bon De Visite couvre aujourd’hui le territoire national (2 millions de rues, 24 millions d’adresses) et vise le marché européen dans les 18 mois à venir. Bondevisite a développé un moteur de scoring, un autre d’estimation et un dernier de matching.

En pratique

Bondevisite vous propose de :

  • Noter un bien selon des critères d’environnement (luminosité, pollution, calme) et de proximité (commerces, sécurité, etc.à. A la différence des autres outils de notation, cet algorithme fait parler les données, non les avis des personnes.
  • Evaluer un bien en considérant à la fois ses caractéristiques (sa surface, son étage…) mais aussi la qualité de l’air de son quartier,  la variété des commerces, le degré d’accidentologie, la desserte des transports… Sa particularité est qu’il ne se contente pas d’estimer le prix, le loyer ou la rentabilité locative d’un bien sur la base de données de transaction historiques. Ces données sont pondérées avec la note que notre outil de scoring lui a attribuée.
  • Présenter des biens aux consommateurs selon un degré d’affinité par rapport à leur style de vie, leurs préférences subjectives et leurs priorités, permettant ainsi la comparaison et la suggestion de biens.

La nomination au SIATI

 

Le projet de Bondevisite a été sélectionné au Sommet Infrastructures, Aménagement du territoire et immobilier (SIATI), dans la catégorie « immobilier ». Cet évènement aura lieu le 9 novembre prochain à Paris.

 

 

Pour aller plus loin

Site internet

Twitter

Facebook

La page de présentation d’HappyRenting

 

 

 

Ubérisation et désintermédiation dans l’immobilier : les start-ups qui bousculent les habitudes (trop) traditionnelles

 

L’immobilier présente tous les symptômes des marchés « ubérisables » : c’est un gros marché en termes de volume et de flux, servi par un métier d’agent immobilier resté trop longtemps opaque et caricatural, empruntant un modèle économique de « commission » plus longtemps justifiable, et accusant d’un retard dans l’utilisation des technologies digitales de plusieurs années : géolocalisation des biens, plateformes de comparaison et de désintermédiation, modèles économiques plus équilibrés…

BonDeVisite a rencontré les fondatrices de Lokora au salon RENT 2016, et les deux start-ups s’accordent sur un pari : le système traditionnel des commissions aux agences immobilières n’est plus soutenable, aussi bien en création de valeur qu’en qualité de service.

La jeune plateforme Lokora compte bien apporter son innovation d’usage dans le secteur des locations, en proposant tout simplement de désintermédier l’agent immobilier dans la phase de changement de locataire : comment ? en mettant en relation les propriétaires qui cherchent un nouveau locataire avec des candidats qui auront été sélectionnés et « matchés » sur la plate-forme Lokora, et qui auront visité l’appartement en question non pas avec un agent immobilier lambda, mais avec l’ancien locataire sortant qui aura pris soin de rédiger l’annonce de mise en location sur Lokora…

Toutes les parties sont gagnantes : le propriétaire réduit au maximum la période d’un appartement non loué, le locataire sortant gagne jusqu’à 300 euros pour mettre le bien en valeur et le faire visiter, et les nouveaux locataires bénéficient des conseils et de l’expérience vécue des anciens locataires qui sont le mieux placés pour parler de l’appartement en question…

Toujours pas convaincu ? Pourquoi alors ne pas rester sur l’ancien modèle des agences immobilières qui prennent jusqu’à 1 mois de loyer, ne connaissent pas bien l’appartement loué, pénalisent le propriétaire en le laissant vide plusieurs semaines, et se servent au passage en ponctionnant des commissions non justifiées ? A vous de choisir. Chez Bon De Visite, c’est tout décidé.

Derrière ce projet se trouvent deux jeunes entrepreneuses: Lucie Galichon et Charlotte Serre. Après un double diplôme Supélec-ESCP Europe pour l’une et les Mines de Paris pour l’autre, les deux jeunes femmes ont travaillé un moment dans le groupe Engie. « Mais on voulait se lancer dans une aventure entrepreneuriale », indique Lucie Galichon. Elles suivent une formation au développement informatique avec Le Wagon et choisissent le milieu de l’immobilier. « Nous avions nous-mêmes eu une expérience de locataires et les agences immobilières sont un milieu assez traditionnel, un milieu encore à disrupter. » Le projet Lokora nait début 2016 et la société est montée en mars.

« D’ici à la fin de l’année, nous souhaitons avoir validé notre concept avec 50 logements reloués chaque mois via Lokora et notre objectif d’ici à 5 ans est de capter 20% du marché français. » Soit 250.000 logements par an.

C’est tout le bien que l’on souhaite à notre start-up partenaire.

La pierre à l’endroit et BonDeVisite « Digital, start-up, dématérialisation : le nouveau visage de l’immobilier » Jeudi 8 décembre 2016 à partir de 19H30 PARIS

Première table ronde : L’univers de l’agent immobilier 3.0

copie-de-dsc_1830BONDEVISITE – John-Guy PARK

Tout d’abord, je tiens à remercier La Pierre A l’Endroit et Hervé Parent, pour nous avoir invités au RENT 2016 où nous avons pu rencontrer 80 prospects en 2 jours.

Très rapidement, je voudrais présenter BONDEVISITE (BDV), start-up créée en juin 2015. On est partis du pari que la data et l’intelligence artificielle avaient beaucoup à faire pour les professionnels de l’immobilier et par impact sur les consommateurs. On a commencé par faire douze mois de Recherche & Développement. On était en sous-marin pendant plus d’un an jusqu’au moment où on s’est dit qu’on allait commencer à proposer non pas des solutions finies, mais des concepts pour les acteurs de l’immobilier, que ce soit dans l’ancien, c’est-à-dire vis-à-vis des réseaux d’agences traditionnelles, des diffuseurs, mais aussi dans le neuf, c’est-à-dire vis-à-vis des promoteurs et dans l’immobilier professionnel.

Au départ, c’est surtout de la data, de l’algorithmie, de l’intelligence artificielle. Au bout de douze mois, beaucoup d’investisseurs se sont intéressés à notre entreprise alors que l’on faisait 0€ de chiffre d’affaires. On a donc fini par lever des fonds. On aurait pu continuer à « vivoter », mais on s’est dits qu’il fallait accélérer notre développement commercial en levant des fonds et en attirant des talents, à la fois des scientifiques, c’est-à-dire des data scientists, et des professionnels du milieu, pas que de l’immobilier, mais également du web, de la publicité, du marketing…

Le pari de BDV est de se focaliser sur le B to B. Le secteur de l’immobilier subit une profonde mutation à la fois réglementaire, (comme par exemple l’encadrement des loyers ou l’actualité autour d’Airbnb), mais également sociétale (des usages et des méthodes de consommation et de diffusion qui changent), mais également technologiques (géolocalisation du bien…). Certains acteurs ont commencé à géolocaliser les biens avec plus ou moins de précisions. BDV se positionne en utilisant intensivement la data, publique (open), privée, propriétaire, smart ou big, et en utilisant la géolocalisation d’un bien qui, même si l’on ne communique pas l’adresse d’un bien, la connaître peut libérer énormément d’informations, notamment en fonction de son emplacement, le niveau de bruit, la luminosité, la qualité de l’air, la présence d’infrastructures de proximité de qualité, comme les commerces ou les transport).

Mais la donnée brute ne suffit pas, il faut la rendre intelligente. On y ajoute donc nos algorithmes. Il y en a de 3 types aujourd’hui : les algorithmes de matching, de scoring et d’estimation.

Le scoring est très simple. Il consiste à noter n’importe quel bien en France à partir de critères d’environnement et de proximité. Aujourd’hui, on a noté toutes les adresses en France, y compris la Corse et les DOM-TOM. Ca représente 24 millions d’adresses. Par exemple, je peux noter quel est le taux d’ensoleillement dans mon salon, en fonction de mon orientation, du vis-à-vis, de la largeur de la rue et de mon étage. Aujourd’hui, ce ne sont des données que déclaratives de l’agent immobilier. L’idée est de savoir objectivement, avant la visite, quelle est l’orientation du bien et si la personne aura de la lumière ou pas. C’est la même chose pour le niveau de bruit en fonction de la circulation, des commerces… On score aussi les biens en fonction de la qualité de la proximité: le bien est-il bien desservi en termes de transports, des commerces, des infrastructures d’enseignement? Tous ces thèmes sont déclinables à l’infini, mais correspondent à des questions que se posent les consommateurs quand ils visitent un bien. L’idée est qu’ils se projettent dans le bien, avant même qu’ils l’achètent. Un projet immobilier, ce n’est plus seulement que de la pierre. C’est aussi et surtout un projet de vie. Le scoring permet de noter de manière systématique et algoritmée et sans intervention humaine, n’importe quel bien, et de pouvoir se projeter dans le bien avant même d’y habiter.

On ne s’est pas arrêtés là. En effet, on s’est dit qu’il était intéressant de noter un bien et de donner une appréciation qualitative pour se projeter dans ce bien. Une note permet de comparer des biens, notamment en cas de visites de plusieurs biens. On donne aussi des indications sur la sécurité dans un quartier, en terme d’agressions notamment. C’est un outil qui existe déjà aux Etats-Unis. Toutes les données de criminalité sont publiées. Mais je ne pense pas que la société française soit prête à absorber ce genre de données anxiogènes. Mais les technologies donnent cette possibilité et notre start-up se tient prête vis-à-vis des professionnels de l’immobilier, qui veulent aller dans ce virage technologique. Enfin, le dernier type de scoring porte sur la connectivité numérique : vais-je recevoir la fibre ?…

Le scoring, c’est bien. Mais, en fait, on veut également le prix. Un projet immobilier doit correspondre à un style de vie, mais également à un budget. On propose un estimateur. Certains existent déjà sur le marché, comme meilleursagents… L’approche est de ne pas se contenter d’une fourchette de prix, car des différences de prix peuvent parfois aller jusqu’à 25%. Mais ici, l’estimation se fonde sur le prix au mètre carré, sur la qualité de l’environnement, la proximité qui peuvent apporter une plus-value ou une moins-value… On décortique, saucissonne le prix pour l’expliciter et donner des arguments de négociation entre le propriétaire, l’agent immobilier et l’acheteur.

Finalement, l’objectif est d’accélérer au maximum le temps de transaction et de réduire le temps de discussions.

Quand on a du scoring et qu’on connaît la valeur financière des biens, on peut commencer à matcher, un peu à la manière de meetic. En fait, quand on cherche un bien, on ne cherche pas le bien absolu, car il peut correspondre à vous, mais pas à d’autres.L’idée du moteur de recherche inversé ou matching est qu’au lieu que les utilisateurs aillent vers les biens, via des filtres, qui excluent certains biens qui ne rentrent pas dans des critères de surface ou autres, on fait venir les biens vers des utilisateurs. On écoute d’abord les utilisateurs sur leur style de vie ou leurs préférences individuelles, on recoupe cela avec les notes de scoring, et on va ensuite pouvoir rapprocher bien et particulier. Sur ce moteur, on met en évidence, non pas l’ensemble de l’offre disponible, mais les biens sélectionnés dans l’ordre de préférence et d’affinités selon ses propres critères personnels et individuels.

Cette solution BDV est bénéfique aux consommateurs et notre business model est de vendre ces solutions aux professionnels.

 


Contact LA PIERRE A L’ENDROIT :

« Et surtout gardez la pierre à l’endroit ! »


#dématérialisation, #rencontre, #pierre, #actes, #paris, #digital, #immobilier, #startup, #rent, #avenir, #futur, #nouveau