Auteur

Christopher de Gruben

DIRECTEUR ET RESPONSABLE DE LA GESTION IMMOBILIÈRE CHEZ ARTEFACT

Auteur

Nimesh Patel

RESPONSABLE DU CONSEIL CHEZ ARTEFACT

Auteur

Marta Aliu Carrascosa

DATA SENIOR CHEZ ARTEFACT

Grâce aux progrès actuels de l'intelligence artificielle, des tâches autrefois complexes et fastidieuses peuvent désormais être accomplies rapidement et efficacement. L'analyse des baux historiques en est un bon exemple. Une solution d'IA générative sur mesure permet de créer un environnement sécurisé en mode sandbox dans lequel tous les baux immobiliers historiques sont téléchargés.

Cela permettra à tout utilisateur au sein de l'entreprise d'accéder à un chatbot pour lui poser des questions en langage naturel sur tous les aspects des baux. Il s'agit en substance d'un outil dynamique de gestion des baux qui met instantanément à la disposition de tous les utilisateurs des informations précieuses.

Quel est le problème ?

Aujourd’hui, la plupart des bailleurs doivent jongler avec d’énormes volumes de baux historiques. Ceux-ci sont généralement regroupés dans des feuilles de calcul volumineuses et complexes, ou parfois dans des logiciels spécialisés de gestion des baux. Les solutions existantes sont statiques, rigides et inefficaces, ce qui peut être source de frustration. Elles manquent également de souplesse et ne fournissent que des informations partielles avec des fonctionnalités limitées. Toute question ne relevant pas des indicateurs clés de performance (KPI) prédéfinis nécessite une lecture manuelle de (souvent des centaines, voire des milliers de) baux. L'équipe chargée de l'analyse consacre un temps considérable à la création de présentations sur les portefeuilles et les baux, privant ainsi les dirigeants d'informations opportunes qui faciliteraient la prise de décision.

Quelle est la solution ?

Pour répondre directement aux préoccupations des dirigeants du secteur immobilier, Artefact développé son outil propriétaire « Lease Explorer ». Il s'agit d'un outil spécialement conçu et personnalisé qui permet le déploiement rapide de puissants modèles linguistiques de grande envergure (LLM) au sein d'un environnement propriétaire en mode sandbox contenant l'historique des baux immobiliers. Les dirigeants du secteur immobilier peuvent ainsi interroger directement leurs propres baux historiques à l'aide d'une interface similaire à celle de ChatGPT.

Le Lease Explorer comprend cinq grandes étapes :

  • Importation des contrats de location: transfert de l'ensemble des contrats de location historiques vers une data commune.

  • Extraction et préparation des informations clés: en fonction de la lisibilité des baux par les systèmes informatiques, divers outils d'extraction d'informations sont utilisés, notamment la reconnaissance optique de caractères (OCR) et l'exploration du Web. Les informations sont ensuite traitées et les éléments clés sont extraits sous forme de tableau.

  • Chatbot de questions-réponses: une interface simple de chatbot de questions-réponses a été mise en place, permettant aux cadres de poser des questions en langage naturel.

  • Recherche d'informations: la requête initiale et les sources d'informations pertinentes trouvées sont transmises au LLM.

  • Génération de réponses par un modèle de langage de grande capacité (LLM): le LLM génère une réponse cohérente à l'intention de l'utilisateur pour répondre à sa question, accompagnée des sources consultées.

Il va sans dire que la mise en place d'un outil tel que celui décrit ci-dessus nécessiterait une phase de gestion du changement, car il faudrait adopter de nouveaux processus métier et de nouvelles méthodes de travail.

class="lazyload

À quel type de questions formulées en langage naturel pourrait-on répondre ?

Avec la mise en place de Lease Explorer, nous proposons quelques exemples de requêtes en langage naturel qu'un responsable immobilier pourrait adresser au chatbot de l'outil. Bien entendu, la capacité de l'outil à fournir une réponse précise aux questions figurant dans la liste non exhaustive ci-dessous dépend de la qualité, de la structure et de la disponibilité des data d'entrée, ce qui peut nécessiter l'accès à des informations allant au-delà de celles contenues dans un simple contrat de location.

  • Combien de baux de locataires qui louent pour la première fois auprès de notre organisme doivent être renouvelés au cours des six prochains mois ? Où se trouvent ces logements et quel est leur loyer moyen ?

  • Quelle est la valeur des baux qui arriveront à échéance l'année prochaine ?

  • Pourriez-vous me présenter sous forme de graphique les échéances de mes baux à venir, classées par mois et par année ?

  • Parmi mes baux actuels, pouvez-vous m'indiquer quel pourcentage (en valeur) correspond à des bureaux ? À des immeubles à usage mixte ?

  • Combien de dentistes sont locataires chez moi ? Quelle est la superficie moyenne de leurs baux ? Pouvez-vous me représenter ces données sur un graphique ?

  • Combien de locataires commerciaux ont exercé leur option de renouvellement au cours des deux dernières années ?

  • Quelle est la durée moyenne des baux pour les locataires (commerciaux) dans une zone donnée (Zone 1) ?

  • Quelles clauses d'indexation inhabituelles ont été observées dans notre portefeuille au cours des trois dernières années ?

  • Pourriez-vous me montrer une comparaison des conditions de location entre les locaux commerciaux situés dans des centres commerciaux et ceux situés dans des immeubles commerciaux indépendants ?

  • Quel est le montant moyen de la caution exigée dans nos baux au cours des deux dernières années ?

  • Pourriez-vous nous fournir une ventilation des revenus locatifs de notre portefeuille par zone géographique (ville, département, etc.) ?

  • Combien de baux commerciaux prévoient une clause de sous-location, et quel pourcentage de locataires a fait usage de cette clause ?

  • Quel pourcentage de nos baux commerciaux comporte des clauses de réduction de loyer, et quelle est la durée moyenne de ces périodes de réduction ?

  • Quelle part du portefeuille est constituée de baux comportant une clause de résiliation qui arrive à échéance dans les six prochains mois ?

Quels avantages cela apporte-t-il ?

L'adoption d'un outil d'IA tel qu'Enterprise ChatGPT apportera toute une série d'avantages aux professionnels de l'immobilier. Tout d'abord, cet outil devrait révolutionner la rapidité avec laquelle les informations pertinentes peuvent être obtenues, donnant ainsi aux décideurs les moyens d'agir grâce à un accès rapide aux informations essentielles. De plus, la scalabilité et l'adaptabilité d'un tel outil, capable de traiter un volume toujours croissant de data sur les baux, data inestimables pour aider les entreprises immobilières à se préparer aux exigences croissantes du secteur.

L'adoption d'un tel outil devrait également entraîner un changement radical au sein même d'une société immobilière. L'utilisation d'un outil d'IA permettra de réduire au minimum le recours aux processus auparavant manuels liés à l'analyse des baux. Plutôt que de compter sur l'infaillibilité d'un tableur et sur la disponibilité continue du personnel administratif clé, un outil d'IA serait capable de traiter directement les questions formulées en langage naturel par les dirigeants et de fournir des réponses précises en temps opportun. En substance, la dépendance excessive à l'égard des ressources clés pour data et l'extraction data est réduite, ce qui permet aux dirigeants de réduire les ressources nécessaires au processus de génération d'informations. De plus, pour tirer le meilleur parti d'un tel outil d'IA, son adoption exigera probablement que l'entreprise se soumette à un processus de transformation data , rehaussant ainsi les normes internes de data , car la qualité des informations générées ne peut être que celle des informations collectées.

L'IA générative présente en outre certains avantages par rapport aux solutions traditionnelles d'IA et d'apprentissage automatique. Auparavant, data énormes quantités de data étiquetées pour entraîner et évaluer un modèle destiné à une tâche spécifique. Grâce à l'IA générative, cela n'est plus nécessaire, ce qui accélère le développement de ces solutions. De plus, l'IA générative permet aux solutions d'évoluer et de s'adapter sans nécessiter d'importants travaux de refonte ni de développement supplémentaires ; les solutions peuvent ainsi être plus flexibles et moins rigides.

Comment la précision est-elle établie ?

La mise en œuvre d'un nouvel outil d'IA pour la première fois et sa capacité à générer des informations stratégiques pertinentes à partir d'une simple consigne peuvent sans aucun doute sembler intimidantes, surtout compte tenu de l'inconvénient souvent évoqué des « hallucinations » de l'IA générative. Les étapes suivantes, lorsqu'elles sont mises en œuvre de manière coordonnée, devraient offrir un cadre de sécurité suffisant pour garantir que l'on tire le meilleur parti de cet outil.

  • Itérer la définition d'une IA à partir des documents de bail réels, de manière à ce que le modèle dispose d'un contexte suffisant, propre au secteur et à l'entreprise, pour fournir des réponses.

  • Valider les processus en continu afin d'affiner les performances du modèle et d'améliorer la précision grâce à l'intervention humaine (c'est-à-dire en faisant vérifier les réponses du modèle par un être humain).

  • Adopter une approche « tester et apprendre », en intégrant les commentaires des évaluateurs concernés dans la solution.

  • Mettre en place des instructions détaillées, étape par étape, ainsi que des garde-fous afin de garantir que les résultats intermédiaires et finaux soient précis, adaptés à l'entreprise et exempts d'erreurs.

  • Effectuer régulièrement des contrôles d'assurance qualité afin de vérifier l'exactitude des informations.

  • Utiliser un ensemble varié de questions et de réponses de test pour valider le modèle, afin d'identifier les points forts et les points faibles du système, ce qui permet d'améliorer les invites et de déterminer les modules et les garde-fous supplémentaires nécessaires.

Quelles sont les limites ?

Pour que cette solution fonctionne comme prévu, plusieurs éléments doivent être pris en compte. Tout d'abord, le modèle serait très probablement limité aux baux britanniques, en raison des particularités du secteur immobilier en matière d'emplacement et de la législation en vigueur. Le Lease Explorer ne disposerait d'aucune capacité prédictive, car seules les performances historiques issues des documents existants seraient analysées.

De plus, comme tout outil basé sur l'IA générative, Lease Explorer peut rencontrer des difficultés face à des demandes d'utilisateur imprécises ou vagues, ce qui pourrait ne pas donner les résultats escomptés. Il est donc toujours recommandé de formuler correctement les questions adressées à l'interface de chat, un peu comme on poserait une question à un analyste au sein de son équipe immobilière.

Il est important de noter que la lecture et le traitement des documents PDF en un format lisible par machine nécessitent le recours à la reconnaissance optique de caractères (OCR), étape indispensable du processus d'ingestion. Les documents qui ne sont pas lisibles par machine ou qui présentent un format et une structure de page complexes risquent de ne pas être correctement ingérés, ce qui, en aval, est susceptible d'affecter des tâches telles que l'extraction d'informations et la fourniture de réponses fiables.

De plus, pour répondre à des questions analytiques de nature quantitative, d'autres étapes sont nécessaires :

  • Extraction des informations clés des contrats de location, puis mise en forme structurée et sous forme de tableaux de ces attributs extraits dans une base de données. Ce processus peut également être automatisé à l'aide d'une IA générative, ce qui présente des avantages par rapport à l'extraction manuelle en termes de délais de développement et de déploiement. Les data peuvent également servir de data sources data les tableaux de bord et les rapports d'entreprise traditionnels, transformant ainsi cette tâche en un cas d'utilisation commercial précieux. Notez que cette étape n'est nécessaire que si les data analyser ne sont pas déjà disponibles sous forme structurée dans une base de données.

  • Utilisez l'IA générative pour interroger les data structurées data des documents, en convertissant les questions formulées en langage naturel par les utilisateurs en code SQL qui est ensuite exécuté sur les data tabulées. Les documents non structurés peuvent également être utilisés afin d'exploiter ces deux sources de data, offrant ainsi un système capable de générer instantanément des informations quantitatives détaillées.

Coûts et conditions requises

La mise en place et l'adaptation de l'outil Lease Explorer Artefactcoûteraient environ 45 000 £ et nécessiteraient au moins quatre semaines de collaboration, en fonction des fonctionnalités choisies. Cela suppose bien sûr que les baux téléchargés soient tous lisibles par machine, globalement similaires et rédigés en anglais. Une fois Lease Explorer mis en place, un abonnement continu serait nécessaire pour tout modèle de langage de grande capacité (LLM) basé sur l'IA générative utilisé pour développer l'outil personnalisé.

Pourquoi Artefact?

Artefact un cabinet de conseil international de premier plan qui se consacre à l'accélération de l'adoption des data de l'IA afin d'avoir un impact positif sur les personnes et les organisations. Nous sommes spécialisés dans data et data afin de générer des résultats commerciaux concrets tout au long de la chaîne de valeur de l'entreprise. Artefact l'ensemble le plus complet de solutions data, s'appuyant sur data approfondie data et sur des technologies d'IA de pointe, et met en œuvre des projets d'IA à grande échelle dans le secteur immobilier au Royaume-Uni.

Nous sommes des partenaires de confiance pour les entreprises du secteur immobilier, qu'il s'agisse de biens résidentiels, commerciaux, industriels ou de catégories d'actifs spécialisées. Parmi nos partenaires figurent des sociétés cotées au FTSE 350 ainsi que des entreprises privées de taille comparable. Forts de plus de 20 ans d'expérience dans l'immobilier, notre équipe spécialisée compte des experts et des professionnels agréés dans les domaines de l'évaluation immobilière, de l'urbanisme, de la promotion immobilière et du financement.

Nos interventions précédentes vont de l'élaboration, en collaboration avec nos clients, de stratégies dynamiques data – leur indiquant où se positionner et comment s'imposer sur les marchés qu'ils ont choisis – à la mise en œuvre de changements opérationnels majeurs, tels que la création de nouvelles divisions et de nouvelles offres commerciales. Nous avons intervenu à toutes les étapes du cycle de vie immobilier, de l'acquisition foncière à l'entretien courant, et avons collaboré avec nos clients pour optimiser scientifiquement ces processus.