README.md

metadata

title: M2Predict
emoji: 🏠
colorFrom: blue
colorTo: green
sdk: docker
pinned: false
license: mit

🏠 M2Predict — Prédiction du prix immobilier au m² en France

M2Predict est un modèle de Machine Learning entraîné sur les données publiques DVF (Demande de Valeurs Foncières) pour prédire le prix au m² d’un bien immobilier en France.

L’objectif : fournir une estimation rapide, explicable et accompagnée d’un score de confiance.

---

🎯 Objectif du modèle

Le modèle prédit :

prix_m2

À partir de :

• code_postal
• surface_reelle_bati
• nombre_pieces_principales
• type_local (Maison / Appartement)

Le prix total est ensuite calculé :

prix_total = prix_m2 × surface

---

📊 Dataset

Source : DVF – Données ouvertes des transactions immobilières en France

Nettoyage appliqué

Conservation uniquement :

• Maisons et Appartements
• surface > 0
• valeur foncière > 0
• nombre de pièces > 0

Calcul de la variable cible :

prix_m2 = valeur_fonciere / surface_reelle_bati

Suppression des valeurs aberrantes

Contrainte appliquée :

surface >= 10 m²
200 <= prix_m2 <= 60 000

Dataset final

{
  "raw_rows": 1387077,
  "clean_rows": 390644,
  "prix_m2_median": 2685,
  "code_postal_unique": 5830
}

---

🤖 Modèles testés

Modèles comparés

• RandomForestRegressor (RF)
• HistGradientBoostingRegressor (HGB)

Métriques utilisées

• MAE (Mean Absolute Error)
• RMSE (Root Mean Squared Error)

---

🔹 Sans Target Encoding

Code postal en One-Hot

Modèle	RMSE	MAE
RF	4176	2150
HGB	4075	2014

👉 HGB légèrement meilleur.

---

Département uniquement

Modèle	RMSE	MAE
RF	4201	2012
HGB	4217	1969

👉 Perte de granularité géographique.

---

🧠 Target Encoding (Version retenue)

Le code_postal est remplacé par :

prix_m2 moyen par code postal
(calculé uniquement sur le train set)

Méthode :

• KFold Out-Of-Fold (anti data leakage)
• smoothing = 20
• fallback = moyenne globale

Avantages

• 1 variable au lieu de 5 830 colonnes one-hot
• signal géographique plus fort
• meilleure généralisation

---

📈 Résultats avec Target Encoding

Modèle	RMSE	MAE
RF + TE	3737	1701
HGB + TE	3823	1746

🥇 Meilleur modèle : RandomForest + Target Encoding

Amélioration MAE : ~2150 → ~1700 €/m²

---

🔐 Système de Score de Confiance

Chaque prédiction retourne :

{
  "prix_m2": ...,
  "score_confiance": ...,
  "q10": ...,
  "q90": ...,
  "intervalle_largeur": ...
}

⚠️ Le score est relatif à la dispersion du modèle. Ce n’est pas une probabilité statistique.

---

🔹 RandomForest — Méthode

• Récupération des prédictions de tous les arbres

• Calcul des quantiles :

  • q10
  • q90

• Intervalle = q90 − q10

• Score normalisé entre p5 et p95 observés au training

Méthode interne :

rf_tree_quantile_width

---

🔹 HGB — Méthode Bootstrap

• 10 modèles HGB entraînés sur échantillons bootstrap
• Calcul de la dispersion des prédictions
• Même logique q10/q90

Méthode interne :

hgb_bootstrap_width

---

📊 Interprétation du score

Score	Interprétation
≥ 0.80	Très fiable
0.65 – 0.80	Fiable
0.50 – 0.65	Incertain
< 0.50	Risqué

---

⚙️ Pipeline interne

1. Extraction du département (2 premiers chiffres du CP)
2. Target Encoding
3. Passage dans le pipeline scikit-learn
4. Calcul de l’incertitude
5. Normalisation → score_confiance

---

📦 Artefacts produits

Structure par version :

artifacts/models/v1_rf_te/
artifacts/models/v1_hgb_te/

Contenu :

• model.joblib
• metadata.json
• target_encoding.json
• bootstrap models (HGB)

---

🌐 API

Endpoint :

POST /predict?model_version=v1_rf_te
POST /predict?model_version=v1_hgb_te

Input :

{
  "code_postal": "75011",
  "surface_reelle_bati": 42,
  "nombre_pieces_principales": 2,
  "type_local": "Appartement"
}

---

🚀 État actuel

🥇 Meilleur MAE : RF + Target Encoding 🧠 Meilleure stabilité : HGB Bootstrap 📊 Système d’incertitude opérationnel en production

---

🔮 Améliorations futures

• CatBoost
• LightGBM
• XGBoost
• Ensemble RF + HGB
• Monitoring de dérive des données
• Validation métier automatique

---

📌 Disclaimer

Ce modèle fournit une estimation statistique basée sur les données historiques DVF. Il ne remplace pas une expertise immobilière professionnelle.