L’économie de la Nouvelle-Zélande a été décrite comme un «marché immobilier avec des morceaux ajoutés« . L’achat et la vente d’une propriété sont un sport national alimenté par la valeur croissante des maisons à travers le pays.
Mais le grand public comprend mal comment ces évaluations immobilières sont créées, bien qu’elles soient un facteur clé dans les décisions de la plupart des banques concernant le montant qu’elles sont prêtes à prêter pour un prêt hypothécaire.
Les modèles d’évaluation automatisés (AVM) – des systèmes activés par l’intelligence artificielle (IA) qui traitent de vastes ensembles de données pour produire des valeurs immobilières instantanées – n’ont guère contribué à améliorer la transparence du processus.
Ces modèles ont commencé à gagner du terrain en Nouvelle-Zélande au début des années 2010. Les premières versions utilisaient des sources de données limitées telles que les registres de ventes de propriétés et les informations du conseil. Les modèles les plus avancés d’aujourd’hui incluent des données géospatiales de haute qualité provenant de sources telles que Informations foncières Nouvelle-Zélande.
Les modèles d’IA ont amélioré leur efficacité. Mais les algorithmes propriétaires derrière ces AVM peuvent rendre difficile pour les propriétaires et les professionnels du secteur de comprendre comment des valeurs spécifiques sont calculées.
Dans notre recherche en coursnous développons un cadre qui évalue ces évaluations automatisées. Nous avons examiné comment les chiffres doivent être interprétés et quels facteurs pourraient ne pas être pris en compte par les modèles d’IA.
Dans un marché immobilier aussi varié géographiquement et culturellement que celui de la Nouvelle-Zélande, ces points ne sont pas seulement pertinents : ils sont cruciaux. L’intégration rapide de l’IA dans l’évaluation immobilière n’est plus seulement une question d’innovation et de rapidité. Il s’agit de confiance, de transparence et d’un cadre solide de responsabilisation.
Les valorisations de l’IA sont une boîte noire
En Nouvelle-Zélande, l’évaluation immobilière est traditionnellement un processus à forte intensité de main-d’œuvre. Les évaluateurs inspectent généralement les propriétés, font des comparaisons avec le marché et appliquent leur jugement d’expert pour arriver à une estimation de la valeur finale.
Mais cette approche est lente, coûteuse et sujette aux erreurs humaines. À mesure que la demande d’évaluations immobilières plus efficaces augmente, le recours à l’IA apporté des changements indispensables.
Mais la montée en puissance de ces modèles de valorisation n’est pas sans défis. Si l’IA offre rapidité et cohérence, elle présente également un inconvénient majeur : le manque de transparence.
Les AVM fonctionnent souvent comme des « boîtes noires », fournissant peu d’informations sur les données et les méthodologies qui déterminent leurs valorisations. Cela soulève de sérieuses inquiétudes quant à cohérence, objectivité et transparence de ces systèmes.
Ce que fait exactement l’algorithme lorsqu’un AVM estime la valeur d’une maison n’est pas clair. Une telle opacité a des conséquences concrètes, perpétuant les déséquilibres et les inégalités du marché.
Sans un cadre permettant de surveiller et de corriger ces écarts, les modèles d’IA risquent de fausser davantage le marché immobilier, en particulier dans un pays aussi diversifié que la Nouvelle-Zélande, où des facteurs régionaux, culturels et historiques influencent considérablement la valeur des propriétés.
Transparence et responsabilité
Un récent forum de discussion avec des initiés du secteur immobilier, des chercheurs en droit et des informaticiens sur Gouvernance de l’IA et évaluations immobilières a souligné la nécessité d’une plus grande responsabilité en matière de MAV. La transparence seule ne suffit pas. La confiance doit être intégrée au système.
Cela peut être réalisé en exigeant que les développeurs et les utilisateurs d’IA divulguent les sources de données, les algorithmes et les marges d’erreur derrière leurs évaluations.
De plus, les modèles d’évaluation doivent intégrer un « intervalle de confiance », c’est-à-dire une plage de prix qui montre dans quelle mesure la valeur estimée peut varier. Cela offre aux utilisateurs une compréhension plus claire de l’incertitude inhérente à chaque valorisation.
Mais une gouvernance efficace de l’IA dans l’évaluation immobilière ne peut être réalisée de manière isolée. Cela nécessite une collaboration entre les régulateurs, les développeurs d’IA et les professionnels de l’immobilier.
Correction du biais
La Nouvelle-Zélande a besoin de toute urgence d’un cadre d’évaluation complet des MAV, qui donne la priorité à la transparence, à la responsabilité et à la correction des préjugés.
C’est là que nos recherches entrent en jeu. Nous rééchantillonnons à plusieurs reprises de petites parties des données pour tenir compte des situations dans lesquelles les données sur la valeur des propriétés ne suivent pas une distribution normale.
Ce processus génère un intervalle de confiance montrant une plage de valeurs possibles autour de chaque estimation de propriété. Les utilisateurs sont alors en mesure de comprendre la variabilité et la fiabilité des évaluations générées par l’IA, même lorsque les données sont irrégulières ou faussées.
Notre cadre va au-delà de la transparence. Il intègre un mécanisme de correction des biais qui détecte et ajuste les estimations constamment surévaluées ou sous-évaluées dans les résultats de l’AVM. Un exemple de cela concerne les disparités régionales ou la sous-évaluation de certains types de propriétés.
En éliminant ces biais, nous garantissons des valorisations qui sont non seulement responsables ou vérifiables, mais également équitables. L’objectif est d’éviter les distorsions de marché à long terme que pourraient créer des modèles d’IA non contrôlés.
L’essor de l’audit par l’IA
Mais la transparence seule ne suffit pas. L’audit des informations générées par l’IA devient de plus en plus important.
La Nouvelle-Zélande les tribunaux exigent désormais une personne qualifiée pour vérifier les informations générées par l’IA et ensuite utilisées dans les procédures judiciaires.
De la même manière que les auditeurs financiers garantissent l’exactitude de la comptabilité, les auditeurs IA joueront un rôle central dans le maintien de l’intégrité des évaluations.
Sur la base de recherches antérieures, nous auditons les estimations du modèle d’évaluation artificielle en les comparant aux prix négociés sur le marché des mêmes maisons au cours de la même période.
Il ne s’agit pas seulement de faire confiance aux algorithmes, mais aussi aux personnes et aux systèmes qui les sous-tendent.
Cet article est republié à partir de La conversation sous licence Creative Commons. Lire le article original.