Apporter de la « prévisibilité » au marché immobilier… Kim Jae-gu, PDG de Data Knows

Le plus grand ennemi du marché immobilier est le « monopole de l'information ». En période de surchauffe, des anticipations vagues dominent le marché, tandis qu'en période de récession, ce sont des craintes infondées qui prédominent.

Data Knows a développé un modèle de prévision à court terme de six mois, basé sur 26 indicateurs clés soigneusement sélectionnés parmi 160 variables. Ce modèle a atteint une précision inférieure à 1 % dans les principaux quartiers de Séoul. L'application « Richigo », forte de 1,3 million de visiteurs mensuels, a connu un succès fulgurant et s'est ensuite étendue aux secteurs de la construction, du bâtiment et de la finance avec le lancement de la solution d'entreprise « AI MAS ».

« En fait, avant la création de l’application « Richigo Real Estate », son modèle initial était « Richigo Expert », une solution d’analyse destinée aux professionnels. »

Kim Jae-gu, PDG de Data Knows, a développé un modèle combinant données économiques, financières et régionales mondiales pour prédire l'avenir. Il explique que ce modèle a suscité un vif intérêt auprès des experts. Souhaitant partager ces résultats analytiques avec le grand public, il a considérablement simplifié l'interface utilisateur, donnant naissance à l'application « Richgo Real Estate ».

Le service destiné aux utilisateurs finaux a servi de vaste banc d'essai pour la validation des données. Il explique : « Notre modèle de prédiction a été affiné grâce à la comparaison des tendances d'achat de 1,3 million d'utilisateurs, des intérêts régionaux et des évolutions réelles du marché sur l'application. » La fiabilité des données et des modèles de prédiction, vérifiée par ce service, a permis à la solution d'entreprise « AI MAS » de convaincre rapidement des sociétés financières et de construction réputées conservatrices.

Lorsque le président Kim Jae-goo a pris la direction de l'entreprise en 2022, il s'est fixé pour objectif de devenir « un partenaire pour la transition vers un travail à forte valeur ajoutée et une prise de décision commerciale réussie ».

« Nous nous sommes concentrés sur la réduction du temps que les entreprises clientes consacrent à l'analyse du marché immobilier et au calcul des prix de vente, passant de plusieurs jours ou semaines à quelques heures seulement. »

Pour y parvenir, il a combiné trois compétences clés : une expérience pratique en matière d’investissement, des capacités d’analyse de données et une expertise en intelligence artificielle et en mégadonnées. Il se souvient : « La collaboration avec de grandes entreprises de construction comme Hyundai Engineering & Construction, DL Engineering & Construction et Hanwha Engineering & Construction a été essentielle. » Il ajoute : « Plutôt que de simplement poursuivre des idéaux technologiques, nous avons uni nos forces pour améliorer en permanence les solutions aux défis rencontrés par les promoteurs immobiliers sur le terrain. »

Un modèle de prévision des prix à court terme récemment publié a démontré une précision inférieure à 1 % dans les principaux quartiers de Séoul. Ce résultat est le fruit d'une analyse approfondie de 26 indicateurs, dont la masse monétaire M2, les taux d'intérêt et le sentiment d'achat.

« Le succès ou l'échec des prévisions de prix par l'IA dépend en fin de compte de la qualité des données. Ajouter simplement plus de données n'améliore pas nécessairement la précision. »

Depuis sa création il y a neuf ans, Data Knows affine et teste diverses variables du marché immobilier. Il explique : « Parmi les quelque 140 à 160 variables dont dispose Richigo, nous n’utilisons que 26 variables clés, les plus sensibles aux variations à court terme, pour nos prévisions à six mois. »

Les données sont gérées à trois niveaux : prototypes de données publiques, données combinées et traitées, et données logiques propriétaires.

« Dans les modèles prédictifs concrets, les indicateurs les plus pertinents sont généralement des données issues d'une logique propriétaire, conçue et traitée directement. C'est le principal atout de RichGo, un avantage que les modèles statistiques existants ne peuvent égaler. »

Deux facteurs clés contribuent à maintenir une précision de l'ordre de 1 % sur le marché intérieur, caractérisé par une forte volatilité. D'un point de vue macroéconomique, le ratio « capitalisation boursière/masse monétaire », qui évalue la liquidité globale du marché immobilier, et l'« Indice Richgo des indicateurs économiques avancés », qui anticipe les tendances économiques, offrent un aperçu du marché dans son ensemble. D'un point de vue régional et psychologique, des indicateurs tels que l'« Indice de vigueur de la hausse », qui quantifie le sentiment des investisseurs, l'« Indice de la charge des acheteurs », qui analyse la capacité d'emprunt des résidents, et le « Rendement locatif mensuel/taux de dépôt » sont essentiels.

« Les modèles existants utilisent simplement des données publiques telles que les tendances de l'offre et de la demande et les tendances transactionnelles à titre de référence, mais nous interprétons et analysons ces données comme des "changements immédiats dans le sentiment des acteurs du marché". Ces indicateurs sont extrêmement utiles pour prédire les changements au cours des un à trois prochains mois. »

Data Knows a fait de l'« IA explicable » sa valeur fondamentale. Sur le marché du financement de projets immobiliers, où des centaines de milliards, voire des billions de wons, sont investis, les tactiques persuasives du type « faites-nous confiance, l'IA l'a prédit » sont vouées à l'échec.

« Nous allons au-delà des simples prévisions de prix pour fournir des données chiffrées montrant quelles variables ont contribué au résultat et dans quelle proportion. »

Ce « pouvoir explicatif » est en réalité à l'origine de deux changements majeurs dans le domaine. Il a souligné : « Au sein des entreprises, le débat sur le prix de vente approprié oppose constamment l'équipe commerciale dynamique à l'équipe marketing soucieuse de la gestion des risques. Auparavant, l'intuition et l'expérience de chaque service s'opposaient, mais avec l'introduction de l'IA et des systèmes multi-agents, les discussions s'appuient désormais sur la contribution de variables objectives. »

De plus, alors que les rapports d'examen de projets existants se limitaient à des analyses passées, telles que « Puisque des complexes voisins se sont vendus à ce prix par le passé, il est probable que ce soit également possible cette fois-ci », les entreprises qui adoptent les solutions de Data Knows créent des scénarios futurs.

« Une culture se met en place où l’on examine et simule les variables qui influent sur une région donnée afin de prendre les meilleures décisions. »

Data Knows a reçu le plus haut niveau de certification de qualité des données, « Classe A (score de qualité de 0,99 ou plus) », de la part de CAES.

Pour garantir qu'aucune erreur, même de 0,01 %, ne soit tolérée lors du traitement de 10 ans de données provenant de 252 villes et comtés, un « système de purification automatisé » à plusieurs niveaux est en fonction.

« Pour traiter des quantités massives de données qui dépassent tout simplement l'œil humain, nous avons construit un algorithme de filtrage des valeurs aberrantes basé sur l'IA. »

Si une transaction est déconnectée du marché ou si les données sont incohérentes, elle est immédiatement identifiée et corrigée lors de la phase d'ingénierie. L'avantage concurrentiel unique de Data Knows réside dans son cercle vertueux de services destinés aussi bien aux particuliers qu'aux entreprises.

Il a expliqué : « Les 1,3 million d’utilisateurs de l’application Richigo ne sont pas de simples consommateurs d’informations ; ils sont aussi les garants ultimes de la fiabilité des données en temps réel. Ils sont les premiers à repérer les moindres changements dans les informations ou les erreurs de données sur le terrain et à fournir un retour d’information, qui est immédiatement pris en compte par le système. »

La méthode de calcul du prix de vente approprié a également été modifiée et repose désormais sur une simulation scientifique avec Data Knows.

« Le premier changement que constatent les grandes entreprises de construction, c'est la rapidité. Auparavant, il fallait en moyenne une semaine aux professionnels pour collecter les données et préparer les rapports nécessaires à la détermination du prix de vente approprié d'un terrain. Désormais, AI MAS combine instantanément les données relatives aux prix du marché environnant, aux prix demandés, aux prix de transaction réels et aux prévisions, et fournit des résultats préliminaires en quelques minutes seulement. »

Les économies réalisées par les entreprises de construction sur les risques ne se limitent pas aux seuls coûts de main-d'œuvre. Une stratégie de prix inadaptée, engendrant des invendus, peut entraîner des coûts financiers, une baisse de l'image de marque et des frais de marketing liés à la revente, pour les entreprises de construction. Ces coûts peuvent se chiffrer en dizaines, voire en centaines de milliards de wons par projet.

Au-delà de la simple fourniture de solutions, nous nous développons dans un domaine marketing appelé « Achat Plus ». Alors que le marché publicitaire d'achat existant attirait les clients par une exposition indiscriminée et des phrases provocatrices, « Achat Plus » met en relation fournisseurs et acheteurs au point optimal en utilisant des critères précis comme l'IA et le big data.

La collaboration avec les institutions financières est également active. Data Knows collabore avec des institutions financières majeures telles que KB, Hana et NH car ses données permettent de réduire les risques et d'accroître les opportunités de profit pour ces institutions.

« Alors que le processus d'examen des prêts garantis par les banques traditionnelles se concentre sur les « prix actuels du marché », nos données prédictives offrent un aperçu de la « valeur future des garanties ». »

L'événement « AI MAS DAY », qui s'est tenu récemment, a attiré un grand nombre de représentants d'entreprises de construction et de sociétés fiduciaires, témoignant d'un vif intérêt.

« Ce que les personnes que j'ai rencontrées sur le terrain souhaitaient, c'était des « indicateurs objectifs qui compléteraient les limites du jugement humain ». Avec la récente popularisation de l'IA générative, les professionnels de l'immobilier souhaitaient également une IA capable d'expliquer logiquement « pourquoi certains résultats ont été obtenus ». »

Concernant les inquiétudes selon lesquelles une prévisibilité accrue pourrait accélérer la concentration du marché, le PDG Kim Jae-goo a une philosophie claire.

Il a déclaré : « Les monopoles de l’information créent des bulles, et lorsque ces bulles éclatent, ce sont toujours les gens ordinaires, qui manquent d’information, qui en souffrent », et a expliqué : « La “démocratisation des données” que nous poursuivons n’est pas un jeu de devinettes sur l’avenir, mais le travail de construction d’un filet de sécurité sociale qui transforme l’“incertitude” du marché en une “prévisibilité gérable”. »

La surchauffe du marché immobilier résulte souvent de craintes vagues ou d'espoirs infondés, et non d'informations précises. Quand tout le monde clame : « Si vous n'achetez pas maintenant, vous n'achèterez plus jamais », des données objectives démontrant que « ce secteur est actuellement historiquement surévalué » peuvent freiner la panique irrationnelle. Inversement, lorsqu'un effondrement du marché immobilier pose un problème de société, des indicateurs objectifs de sous-évaluation et de valeur future peuvent aider les gens à acquérir un logement.

Enfin, je l'ai interrogé sur sa vision. Le PDG, Kim Jae-gu, a répondu : « Au-delà des simples chiffres, nous aspirons à être un phare de confiance reliant les logements et les rêves, le Bloomberg de l'immobilier. » Il a souligné : « Malgré les différences de nationalité et de langue, nous créerons un monde où chacun pourra faire les meilleurs choix grâce à la boussole objective des données. »