🏠 IMMO-PREV-IA

📋 Description

Immo-Prev-IA est un modèle d'intelligence artificielle pour prédire les prix immobiliers en France basé sur les données DVF (Demandes de Valeurs Foncières).

🎯 Fonctionnalités

• ✅ Prédiction de prix immobiliers (maisons/appartements)
• ✅ Géolocalisation par département et zones urbaines
• ✅ Modèle optimisé pour PC avec mémoire limitée
• ✅ Tracking MLflow pour suivi des expériences
• ✅ Interface simple de prédiction

📊 Données

• Source : DVF 2020-2025 consolidées
• Échantillon : 10k transactions pour entraînement rapide
• Features : Surface bâti, surface terrain, pièces, type

🚀 Installation

# 1. Cloner le projet
git clone <url-du-repo>
cd Immo-Prev-IA

# 2. Créer l'environnement virtuel
python -m venv env
env\Scripts\activate

# 3. Installer les dépendances
pip install -r requirements.txt

4. Commande pour lancer l'image

docker pull imagename docker run --name appligroupe4 -p 5004:8000 -network p4_network -e MODEL_NAME="model_test" -e MLFLOW_URI="mlflow:5000" -d nom_image

🎮 Utilisation

1. Entraîner le modèle

python modelcreation.py

2. Faire des prédictions

python prediction.py

3. Interface MLflow

mlflow ui --backend-store-uri file:./mlruns
# Ouvrir: http://localhost:5000

📁 Structure

Immo-Prev-IA/
├── data/
│   └── processed/
│       └── DVF_2020_2025_consolidated.csv
├── models/
│   └── micro_rf_YYYY_NNNN.pkl
├── mlruns/                    # MLflow tracking
├── modelcreation_micro.py     # Entraînement modèle
├── integrate_mlflow.py        # Intégration MLflow  
├── demo_prediction.py         # Tests prédictions
├── requirements.txt           # Dépendances
└── README.md

🧪 Exemple de prédiction

from demo_prediction import predict_price_simple

# Appartement 70m² à Paris
result = predict_price_simple(
    surface_bati=70,
    surface_terrain=0,
    nb_pieces=3,
    type_local="Appartement",
    
)

print(f"Prix estimé: {result['prix_estime']:,}€")
# Prix estimé: 650,000€

📈 Performance

• R² Score : ~0.40 (40% de variance expliquée)
• Entraînement : <5 minutes
• Modèle : ~2 MB
• Prédiction : <1 seconde

🛠️ Technologies

• Python 3.9+
• Scikit-learn : Machine Learning
• Pandas : Manipulation données
• MLflow : Tracking expériences
• Joblib : Sérialisation modèles

📝 Licence

MIT License

👥 Contributeurs

• Développeur Principal : Herry Fabien / Rambourg Arnaud

---

Projet créé en 2025 - Prédiction intelligente des prix immobiliers 🏠🤖