| Titre : | Exploration des modèles de Machine Learning dans la prédiction des valeurs immobilières à Casablanca |
| Auteurs : | BENCHAABOUNE EL Amine, Auteur ; FAIQ Mohamed, Auteur |
| Type de document : | texte imprimé |
| Editeur : | Rabat : IAV Hassan II, 2026 |
| Format : | 103 Pages |
| Langues: | Français |
| Mots-clés: | Évaluation immobilière ; Apprentissage automatique ; Prédiction des prix immobiliers ; Gradient Boosting ; Random Forest ; XGBoost ; KNN ; Web scraping ; Valeurs aberrantes ; Validation croisée. |
| Résumé : |
L’évaluation immobilière occupe une place importante dans l’économie marocaine, où la
fiabilité des estimations influence les décisions des investisseurs, institutions financières, agences immobilières et autres acteurs du marché. Les méthodes traditionnelles, fondées notamment sur l’analyse de biens comparables, restent essentielles mais présentent certaines limites liées au nombre restreint de références disponibles, à l’hétérogénéité des biens et au caractère manuel du processus d’évaluation. Dans ce contexte, ce mémoire étudie l’apport des techniques d’apprentissage automatique pour la prédiction des prix d’offre des biens immobiliers à Casablanca. L’étude porte sur cinq catégories de biens : appartements, villas, locaux commerciaux, bureaux et terrains. Les données ont été collectées par web scraping depuis la plateforme Avito.ma, puis soumises à plusieurs étapes de préparation comprenant le nettoyage, le traitement des valeurs manquantes, la détection et le filtrage des valeurs aberrantes ainsi que l’encodage des variables. Plusieurs modèles de régression ont été comparés, notamment le Gradient Boosting, la Random Forest, XGBoost et le K-Nearest Neighbors (KNN). Leur performance a été évaluée à l’aide du coefficient de détermination (R²), de l’erreur absolue moyenne (MAE), de la racine de l’erreur quadratique moyenne (RMSE) et de la validation croisée. Les résultats montrent que le Gradient Boosting présente globalement les performances les plus régulières selon les différentes catégories étudiées, avec une bonne capacité de généralisation. Certaines limites subsistent toutefois, notamment en raison de la qualité et de la complétude variables des annonces immobilières. Parmi les perspectives envisagées figurent l’extension de l’étude à d’autres villes marocaines, l’intégration de données textuelles et visuelles ainsi que le développement d’outils automatisés destinés aux professionnels du secteur. Ainsi, l’apprentissage automatique apparaît comme un outil d’aide à l’évaluation immobilière, destiné à compléter l’expertise humaine plutôt qu’à la remplacer. |
| Rapporteur : | EL AYACHI Moha/FAIQ Mohamed/RAHHAL Ibrahim |
| En ligne : | http://10.2.0.27/PDF_CDA/uploads/PDF/BENCHAABOUNE_FAIQ_2026_10930.pdf |
Exemplaires (2)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| 200042472 | 10930 | Support papier | Salle des thèses/PFE (RDC) | Master | Consultation sur place Exclu du prêt |
| 200042473 | 10930 | Support papier | Salle des thèses/PFE (RDC) | Food Safety in the Mediterranean | Libre accès Disponible |
