Intelligence artificielle La DGFiP propose en open data sa base de données sur les...

Pour approfondir le sujet

Sur le même thème :

Le défi de Safety Line et d’Inria : un outil numérique afin d’économiser du carburant pour les avions

Dans le cadre d'un partenariat entre la start-up Safety Line et Inria, des chercheurs de l'institut national de recherche en informatique et en automatique...

L’Université Purdue conçoit une base de données de pièces mécaniques 3D pour les modèles ML/DL

Nombreux sont les chercheurs qui exploitent le machine learning pour entrainer les ordinateurs à reconnaitre visuellement des objets, mais peu se permettent d'exploiter cette...

CAMEO, un modèle de machine learning capable de reconnaître tous types de matériaux

Dans le cadre de recherches sur les matériaux, le National Institute of Standards and Technology (NIST) a élaboré un modèle d'IA. Cet algorithme baptisé Closed-Loop...

Intel ISL dévoile un modèle de réseau de neurones convolutif rendant les images de jeux vidéo plus réalistes

Les développeurs de jeux vidéo élaborent des mondes virtuels aussi réalistes que possible et certains chercheurs ont réussi à rendre ces environnements encore plus...

La DGFiP propose en open data sa base de données sur les ventes de biens immobiliers

Ce mercredi 24 avril, la Direction générale des finances publiques (DGFiP) a diffusé en open data sa base de données “Demandes de valeurs foncières” (DVF) des 5 dernières années. Les Datascientists ont donc désormais accès aux données relatives aux ventes de biens immobiliers.

Cette mise à disposition des données en libre accès se fait en application de l’article 13 de la loi n° 2018-727 du 10 août 2018 pour un État au service d’une société de confiance (ESSOC) et du décret n° 2018-1350 du 28 décembre 2018 relatif à la publication sous forme électronique des informations portant sur les valeurs foncières déclarées à l’occasion des mutations immobilières.

Sont proposées en open data 15 millions de données foncières de 2014, 2015, 2016, 2017 et 2018, téléchargeables sur https://cadastre.data.gouv.fr/dvf.

Pour chaque propriété, il y a différentes informations relatives au bien, (nature, surface, localisation et prix d’acquisition brut..) ce qui permet donc de construire un outil capable d’estimer le prix d’un bien. Aucun nom de famille ou prénom n’est mentionné dans le fichier.

Concrètement, les informations diffusées comprennent :

  • des fichiers annuels de restitution des mutations à titre onéreux (vente, échange, expropriation ou adjudication) intervenues au cours des cinq dernières années (transmission des données sur 10 semestres au moment de la publication du mois d’avril, et sur 11 semestres en octobre – cf infra §3.) ;
  • une notice descriptive des fichiers ;
  • un tableur contenant les tables de références associées aux natures de cultures pour les biens non bâtis (2 tables) ;
  • les conditions générales d’utilisation (CGU) des données mises en ligne ;
  • l’information des personnes concernées par le traitement informatique mis en œuvre.

À noter, les ventes de biens fonciers réalisées à Mayotte et en Alsace-Moselle ne sont pas inclues dans cette base de données DVF.


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
 
Thierry Maubant

Partager l'article

Prédire la mortalité et la durée du séjour en unité de soins intensifs grâce au machine learning

Les unités de soins intensifs (USI) assurent une continuité des soins et une surveillance continue aux patients atteints de maladies graves. Une équipe de...

Retour sur le webinaire sur l’IA ouverte et les données dans les systèmes de droit et de justice de l’Open for Good Alliance

L'Open for Good Alliance, dans le cadre de l'Initiative mondiale pour la formation des juges de l'UNESCO, qui a formé plus de 23 000...

Le Pôle d’Expertise de la Régulation Numérique (PEReN) présente son rapport d’activité 2021

Service à compétence nationale créé  le 31 août 2020, le Pôle d’Expertise de la Régulation Numérique (PEReN) a remis récemment son premier rapport d’activité...

Etudier la variabilité du PH en zone côtière grâce au deep learning

L’eau de mer a un pH d’environ 8,2 bien qu’il puisse varier entre 7,5 et 8,5 en fonction de la salinité locale, on estime...
Recevoir une notification en cas d'actualité importante    OK Non merci