Data, performance opérationnelle des OLS et vision stratégique : la contribution de la Banque des Territoires 

Le logement social, terrain de jeu idéal pour l’intelligence artificielle 

L’entrée en vigueur de la Loi Elan fin 2018 n’aura pas seulement mis en exergue une grande créativité des organismes de logement social en termes de modalités de rapprochement. Au-delà des montages juridiques, elle a aussi initié ou accéléré de profondes réflexions sur la performance opérationnelle et sur la nécessaire évolution des manières de travailler. 

Cela dit, ces réflexions, ainsi que les solutions proposées par la Banque des Territoires, émergent aussi de manière structurelle en regard des spécificités du logement social. Secteur profondément réglementé, il est historiquement assez lourd d’un point de vue administratif, chaque opération appelant un volume important d’informations et de justificatifs à présenter. « Pour obtenir un prêt sur fond d’épargne, il faut fournir entre autres un agrément accordé par l’Etat ou par une collectivité locale, mais aussi une garantie, des autorisations d’urbanisme… Autant de documents qui sont parfois demandés plusieurs fois par les différents interlocuteurs croisés au cours des années que dure le processus », décrit Hakim Lahlou. 

Cette réalité a pour conséquence des surcoûts et des latences non négligeables, ainsi que des problèmes de qualité et de cohérence des données d’un système informatique à l’autre, surtout quand on sait que chaque année 100 000 logements sociaux sont construits en France, 100 000 autres sont rénovés ou encore 500 000 voient leur Diagnostic de Performance Energétique révisé. Cette masse vertigineuse de documents à traiter et donc de données fait du secteur du logement social un candidat idéal pour des initiatives de simplification grâce à l’intelligence artificielle ! 

Autant de formats que de systèmes d’information 

C’est ainsi que la Banque des Territoires a lancé il y a deux ans des travaux afin de déployer des services reposant sur la technologie du textmining : il s’agit de mettre en place des réseaux de neurones artificiels à même de balayer un important volume de documents pour en extraire les données demandées, quand bien même ces données ne se situeraient pas au même endroit dans chaque document, ou n’auraient pas le même format d’un emplacement à un autre. Cette technologie est particulièrement pertinente pour les agréments délivrés par les collectivités : contrairement à des formulaires Cerfa, ils sont loin d’être homogènes d’un territoire à l’autre. 

En février 2020, une expérimentation du textmining a débuté en partenariat avec 35 organismes gérant un million de logements. Il s’agissait d’entraîner les réseaux de neurones à la lecture des documents et à la reconnaissance des informations cibles dans leur hétérogénéité, mais aussi d’obtenir des recommandations des métiers ainsi que des retours d’utilisateurs. Cette phase a donné lieu, en septembre 2020, au lancement d’un service de pré-remplissage automatique des demandes de prêts déployé sur la plateforme Banque des Territoires : le bailleur social y injecte son agrément au moment de la demande de prêt ou en amont, et cette dernière se préremplit automatiquement avec les informations contenues dans l’agrément (qui restent donc modifiables le cas échéant). Depuis septembre 2020, le périmètre a été étendu, puisque ce service traite également les agréments ANRU ou encore les demandes multi-agréments grâce à des réseaux de neurones adaptés. Il permet aussi de visualiser l’évolution du coût de chaque segment de l’opération entre la demande d’agrément et la mise en chantier. « Ça a l’air évident, mais aucun acteur ne dispose de ce type de vision : pas parce que l’information manque, mais parce qu’elle est éparpillée dans une infinité de documents qu’il s’agit de traiter ; ce à quoi répond le textmining », explique Hakim Lahlou. 

Mieux exploiter les données en accès public 

Autre chantier d’actualité, le webscraping. Il s’agit d’utiliser l’intelligence artificielle pour aller récupérer sur Internet des quantités massives de documents et données en accès public, au lieu de les demander aux bailleurs sociaux. Cette solution fait l’objet d’une nouvelle expérimentation dès septembre 2021, lancée au cours du Congrès HLM par Kosta Kastrinidis, le Directeur des Prêts de la Banque des Territoires avec les dirigeants de 8 bailleurs qui se sont portés volontaires. « Par exemple, les garanties accordées par les collectivités : elles sont mentionnées dans les délibérations, qui sont disponibles sur Internet. Autant les y récupérer-analyser-traiter automatiquement, plutôt que de les demander aux organismes ». Ici aussi, l’objectif est de mettre sur pied un service dédié à destination des bailleurs sociaux, Radar Garant : non seulement on ne leur demandera plus ce document, mais au contraire ils seront automatiquement notifiés quand il sera disponible. Comme le résume Hakim Lahlou, « vous ne perdez plus de temps pour nous, et même, grâce à ce nouveau service nous vous en faisons gagner ». 

Ces nouveaux services d’innovation data basés sur le textmining et le webscrapping nécessiteront de récupérer 10 millions de documents dans un premier temps (avec la nécessaire reprise d’antériorité), puis un million par an. Dans ce contexte, la capacité à hiérarchiser les sujets et à procéder par expérimentation est déterminante. La coopération et la participation active des organismes ont donc été des facteurs de succès indéniables. Ce sont en effet les bailleurs sociaux qui ont demandé l’extension du textmining aux demandes multi-agréments et aux agréments ANRU. C’est grâce à eux qu’après les agréments, cette technologie va être déployée à d’autres types de justificatifs – en l’occurrence, les diagnostics de performance énergétique et les audits énergétiques (500 000 logements chaque année) – et à des contrôles de premier niveau sur les justificatifs associés aux demandes de prêts. Ce sont également eux qui ont conçu les tableaux de pilotage qui permettront très prochainement de visualiser facilement les informations que la Banque des Territoires a déjà en sa possession et identifier celles qui mériteraient une actualisation. « Nous sommes dans une logique d’amélioration continue, et de co-création avec nos partenaires bailleurs sociaux ». 

Le matching d’adresses : revenir à la base 

Le secteur du logement social est en pointe en matière de performance énergétique dans notre pays, sur le neuf comme en rénovation ! Mais comment le démontrer, le quantifier, sans données agrégées croisant les labels, le coût, le territoire, la volumétrie, la nature sociale ou non ? 

Le meilleur dénominateur commun pour retrouver un logement entre plusieurs bases de données, c’est l’adresse, qui va cependant ne pas être complète ici, être mal orthographiée là ! Il s’agit donc d’entraîner l’algorithme à reconnaître une adresse à travers les abréviations et autres acronymes de chaque système d’information. « A partir de ce chantier abstrait au premier abord, on construit peu à peu une vision très puissante du logement social en France : on peut piloter l’écosystème, fournir des éclairages stratégiques, porter une vision », explique Hakim Lahlou. 

La Banque des Territoires, une responsabilité particulière 

Les différentes solutions d’innovation data développées par la Banque des Territoires sont intégrées dans des services numériques mis à disposition gratuitement sur la plateforme. Une démarche qui s’inscrit dans une volonté forte de simplification et de création de valeur, au service des acteurs du logement social. 

Il s’agit certes de réaliser des gains d’efficacité opérationnelle et financière de part et d’autre, mais selon Hakim Lahlou, l’enjeu est ailleurs : « nous sommes le financeur de référence du logement social en France, et cela nous donne véritablement une responsabilité. L’intelligence artificielle requérant des volumétries massives de données, nous, qui sommes un point de passage pour 80% du marché, sommes les mieux placés pour innover à l’échelle du secteur ». De nombreux chantiers sont donc à l’étude à la Banque des Territoires pour optimiser encore les opérations et, in fine, les plans de financement au sein de tout l’écosystème.