La mission
La société de rachat avait besoin d'une estimation objective de la valeur de marché des voitures d'occasion. Il fallait pour cela une base d'annonces vaste et propre, avec caractéristiques et prix — comme corpus d'entraînement et de référence pour le système d'estimation.
Ce que nous avons fait et les données collectées
Nous avons mis en place la collecte d'annonces de vente de voitures sur plusieurs plateformes : marque, modèle, génération et finition, année, kilométrage, état, région, prix et date. Les données ont été ramenées à des référentiels unifiés et nettoyées afin d'éliminer les anomalies, pour produire un corpus prêt pour l'analytique et l'entraînement de modèles. La collecte tournait régulièrement pour garder une image du marché à jour.
Difficultés et solutions
Premièrement, les doublons et les republications. Une même voiture est publiée sur plusieurs plateformes et à plusieurs reprises. Nous avons dédupliqué les annonces, sans quoi les modèles populaires auraient faussé les statistiques.
Deuxièmement, la disparité des caractéristiques. Marque, modèle, génération et finition s'écrivent partout différemment. Nous les avons ramenés à des référentiels unifiés.
Troisièmement, les prix « poubelle » et les fausses annonces (prix d'appel, revendeurs). Nous avons filtré les valeurs aberrantes pour que l'estimation s'appuie sur des transactions réelles et non sur des anomalies. Certaines plateformes limitent la collecte automatisée — nous avons travaillé prudemment, à fréquence raisonnable et avec des proxys.
Le résultat
Le client dispose d'une base d'annonces régulièrement actualisée et nettoyée, aux caractéristiques comparables — un socle fiable pour le système d'estimation des prix de rachat.
Services dans ce projet : Extraction de petites annonces · Données pour l'IA et le machine learning · Veille des prix sur les marketplaces
Ressources utiles : Normalisation des données · Scraping de sites dynamiques · Proxys pour le scraping