DataBridge SuperMap
Carte interactive de France fusionnant les données publiques immobilières — DVF, cadastre, BDNB, DPE, INSEE, risques — au service d'un moteur d'estimation de prix.
En bref
- Sept sources de données publiques fusionnées sur un référentiel commun
- Pipelines d'import asynchrones supervisés depuis un backoffice
- Tuiles vectorielles générées à la volée pour la France entière
Le problème
Les données immobilières françaises sont publiques et gratuites. Elles sont aussi éparpillées : les transactions dans DVF, la géométrie des parcelles dans le cadastre, les caractéristiques du bâti dans la BDNB, la performance énergétique dans les DPE, la démographie à l'INSEE, l'exposition aux risques ailleurs encore.
Chacune a son format, sa granularité et son identifiant pivot. Croiser « le prix au m² des maisons construites avant 1975 avec un DPE F ou G dans un secteur inondable » demande donc un travail de fusion préalable considérable.
L'objectif produit
Un moteur d'estimation de prix immobilier — la carte est le support d'exploration, mais l'objectif est de nourrir un modèle avec des caractéristiques réellement croisées.
Architecture
- Frontend : Nuxt 3 + MapLibre GL — exploration cartographique, filtres, backoffice
- Backend : FastAPI + SQLAlchemy, avec Celery pour les traitements longs
- Données : PostgreSQL / PostGIS pour le spatial, Redis comme broker
- Infra : docker-compose, workers séparés par file d'attente
Les workers sont scindés en deux files : imports pour l'ingestion des sources, et
mutations pour les rebuilds, l'enrichissement, la génération de tuiles et les
traitements ML. Cette séparation évite qu'un import de plusieurs heures bloque un
recalcul de tuiles de quelques minutes.
Un backoffice /admin pilote les imports et suit l'état des jobs.
Méthode
Le projet s'appuie sur une documentation en dix fichiers — architecture, sources, modèle de données, pipelines, API, frontend, backoffice, runbook, roadmap — tenue à jour à chaque évolution significative. Le runbook consigne notamment les pièges d'infrastructure appris à la dure, ce qui évite de les réapprendre.
Ce que j'en retire
Sur ce type de projet, la difficulté n'est jamais l'algorithme : c'est la réconciliation d'identifiants entre référentiels qui ne se sont jamais parlé. Une parcelle cadastrale et un bâtiment BDNB ne partagent pas de clé — il faut la reconstruire spatialement, et accepter un taux d'appariement imparfait.
Projet suivant
Arona