Le Lab construit des intégrations d’IA de bout en bout pour les sociétés de gestion et les établissements financiers. Nous installons ou entraînons les cerveaux IA, puis nous les raccordons à vos équipes, vos données, vos processus et votre culture — pour que l’organisation tout entière compose ce que vos systèmes et votre jugement savent faire ensemble, plutôt qu’un seul desk qui pilote un prototype.
Notre spécialité : la lecture des signaux géo-économiques et réglementaires — sanctions, contrôles à l’exportation, filtrage des investissements étrangers, flux normatif européen et doctrine nationale — transformés en signal exploitable.
L’adoption a été rapide et superficielle. Les outils sont arrivés ; l’organisation n’a pas bougé. Trois schémas d’échec expliquent l’essentiel.
Un assistant ajouté à côté d’un processus qui n’a pas été repensé. Il réduit le temps d’analyse sur une tâche sans modifier ce que la maison décide.
Des flux coûteux et des représentations vectorielles qui ne deviennent jamais des facteurs orthogonaux, à décroissance mesurée, sur lesquels un gérant accepterait d’allouer du risque.
Une vue que le comité d’investissement ne peut pas sourcer, que le contrôle des risques ne peut pas auditer et qu’un superviseur — AMF, ACPR — n’acceptera pas. Elle ne quitte jamais le bac à sable.
Dans la plupart des cas, le facteur limitant n’est pas la capacité du modèle. C’est l’absence d’un chemin défini entre la sortie du modèle et une décision dont quelqu’un répond.
Un modèle seul ne change rien. La valeur apparaît lorsque l’intelligence est reliée aux personnes qui décident, aux données sur lesquelles elle raisonne, aux processus dans lesquels elle s’exécute, et à la culture qui lui fera confiance — ou la contournera sans le dire.
Nous mettons en place la couche de raisonnement — systèmes agentiques et modèles d’apprentissage automatique choisis pour la tâche et non pour la démonstration — ou nous reprenons les modèles et les outils que vous avez déjà acquis pour les entraîner jusqu’à ce que la maison puisse réellement s’y fier. Le choix du modèle compte nettement moins que la qualité de ses raccordements au reste de la maison.
Qui décide quoi, qui contrôle quoi, et où se situe l’humain dans la boucle. Les rôles et les mandats se déplacent dès lors que la machine produit le premier jet : nous les redessinons délibérément plutôt que de les laisser dériver.
Votre recherche propriétaire, vos positions, votre historique, vos fournisseurs. Un cerveau ne vaut que ce qu’il peut atteindre, et le meilleur matériau de la plupart des maisons dort dans des formats qu’aucun système ne sait lire.
Les chaînes de recherche, d’investissement, de risque et de reporting reconstruites autour de ce que le système sait réellement faire — et de ce qu’on ne devrait jamais lui demander.
L’adoption est la vraie contrainte. Un système auquel la salle ne fait pas confiance est contourné en un mois : nous construisons donc pour l’examen critique, la traçabilité et un droit de passer outre explicite.
L’objectif n’est pas de remplacer le jugement professionnel par un système, mais de retirer le travail d’analyse répétitif aux personnes dont la maison rémunère précisément le jugement.
Nous intervenons sur l’ensemble du cycle d’investissement plutôt qu’en un point unique — parce que la valeur se compose dans les passages de relais, pas dans les outils.
Lecture continue des décisions de politique économique, des mesures commerciales, des sanctions et des flux de capitaux, rapportées à des régimes de marché et à leurs conséquences cross-asset plutôt qu’à des titres de presse. La thèse part de la structure, pas de la dernière dépêche.
Transformer textes non structurés, documents réglementaires, publications d’émetteurs et données d’événements en facteurs structurés et testables — dont l’encombrement, la rotation et la décroissance sont mesurés avant que quiconque n’y alloue du risque.
Des workflows agentiques qui exécutent la boucle de recherche — hypothèse, données, backtest, réfutation — à vitesse machine, et documentent chaque étape pour qu’un humain puisse auditer le raisonnement plutôt que lui faire confiance.
Arbres de scénarios et cartographie des effets de second ordre pour les expositions qui n’apparaissent pas dans une matrice de covariance : contrôles à l’exportation, échéances électorales, points de passage stratégiques, sanctions, tensions souveraines.
Une surveillance continue des ruptures de régime, et des cas où les conditions qui justifiaient initialement une position ne sont plus réunies.
Notes, lettres aux porteurs et reporting des risques sourcés, traçables et défendables — avec une piste d’audit produite par le processus plutôt que reconstituée après coup.
L’action des États est devenue l’un des moteurs de prix les plus fiables du marché — et l’un des moins systématiquement valorisés.
Trains de sanctions, règles de contrôle à l’exportation, décisions de filtrage et régimes de licence arrivent sous forme de texte administratif : fragmentés entre juridictions, rédigés en langage juridique, et diffusés dans les prix en quelques jours plutôt qu’en quelques millisecondes. Fort impact, faible structure et diffusion lente : c’est la combinaison où la lecture machine systématique apporte le plus, et aussi celle où un pipeline linguistique générique, sans ancrage métier, produit des sorties qui paraissent fondées sans être fiables.
Mesures financières, sectorielles et secondaires ; désignations et radiations, périodes de liquidation, et la pratique de mise en œuvre qui révèle ce qui contraint réellement.
Contrôles sur les biens à double usage et les technologies avancées, listes d’entités, règles d’extraterritorialité, et la politique de licences telle qu’elle est appliquée plutôt que telle qu’elle est écrite.
Régimes de contrôle des IDE, exceptions de sécurité nationale, et les issues d’opérations qui révèlent la tolérance réelle de chaque juridiction.
Régimes de subvention, de contenu local et de commande publique, et les instruments sectoriels par lesquels les États orientent le capital.
Où les accélérateurs ont le droit d’être installés, qui finance les centres de données et à quelles conditions, et comment les contraintes de calcul et d’électricité se propagent vers les actions, le crédit et les utilities.
L’économie des nœuds avancés : capacités de fabrication et de conditionnement, contrôles sur les équipements, accords d’approvisionnement, et l’endroit où se loge réellement la rente stratégique dans la chaîne.
Restrictions et interdictions d’usage des modèles d’IA entre juridictions — y compris les modèles issus de contreparties adverses — et leurs conséquences en matière de conformité, d’achats et de marché.
C’est le domaine dans lequel la Maison a l’expérience la plus profonde, et celui où l’ancrage métier, plutôt que la taille du modèle, détermine si un signal est exploitable.
L’essentiel du commentaire géopolitique est formulé de manière à ce qu’aucun résultat ne puisse le réfuter : les tensions pourraient s’aggraver, une décision risque de rencontrer des obstacles. La prévision jugée applique une autre exigence — un énoncé assez précis pour être tranché, une probabilité explicite, et une note enregistrée une fois le résultat connu.
Les places de marchés prédictifs — Polymarket, Kalshi et les bourses régulées qui se constituent autour d’elles — ont rendu cela lisible à grande échelle. Pour la première fois, il existe un consensus vivant, coté et actualisé en continu sur des événements discrets, et donc une référence à laquelle une vue indépendante peut réellement se mesurer. Nous produisons des probabilités calibrées sur les événements géo-économiques qui déplacent les expositions — décisions de sanctions, issues de licences, mesures de contrôle à l’exportation, décisions de filtrage, calendriers politiques et électoraux — et nous traitons l’écart entre notre estimation et le consensus comme l’objet même de l’étude. C’est dans cette divergence, et non dans le niveau, que se loge la valeur de la recherche.
Un énoncé assez précis pour être tranché : quoi exactement, à quelle échéance, et jugé sur quelle source. Peu d’analyses survivent à cette étape.
Les fréquences observées dans les cas historiques comparables, établies avant d’appliquer le jugement propre au cas en question.
Une probabilité calibrée, avec le raisonnement qui l’a produite consigné à côté, afin que l’estimation puisse être examinée et contestée plutôt que reprise telle quelle.
Résolution et notation publiques, avec une exactitude mesurée dans la durée et les erreurs consignées au même titre que les estimations justes.
Là où nous nous arrêtons. Nous publions de la recherche et de l’analyse. Nous ne gérons pas de capitaux, nous ne conseillons personne sur le bien-fondé d’une transaction, et nous ne créons ni ne commercialisons d’instruments financiers. Rien de ce que nous produisons ne constitue un conseil en investissement ni une offre de transaction. Un signal est un intrant dans votre processus : vous le validez, vous le dimensionnez, et la décision reste la vôtre.
Dans l’univers continental, la réglementation n’est pas une contrainte périphérique : c’est un déterminant de premier ordre du repricing sectoriel, de la charge en capital et de l’éligibilité des actifs.
Un règlement européen ne devient une obligation qu’une fois complété par ses normes techniques de niveau 2, ses orientations et Q&A de niveau 3, sa transposition dans vingt-sept droits nationaux et la doctrine des superviseurs. Le flux est continu, multi-niveaux et multilingue. Plus aucune équipe ne le lit intégralement — et c’est précisément pour cela qu’il reste mal valorisé.
Niveau 1, normes techniques de niveau 2, orientations et Q&A de l’ESMA, de l’EBA et de l’EIOPA : suivis en continu, structurés, et rapportés à vos portefeuilles plutôt qu’à un registre de conformité.
La règle ne devient contraignante qu’une fois transposée et interprétée. Positions de l’AMF, notices de l’ACPR, décrets et pratiques de supervision : c’est là que se creuse l’écart entre le texte et l’obligation réelle.
Exigences en fonds propres, traitement des expositions, éligibilité des actifs : ce qu’une règle change au SCR d’un assureur ou aux encours pondérés d’une banque, avant que cela n’apparaisse dans les comptes.
Une décision réglementaire déplace des valorisations sectorielles entières. Nous identifions les secteurs et les émetteurs exposés, et le calendrier probable de diffusion dans les prix.
Un texte, une consultation, une prise de position d’un superviseur, repérés dès leur publication.
Les trajectoires de mise en œuvre possibles, explicitées et bornées dans le temps.
Une probabilité affectée à chaque trajectoire, calibrée puis révisée à mesure que l’information arrive.
L’effet estimé sur vos portefeuilles, vos ratios et vos lignes les plus exposées.
Conçue pour des maisons où un résultat erroné coûte cher.
Pas la technologie. Là où l’organisation perd réellement du temps, de l’argent ou de la conviction — et ce que vaut le correctif.
Étroit, à forte valeur, sur vos données, face à une référence définie à l’avance. Des semaines, pas des trimestres.
Tests hors échantillon, adversariaux et de calibration. Les modes de défaillance sont identifiés en test plutôt qu’en production.
Dans votre environnement, avec la supervision, la gouvernance et une équipe capable de le faire tourner et de le contester sans nous.
Nous construisons à l’intérieur de votre environnement, dans le respect de vos obligations de localisation et de confidentialité des données. Vos données, vos modèles, vos signaux — et la propriété intellectuelle créée pendant la mission — vous appartiennent.
Les missions se façonnent autour de vos contraintes — taille d’équipe, patrimoine de données, périmètre réglementaire — et non autour d’un produit figé. Le Lab construit la capacité ; lorsque c’est la réponse et non la machine qu’il vous faut, c’est le Conseil.
Des avis de sanctions, listes de contrôle, décisions de filtrage et textes normatifs jusqu’à des signaux sur lesquels un gérant acceptera réellement d’allouer du risque — construits sur une ontologie métier plutôt que sur des plongements génériques, testés pour l’encombrement et la décroissance, comparés à ce que vous exploitez déjà, et livrés avec la recherche qui les justifie.
Architecture cible des données, des modèles et de la gouvernance. Faire ou acheter, séquencement, et un coût de possession énoncé sans complaisance.
Stratégies macro et cross-asset conçues, prototypées et éprouvées face à plusieurs régimes plutôt qu’ajustées a posteriori sur un seul.
Des systèmes multi-agents qui rédigent, sourcent, critiquent et escaladent — avec l’humain dans la boucle partout où le jugement s’impose.
Référentiels d’évaluation, calibration, maîtrise des hallucinations et pistes d’audit — pensés pour le règlement européen sur l’IA, DORA et les attentes des superviseurs en matière de risque de modèle.
Rôles, mandats et processus redessinés autour du système — et gérants, analystes et équipes de risque formés à l’utiliser, à le contester et à en assumer la propriété après notre départ.
Nous exploitons un système de la même nature que ceux que nous conçevons pour nos clients, en conditions de production.
Il lit en continu les développements économiques, politiques et de marché à l’échelle mondiale, les structure, raisonne dessus via des pipelines multi-agents, et publie des vues probabilistes élaborées à découvert et évaluées publiquement. Il tourne chaque jour, en charge, avec les modes de défaillance que cela suppose.
Nous ne revendons pas notre pile technologique et nous ne la reconstruisons pas chez vous. Ce qui se transmet, c’est l’architecture, la méthode d’évaluation, et les choix d’ingénierie déjà éprouvés à nos frais.
La plupart des maisons ont intérêt à commencer étroit. Le diagnostic existe pour que la première brique soit la bonne.
Deux à trois semaines. Votre organisation cartographiée, les chantiers hiérarchisés par valeur, et une vue franche de ce que l’IA corrigera — et de ce qu’elle ne corrigera pas.
Six à douze semaines. Un chantier construit et validé face à une référence convenue avant de commencer.
En continu. Nous travaillons aux côtés de vos équipes de recherche et de risque et industrialisons le programme, chantier après chantier.
Pour celles et ceux qui approuvent le programme et en répondent. Assurées par l’Institut.
La façon la plus rapide de savoir ce que l’IA vaut dans votre organisation est de la confronter à une décision que vous prenez déjà — et de mesurer.