Contexte et financement

42AI, startup israélienne d’intelligence artificielle, a levé 62,5 M$ en financement de type seed, fourni par les fondateurs et Infinity Group. L’entreprise cible d’abord les dix grands courtiers qui souhaitent prévoir les décisions individuelles de leurs clients lors de périodes de forte volatilité. Elle facture soit un forfait fixe, soit un pourcentage de la valeur générée, ce qui a permis d’atteindre un chiffre d’affaires à sept chiffres, selon le co‑fondateur Amit Gal‑Or. Un courtier a déclaré avoir créé 30 M$ de valeur supplémentaire grâce à l’ajustement dynamique de ses couvertures. Le jeu de données d’entraînement comprend plus de 2 millions d’évaluations psychométriques et s’étend aujourd’hui à 30 millions de profils issus de sources KYC, d’appels téléphoniques et d’analyses de sentiment vocal.

Architecture du modèle comportemental

Le cœur du produit repose sur un modèle de monde basé sur les transformers qui transforme les traits de personnalité en représentations mathématiques. Les chercheurs ont adapté un modèle Llama 3.1 de 8 milliards de paramètres de Meta, le qualifiant de « Large Behavioral Model ». Ce modèle calcule les probabilités de chaque choix commercial à partir d’un profil psychométrique détaillé. Un second modèle de langage génère des explications textuelles indiquant quels traits et quel contexte ont conduit à chaque prédiction. Les entrées comprennent les données KYC, la fréquence d’appels et le sentiment détecté dans la voix, sans jamais exploiter d’informations personnellement identifiables.

Performances, limites et enjeux de confidentialité

42AI affirme atteindre 98 % de précision, mesure qui correspond à la proportion de flux de transactions se situant dans les intervalles de prédiction, et non à la capacité de prévoir chaque transaction individuellement. Cette métrique permet aux desks de risque de couvrir les positions avant que l’exposition ne se matérialise. Le modèle montre toutefois une dégradation de précision lorsqu’il ne dispose pas d’informations externes, par exemple lorsqu’un trader suit les conseils d’un collègue. Sur le plan de la confidentialité, la société précise que le système ne stocke jamais d’identifiants directs ; les profils sont construits à partir d’activités liées aux comptes. Malgré ces garanties, le CTO a reconnu le risque d’usage abusif, soulignant la nécessité de contrôles réglementaires et d’un comité d’éthique interne.