42AI obtient 62,5 millions de dollars en financement d’amorçage pour son modèle du monde comportemental

TechCrunch a rapporté, le 2 novembre 2026, que la jeune pousse israélienne 42AI était sortie du mode furtif après avoir obtenu 62,5 millions de dollars en financement d’amorçage et développé un modèle du monde comportemental utilisé dans des sociétés de courtage financier. Les fondateurs ont indiqué à TechCrunch que le système estime les probabilités selon lesquelles des clients individuels pourraient agir dans différentes circonstances.

Le directeur général et cofondateur Amit Gal-Or a indiqué à TechCrunch que le financement avait été apporté par les fondateurs et Infinity Group sur trois ans, et qu’il ne provenait pas entièrement d’investisseurs externes. Infinity a été fondée par son père, Amir Gal-Or, qui est également président du conseil d’administration de 42AI et cofondateur de l’entreprise. Ehud Ezra en est le directeur technique et un cofondateur.

Gal-Or a déclaré que 42AI travaille avec 10 grandes sociétés de courtage, en intègre de nouvelles et génère un chiffre d’affaires supérieur à sept chiffres, sans toutefois en préciser le montant exact. Les clients paient soit un forfait, soit un pourcentage de la valeur que la plateforme les aide à obtenir. Selon lui, une société de courtage a généré environ 30 millions de dollars de valeur supplémentaire grâce à la couverture dynamique.

Fonctionnement du modèle comportemental

Gal-Or et Ezra ont expliqué à TechCrunch que le comportement relève de probabilités plutôt que du déterminisme. Selon eux, 42AI cherche à cerner les motivations sous-jacentes au lieu de simplement extrapoler les actions passées ; le modèle attribue des probabilités aux décisions possibles selon les circonstances.

Pour les clients du secteur du courtage, les données d’entrée peuvent comprendre les procédures de connaissance du client et d’intégration, les interactions avec les services d’assistance et les équipes commerciales, les transferts d’argent et les transactions, a indiqué Ezra. Les signaux examinés incluent le sentiment, la voix, la fréquence des appels, le moment des achats et des ventes, ainsi que les conditions de marché concomitantes.

TechCrunch a rapporté que ces observations sont converties en représentations mathématiques de traits, puis introduites dans un modèle du monde fondé sur l’architecture Transformer. Un modèle linguistique distinct génère des explications pour les prédictions. Ezra a indiqué que les récompenses utilisées pendant l’entraînement sont conçues pour préserver les tendances sous-jacentes lors des simulations : une personne habituellement réticente au risque ne devrait pas soudainement être modélisée comme quelqu’un qui prend des risques.

Données d’entraînement et résultats annoncés

Gal-Or a déclaré que 42AI avait consacré trois ans au développement de cette approche, en associant la recherche en psychologie aux neurosciences et à la génétique, et en bénéficiant des conseils de spécialistes de la psychologie et du trouble de stress post-traumatique, ainsi que du chimiste Dan Shechtman. L’équipe a d’abord étudié des milliers de personnes au moyen d’évaluations psychologiques et de scénarios comportementaux, puis a ajouté des jeux de données gouvernementaux et de biobanques couvrant plus de 2 millions de personnes. Il a précisé que les jeux de données des clients avaient ensuite été élargis pour couvrir près de 30 millions de personnes.

TechCrunch a rapporté que 42AI revendique un taux de précision de 98 % pour la prédiction des transactions sur les marchés. Gal-Or a précisé que ce chiffre mesure si les flux de transactions se situent dans une fourchette prévue, et non si chaque transaction individuelle est prédite correctement. Il a également fait état de scores F1 compris entre 0,8 et 0,85 pour la direction et le volume des transactions. Le score F1 mesure la capacité d’un modèle de classification à équilibrer les prédictions correctes, les fausses alertes et les événements manqués.

Les fondateurs ont reconnu que la précision du système est plafonnée, car celui-ci n’a pas accès à tout ce qu’une personne vit. Ezra a ajouté que la précision diminue également lorsque des éléments importants du contexte font défaut, comme le conseil d’un ami ou d’un collègue qui modifie une décision de transaction.

Une prépublication soumise à arXiv le 19 février 2026 par Ben Yellin, Ezra, Mark Foreman et Shula Grinapol présentait un grand modèle comportemental affiné pour prédire les choix stratégiques individuels à partir de profils structurés et à haute dimension de traits psychométriques. Les auteurs ont décrit un entraînement reposant sur un jeu de données propriétaire reliant les dispositions stables, les états motivationnels et les contraintes situationnelles aux choix observés.

Lors d’une évaluation portant sur des scénarios mis de côté, les auteurs ont rapporté de meilleures prédictions comportementales que celles du modèle de base Llama-3.1-8B-Instruct non adapté, ainsi que des performances comparables à celles de modèles de référence de pointe lorsque le système était conditionné par les traits des Big Five. Ils ont également indiqué que leur modèle continuait à tirer parti de profils de traits plus détaillés, tandis que les modèles de référence fondés sur des invites se heurtaient à un plafond de complexité.

Usages dans le courtage et limites annoncées

Sur le site web de 42AI, l’entreprise décrit un ensemble technologique comportemental qui transforme les données brutes en facteurs comportementaux, prédit les réactions à des événements précis ainsi que les comportements au fil du temps, simule l’évolution de variables et fournit des explications. Elle indique des temps de réponse de 1 à 10 millisecondes pour le modèle du monde et de 2 à 12 millisecondes pour le grand modèle comportemental.

Pour les sociétés de courtage, le site indique que l’offre peut prédire les transactions de chaque client jusqu’à 24 heures à l’avance, en précisant l’instrument, la direction et le volume. Parmi ses usages dans le secteur du courtage, il mentionne également la visibilité anticipée sur l’exposition, la couverture dynamique, la gestion des risques extrêmes, ainsi que la réduction du glissement et de la valeur à risque. Gal-Or a indiqué à TechCrunch que les clients utilisent le système pour gérer la liquidité, les exigences de marge et l’exposition liée à la couverture.

Gal-Or a déclaré que le système déployé n’a pas besoin de données permettant d’identifier personnellement les individus et que le modèle ne sait jamais qui est la personne. TechCrunch a rapporté que 42AI crée néanmoins des profils comportementaux individuels à partir des activités associées aux clients.

Lorsque TechCrunch a évoqué la possibilité que des clients tirent parti de prédictions concernant leurs propres clients, Ezra a reconnu qu’il s’agissait d’une préoccupation légitime. Les fondateurs ont mentionné la réglementation, la surveillance et un comité d’éthique interne, tandis que Gal-Or a déclaré que cette technologie pourrait contribuer à atténuer de tels risques. TechCrunch a rapporté qu’ils n’avaient pas expliqué quel mécanisme précis empêcherait les clients d’utiliser ces prédictions pour obtenir un avantage sur les personnes dont le profil est établi.

Les fondateurs ont indiqué à TechCrunch que 42AI explore les secteurs du jeu vidéo, de la prévention de la fraude et de la cybersécurité et souhaite, à terme, que des robots et des agents d’IA utilisent le modèle pour comprendre les gens. Ezra a déclaré que le modèle devait être entraîné aux règles et au contexte de chaque nouveau domaine. Gal-Or a également indiqué que l’entreprise prévoyait de lever des fonds supplémentaires.

Toute expansion au-delà des déploiements documentés dans le secteur du courtage nécessite l’entraînement propre à chaque domaine qu’a décrit Ezra, tandis que le plan de financement annoncé par 42AI consiste à lever des fonds supplémentaires.