Naré Vardanyan, co-fondateur et PDG de Ntropy – Série d'interviews

Naré Vardanyan, co-fondateur et PDG de Ntropie, une plateforme qui permet aux développeurs d'analyser les transactions financières en moins de 100 ms avec une précision surhumaine, ouvrant ainsi la voie à une nouvelle génération de finance autonome, alimentant des produits et des services qui n'avaient jamais été possibles auparavant. Il convertit les flux bruts de transactions en informations contextualisées et structurées en combinant des données provenant de plusieurs sources, notamment des modèles de langage naturel, des moteurs de recherche, des bases de données internes, des API externes et des données de transaction existantes provenant de l'ensemble de notre réseau.

Vous avez grandi en Arménie, sans électricité pendant la guerre. Pourriez-vous partager quelques détails sur ces débuts et comment cela vous a amené à travailler pour les Nations Unies ?

Cette expérience a été partagée par toute une génération en Arménie. Cela a développé en moi un sens de l’imagination et la capacité de trouver des solutions même avec peu de moyens. Comme d’autres qui ont grandi dans une zone de conflit, cette période de ma vie a eu un impact profond sur ma façon de voir le monde. Ces circonstances exigeantes ont nourri un sentiment de responsabilité partagée au sein de la communauté et une volonté résolue d’apporter un changement positif. Réalisant que nos défis s'étendaient au-delà des luttes individuelles, j'ai ressenti un appel à penser à une échelle plus large et à canaliser mes efforts. Ceci, à son tour, m’a orienté vers les Nations Unies.

L’ONU est apparue comme la plateforme idéale pour apporter une contribution significative. Compte tenu de la position géopolitique précaire de l'Arménie et de mon aspiration à influencer les affaires mondiales, je pensais que collaborer avec l'ONU offrirait l'opportunité de véritablement faire la différence. En participant aux discussions et aux décisions conséquentes, mon objectif était d'avoir un impact significatif sur les problèmes mondiaux.

Vous avez rapidement été déçu par les Nations Unies, comment en êtes-vous ensuite arrivé à vouloir travailler dans la technologie ?

La désillusion à l’égard de l’ONU était enracinée dans sa nature lente et bureaucratique, ce qui a finalement conduit à un changement dans mes aspirations professionnelles. Même si l’ONU avait ses avantages, je me suis rendu compte qu’elle manquait souvent d’action efficace et de capacité à susciter un véritable changement. Cette prise de conscience m’a guidé à réorienter mon attention vers le domaine de la technologie – un espace dynamique et sans restriction.

Dans le monde de la technologie, des outils innovants sont facilement disponibles et en constante évolution, donnant aux individus la possibilité de déclencher une transformation sans obstacles inutiles. Cet environnement favorise la transformation des idées en réalité, sans aucune autorisation inutile – une facette qui m’a vraiment fasciné. Le potentiel d’avoir un impact substantiel et généralisé grâce à la technologie est devenu une vocation irrésistible, m’obligeant à me plonger dans ce domaine dynamique.

Quels ont été les premiers projets de données sur lesquels vous avez travaillé ?

L'un de mes premiers projets consistait à créer une application axée sur la santé mentale des adolescents. L’application a utilisé des données haptiques passives et l’intelligence conversationnelle pour identifier les premiers signes de trouble bipolaire. À cette époque, le domaine du traitement du langage naturel n’était pas aussi avancé qu’aujourd’hui, ce qui est tout à fait remarquable étant donné que ce projet a été lancé il y a seulement six ans environ. Notre travail a été l’une des premières initiatives de recherche et développement dans ce domaine, et nous avons ensuite vendu notre propriété intellectuelle aux assureurs à des fins d’analyse interne et de souscription.

Vous avez déjà investi dans des sociétés d'IA et de ML par l'intermédiaire d'AI Seed, basée à Londres, quels sont les traits communs que vous avez observés avec les startups d'IA à succès ?

Un fil conducteur constant était l’accès exclusif aux données, ainsi que la possibilité d’exploiter ces données pour résoudre des problèmes du monde réel. De plus, il est crucial de reconnaître que dans le domaine des entreprises d’IA appliquée, l’accent va au-delà de la simple construction de modèles ; il s’oriente vers la création de produits percutants et précieux. Les équipes qui comprennent et adoptent ce point de vue sont celles qui prospèrent véritablement dans le paysage de l’IA/ML. Par exemple, Predina utilise l’IA pour prédire le risque d’accident de véhicule à un endroit et à une heure donnés, tandis qu’Observe Technologies utilise des algorithmes exclusifs pour aider les fermes piscicoles à produire des aliments de manière durable.

Pourriez-vous partager l’histoire de la genèse de Ntropy ?

Ntropy est né de l'idée selon laquelle certaines des informations les plus importantes au monde sont cachées dans les transactions financières. Jusqu’à présent, ces données vivaient dans des silos, ce qui était compliqué et difficile à gérer. Nous avons créé Ntropy pour être le premier moteur de données financières véritablement mondial, intersectoriel, intergéographique et multilingue, capable de fournir une précision au niveau humain. En créant un langage et un système communs pour comprendre les données financières, nous égalisons la confiance et l'accès à l'argent pour les entreprises et les particuliers, où qu'ils soient. En ayant la capacité de comprendre et d’interpréter ces transactions, la dynamique de la monnaie peut être redéfinie, ainsi que son accessibilité.

Nous avons vécu une histoire de startup assez archétypale. Au début, mon co-fondateur Ilia et moi opérions depuis le sous-sol d’un bâtiment scolaire poussiéreux et abandonné. Nous avons commencé avec 20 XNUMX transactions et un modèle BERT distillé formé sur elles. Les données ont été démarrées à partir d'une application grand public sur Typeform avec une connexion Plaid et prises en charge par les amis et la famille. Au début, nous travaillions de longues heures et étions à court d'argent, mais nous étions motivés par la détermination et le dévouement à cette entreprise.

Aujourd’hui, notre parcours nous a amené à analyser et à étiqueter des milliards de transactions. En conséquence, nous disposons désormais de l'une des bases de données de commerçants les plus complètes au monde, avec près de 100 millions de commerçants enrichis de noms, d'adresses, d'étiquettes sectorielles et bien plus encore. Nous avons constamment élargi notre référentiel de transactions – l'exploitation de la puissance des LLM sur ces données financières a permis d'obtenir une rentabilité et une rapidité inégalées. Cette capacité a le potentiel de révolutionner le paysage financier.

Pourquoi les données financières sont-elles l’un des grands égaliseurs ?

Les données financières apparaissent comme un puissant égalisateur en raison de leur capacité à uniformiser les règles du jeu, à réduire l’incertitude et à favoriser la confiance. Lorsque les données sont abondantes et affinées, cela se traduit par une diminution des risques liés à la prise de décision financière. À mesure que le risque devient plus gérable, un changement se produit. Le coût de l’incertitude diminue, permettant aux individus de prendre des décisions plus éclairées et plus équitables, ce qui uniformise les règles du jeu. Par exemple, si nous avons un meilleur accès aux données et ne prenons plus de décisions basées sur un ensemble très restreint de paramètres, un nouvel immigrant a le même potentiel qu’une personne issue d’une lignée bien établie pour obtenir des conditions avantageuses sur un prêt automobile ou une hypothèque. Essentiellement, l’obstacle posé par les déséquilibres financiers commence à se dissoudre, introduisant une ère où un plus grand nombre de personnes peuvent accéder à des opportunités financières avantageuses.

Quels sont les défis liés à la création d’une IA capable de lire et de comprendre les transactions financières comme le ferait un humain ?

Développer une IA capable de comprendre les transactions financières comme les humains le peuvent est un défi en raison de sa nature probabiliste, qui peut conduire à des erreurs. Contrairement aux humains, les systèmes d’IA manquent encore de structures de responsabilité. Le principal défi consiste à affiner les systèmes d’IA pour réduire les erreurs et leur impact tout en garantissant l’évolutivité. Il est intéressant de noter que des modèles plus grands peuvent atténuer ce problème en améliorant progressivement la précision au fil du temps. Des capacités amplifiées et une richesse de données peuvent améliorer la précision d’interprétation de l’IA, créant ainsi un environnement plus tolérant aux erreurs et accélérant l’adoption généralisée de ces systèmes.

Pouvez-vous expliquer comment Ntropy propose des données financières standardisées ?

Ntropy fonctionne comme une plateforme globale, regroupant un spectre de modèles de langage, allant du plus étendu au plus compact, en conjonction avec des heuristiques. Ces modèles sont formés à l’aide de données financières brutes, d’avis d’experts et d’échantillons étiquetés par machine. Notre objectif est d’extraire des informations significatives à partir d’une variété de chaînes de transactions et de les présenter de manière cohérente et facilement compréhensible. Notre suite comprend des API et un tableau de bord intuitif, permettant la conversion rapide des données financières en quelques millisecondes. Cette fonctionnalité s'intègre de manière transparente aux produits et services des utilisateurs.

Quels sont les cas d’utilisation derrière ces données ?

Les applications de ces données sont vastes et couvrent l’ensemble des opérations financières. Il permet diverses fonctions, notamment les paiements, la souscription, la comptabilité, l'investissement, etc. L'adaptabilité des données apparaît clairement dans leur capacité à avoir un impact sur divers aspects des activités financières, qu'il s'agisse de transferts de fonds, de tenue de registres méticuleuse ou d'optimisation de l'utilisation du capital.

Pensez aux transactions bancaires ou à une application de budgétisation. Un rapide coup d’œil révèle les difficultés de compréhension des achats dues à des noms et descriptions de commerçants non standards. Bien que de nombreuses entreprises aient tenté de résoudre ce problème par le biais de solutions internes, celles-ci échouent souvent en termes d'évolutivité, de maintenance et de généralisation. Un modèle personnalisé n’est généralement précis qu’à 60-70 % et sa création peut prendre des mois.

La technologie de Ntropy combine des milliards de points de données provenant de bases de données marchandes mondiales, de moteurs de recherche et de modèles linguistiques formés sur une version condensée du Web pour traiter les données bancaires sur quatre continents différents et plus de six langues différentes. Nous permettons l'utilisation de grands modèles de langage à grande échelle dans le secteur financier pour prendre en charge toutes les fonctions de back-office.

Quelle est votre vision pour l’avenir de Ntropy ?

Notre vision pour Ntropy est claire : nous visons à devenir la société d'IA verticale de référence pour les services financiers. Notre solide base de données et d’intuition, soutenue par une équipe dédiée, nous a placé dans une position unique pour conduire un réel changement. Alors, qu’est-ce que cela signifie réellement en pratique ? Il s’agit de tirer parti des dernières avancées pour transformer la finance et débloquer de nouveaux niveaux de productivité qui étaient auparavant hors de portée.

Nous savons tous que les opérations bancaires peuvent coûter cher. Mais imaginez si nous pouvions changer cela. En réduisant les coûts, nous ne réduisons pas seulement les dépenses, nous encourageons une saine concurrence, améliorons l'économie du système et, en fin de compte, rendons les services financiers plus accessibles et plus efficaces pour tous. C'est l'avenir vers lequel nous travaillons : un paysage financier plus juste et plus convivial.

Merci pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter Ntropie.