Naré Vardanyan, Co-Fondateur & PDG de Ntropy – Série d’entretiens

Naré Vardanyan, Co-Fondateur & PDG de Ntropy, une plateforme qui permet aux développeurs d’analyser des transactions financières en moins de 100ms avec une précision supérieure à celle de l’homme, ouvrant la voie à une nouvelle génération de finance autonome, alimentant des produits et des services qui n’ont jamais été possibles auparavant. Elle convertit des flux bruts de transactions en informations structurées et contextualisées en combinant des données de multiples sources, notamment des modèles de langage naturel, des moteurs de recherche, des bases de données internes, des API externes et des données de transactions existantes à travers notre réseau.

Vous avez grandi en Arménie, sans électricité pendant une guerre. Pouvez-vous partager certains détails concernant ces premiers jours, et comment cela vous a conduit à travailler pour les Nations Unies ?

Cette expérience a été partagée par toute une génération en Arménie. Elle m’a donné un sens de l’imagination et la capacité de trouver des solutions même avec peu de moyens. Comme les autres qui ont grandi dans une zone de conflit, cette période de ma vie a eu un impact profond sur la façon dont je vois le monde. Ces circonstances exigeantes ont cultivé un sens de responsabilité partagée au sein de la communauté et une détermination résolue à apporter un changement positif. En réalisant que nos défis dépassaient les luttes individuelles, j’ai ressenti un appel à réfléchir à une échelle plus large et à canaliser mes efforts. Cela, à son tour, m’a conduit vers les Nations Unies.

Les Nations Unies sont apparues comme la plateforme idéale pour contribuer de manière significative. Compte tenu de la position géopolitique précaire de l’Arménie et de mon aspiration à influencer les affaires mondiales, j’ai cru que collaborer avec les Nations Unies offrirait l’opportunité de faire une véritable différence. En faisant partie de discussions et de décisions conséquentes, j’ai visé à avoir un impact significatif sur les problèmes du monde.

Vous êtes bientôt devenu désillusionné par les Nations Unies, comment êtes-vous passé à vouloir travailler dans la technologie ?

La désillusion avec les Nations Unies était enracinée dans sa nature lente et bureaucratique, ce qui a finalement conduit à un changement dans mes aspirations de carrière. Alors que les Nations Unies avaient leurs avantages, j’ai réalisé qu’elles manquaient souvent d’action efficace et de capacité à conduire un changement authentique. Cette prise de conscience m’a guidé pour rediriger 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 avancent constamment, donnant aux individus la capacité de déclencher une transformation sans obstacles inutiles. Cet environnement favorise la transformation des idées en réalité, sans être entravé par des autorisations inutiles – un aspect qui m’a vraiment fasciné. Le potentiel de faire un impact substantiel et large grâce à la technologie est devenu un appel irrésistible, me poussant à m’immerger dans ce domaine vibrant.

Quels étaient certains des premiers projets de données sur lesquels vous avez travaillé ?

L’un de mes premiers projets était la création d’une application axée sur la santé mentale des adolescents. L’application utilisait des données haptiques passives et une intelligence conversationnelle pour identifier les premiers signes du trouble bipolaire. À l’époque, le domaine du traitement automatique des langues naturelles n’était pas aussi avancé qu’aujourd’hui, ce qui est assez remarquable étant donné que ce projet a été initié il y a environ six ans. Notre travail était l’un des premiers projets de recherche et de développement dans cet espace, et nous avons ensuite vendu notre propriété intellectuelle aux assureurs pour des analyses et des souscriptions internes.

Auparavant, vous avez investi dans des entreprises d’IA et de ML via AI Seed basé à Londres, quels étaient certains des traits communs que vous avez observés avec les startups d’IA réussies ?

Un fil conducteur constant était d’avoir un accès exclusif aux données, ainsi que la capacité de les exploiter pour résoudre des problèmes du monde réel. De plus, il est crucial de reconnaître que dans le domaine des entreprises d’IA appliquées, l’accent va au-delà de la simple construction de modèles ; il se déplace vers la création de produits et de services à forte valeur. Les équipes qui comprennent et adoptent ce point de vue sont celles qui prospèrent vraiment dans le paysage de l’IA/ML. Par exemple, Predina utilise l’IA pour prédire le risque d’un accident de véhicule pour un emplacement et un moment donnés, tandis qu’Observe Technologies utilise des algorithmes propriétaires pour soutenir les fermes de poissons à cultiver de la nourriture de manière durable.

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

Ntropy est née de l’idée que certaines des informations les plus importantes du monde sont cachées dans les transactions financières. Jusqu’à présent, ces données vivaient dans des silos, ce qui est désorganisé et difficile à travailler. Nous avons créé Ntropy pour être le premier véritable moteur de données financières global, transindustriel, transgéographique et multilingue capable de fournir une précision de 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 individus partout. En ayant la capacité de comprendre et d’interpréter ces transactions, la dynamique de l’argent peut être redéfinie, ainsi que l’accès à celui-ci.

Nous avons eu l’histoire typique d’une startup. Au début, mon co-fondateur Ilia et moi opérions à partir d’un sous-sol d’une école abandonnée et poussiéreuse. Nous avons commencé avec 20 000 transactions et un modèle BERT distillé formé à partir de celles-ci. Les données ont été amorcées à partir d’une application de consommation sur Typeform avec une connexion Plaid, et soutenues par des amis et de la famille. Nous travaillions de longues heures et manquions d’argent au début, mais nous étions animés par la détermination et la dévotion envers cette entreprise.

En avançant dans le temps, notre parcours nous a menés à analyser et à étiqueter des milliards de transactions. En conséquence, nous disposons maintenant de l’une des bases de données de marchands les plus complètes au monde avec près de 100 millions de marchands enrichis de noms, d’adresses, d’étiquettes d’industrie et plus encore. Nous avons constamment élargi notre référentiel de transactions – en exploitant le pouvoir des LLM sur ces données financières, nous avons livré une efficacité et une rapidité sans précédent. Cette capacité détient le potentiel de révolutionner le paysage financier.

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

Les données financières émergent comme un puissant égalisateur en raison de leur capacité à niveler le champ de jeu, à réduire l’incertitude et à favoriser la confiance. Lorsque les données sont abondantes et raffinées, 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 équitables, ce qui à son tour nivele le champ de jeu. Par exemple, si nous avons un accès plus important aux données et que nous 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 favorables pour un prêt auto ou une hypothèque. Essentiellement, l’obstacle présenté par les déséquilibres financiers commence à se dissiper, introduisant une ère où un plus large éventail de personnes peut accéder à des opportunités financières avantageuses.

Quels sont certains des défis derrière la construction d’un IA capable de lire et de comprendre des transactions financières comme le ferait un humain ?

Développer un IA capable de comprendre des transactions financières comme les humains peut l’être 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 est d’affiner les systèmes d’IA pour réduire les erreurs et leur impact tout en assurant la scalabilité. Intéressant, les modèles plus importants peuvent alléger ce défi en améliorant progressivement la précision avec le temps. Les capacités amplifiées et la richesse des données peuvent améliorer l’exactitude interprétative de l’IA, créant finalement un environnement plus tolérant aux erreurs et accélérant l’adoption généralisée de ces systèmes.

Pouvez-vous discuter de la façon dont Ntropy offre des données financières standardisées ?

Ntropy fonctionne comme une plateforme globale, rassemblant un spectre de modèles de langage, allant des plus étendus aux plus compacts, en conjonction avec des heuristiques. Ces modèles sont formés à l’aide de données financières brutes, d’avis d’experts, d’échantillons étiquetés par machine et de données de transactions existantes à travers notre réseau. Notre objectif est d’extraire des informations significatives à partir de diverses chaînes de transactions et de les présenter de manière cohérente et 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 sans effort dans les produits et les services des utilisateurs.

Quels sont certains des cas d’utilisation derrière ces données ?

Les applications de ces données sont étendues, couvrant l’ensemble des opérations financières. Elles permettent diverses fonctions, notamment les paiements, les souscriptions, la comptabilité, les investissements et plus encore. La polyvalence des données devient claire dans leur capacité à avoir un impact sur divers aspects des activités financières, qu’il s’agisse de transferts de fonds, de tenue de dossiers méticuleux ou d’optimisation de l’utilisation du capital.

Considérez les transactions bancaires ou une application de budget. Un simple coup d’œil révèle les difficultés à comprendre les achats en raison de noms et de descriptions de marchands non standardisés. Alors que de nombreuses entreprises ont tenté de résoudre ce problème par des solutions internes, elles sont souvent limitées en termes de scalabilité, de maintenance et de généralisation. Un modèle personnalisé est généralement seulement 60-70 % précis et peut prendre des mois à construire.

La technologie de Ntropy combine des milliards de points de données à partir de bases de données de marchands mondiales, de moteurs de recherche et de modèles de langage formés sur une version condensée du web pour traiter les données bancaires à travers quatre continents différents et six langues plus. Nous permettons l’utilisation de grands modèles de langage à grande échelle dans la finance pour soutenir 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 l’entreprise d’IA verticale de référence pour les services financiers. Notre fondation solide de données et d’intuition, soutenue par une équipe dédiée, nous a positionnés de manière unique pour conduire un changement réel. Alors, qu’est-ce que cela signifie concrètement ? Cela signifie exploiter les dernières avancées pour transformer la finance et débloquer de nouveaux niveaux de productivité qui étaient auparavant hors de portée.

Nous savons tous que la banque peut être coûteuse. 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 rendons finalement les services financiers plus accessibles et efficaces pour tous. C’est l’avenir que nous travaillons à construire – un paysage financier plus équitable et plus convivial.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus devraient visiter Ntropy.