Pascal AI lève 3,1 millions de dollars pour repousser les frontières de la recherche autonome en investissement

Pascal AI Labs, une plateforme d’intelligence artificielle verticale axée sur les flux de travail de recherche autonome en investissement, a sécurisé 3,1 millions de dollars en financement initial pour alimenter l’expansion aux États-Unis, approfondir le développement de produits et former de nouveaux partenariats de données. Le tour a été mené par Kalaari Capital, avec la participation de Norwest, InfoEdge Ventures, Antler et d’investisseurs providentiels éminents.

Fondée en 2024, Pascal AI est construite sur la conviction que le prochain grand bond en avant dans le domaine de la finance ne proviendra pas d’intégrations d’IA de surface mais de plates-formes qui agissent comme de véritables partenaires de recherche. Déjà déployée par plus de 25 sociétés à travers les États-Unis et l’Asie-Pacifique, y compris des fonds de capital-investissement privé de 2 milliards de dollars et un gestionnaire de placements mondiaux de rang trois avec plus de 1 billion de dollars en actifs sous gestion, Pascal AI prouve que ce modèle résonne. Avec les 3,1 millions de dollars de financement initial récemment levés, l’entreprise a l’intention d’accélérer sa trajectoire de l’automatisation des flux de travail à une véritable autonomie, un stade où les systèmes d’IA ne se contentent pas d’organiser les données mais également de connecter les points, d’identifier les risques et de recommander des actions.

Ce que signifie vraiment la recherche autonome en investissement

Le terme « recherche autonome en investissement » signale plus que l’automatisation des tâches répétitives. Il représente un déplacement vers des plates-formes capables de raisonner, apprendre et agir avec le jugement d’un investisseur, en mettant continuellement à jour les connaissances à mesure que de nouvelles données émergent.

Dans les flux de travail traditionnels, les analystes passent des heures à consolider les dossiers d’entreprise, les transcriptions, les données de marché et les notes internes. Le processus est non seulement fastidieux mais également sujet à la fragmentation – les différents analystes peuvent interpréter les mêmes données de manière différente, et une grande partie de la mémoire institutionnelle ne se retrouve jamais dans les décisions futures.

Les systèmes de recherche autonomes comme Pascal AI vont au-delà de la récupération d’informations. Ils visent à internaliser l’histoire et les modèles de prise de décision d’une société, en utilisant ces connaissances pour générer des insights proactifs. Au lieu qu’un jeune analyste rédige une note de synthèse à partir de zéro, Pascal AI peut préparer une première version basée à la fois sur les données de marché externes et sur les propres mémos, modèles et préférences de la société. Au lieu que les CIO attendent les examens de fin de trimestre, ils peuvent accéder à un tableau de bord en temps réel, continuellement mis à jour, des expositions, des risques et des performances du portefeuille.

Il ne s’agit pas de remplacer les analystes humains mais d’amplifier leur travail – en les éloignant de l’assemblage des données et en les dirigeant vers un jugement et une stratégie de niveau supérieur.

Comment fonctionne Pascal AI

Pascal AI se distingue en combinant une large couverture du marché avec la capacité de s’adapter aux processus internes de chaque client.

• La plateforme intègre des données sur plus de 16 000 sociétés cotées dans 27 marchés, avec des connecteurs sécurisés et natifs qui mélangent les flux externes avec les documents internes.

• Son graphique de connaissances propriétaire garantit que chaque insight est traçable et auditable, permettant aux sociétés de répondre aux normes de conformité strictes du secteur financier.

• Les fonctionnalités de sécurité de niveau entreprise, y compris les autorisations basées sur les rôles et l’option de déploiement sur site, rendent le système adapté à la prise de décision financière à haut risque.

Là où les plates-formes existantes s’arrêtent souvent à la mise en surface des informations, Pascal AI va à l’étape suivante : il raisonne comme un investisseur expérimenté, capturant non seulement les faits mais également le jugement accumulé de l’histoire d’une société.

Les fondateurs derrière la vision

Pascal AI a été co-fondée par Vibhav Viswanathan et Mithun Madhusudan, qui ensemble apportent une expertise complémentaire dans les domaines de la finance, de l’IA et du développement de produits à grande échelle.

Vibhav, un MBA de Chicago Booth, a précédemment dirigé AWS Inferentia & Neuron dans la Silicon Valley et a une expérience directe en investissement de son temps chez Capital Group et NEA-IndoUS Ventures. Mithun, un ancien élève de l’IIM Bangalore, a construit et mis à l’échelle des équipes d’IA chez Apna et ShareChat, en supervisant des produits qui ont atteint plus de 100 millions d’utilisateurs. Leur perspective combinée – un pied dans la finance mondiale, l’autre dans le développement de produits d’IA – positionne Pascal AI de manière unique à l’intersection de l’investissement et de la technologie.

Implications pour l’avenir de la finance

L’émergence de plates-formes comme Pascal AI suggère que la nature même de la recherche en investissement subit une transformation structurelle.

Pendant des décennies, l’avantage en finance provenait de l’accès – qui avait des terminaux plus rapides, de meilleures données ou des relations plus étroites. Aujourd’hui, l’accès est banalisé. Ce qui compte, c’est à quelle vitesse et avec quelle intelligence les sociétés peuvent interpréter ces données. La recherche autonome en investissement change le tempo : au lieu que les analystes réagissent aux déclarations trimestrielles ou aux examens planifiés, les portefeuilles peuvent être surveillés et ajustés en continu, avec des insights qui affluent en temps réel.

Cela a des implications profondes. Les petites sociétés peuvent trouver qu’elles peuvent concurrencer les plus grandes entreprises en utilisant des plates-formes autonomes pour étendre leurs capacités de recherche. Les plus grandes sociétés peuvent réorienter les équipes autour de la stratégie et de la supervision, tandis que les agents d’IA gèrent la mécanique de la collecte de données et de la première analyse. La structure même des organisations d’investissement pourrait évoluer – moins d’analystes juniors construisant des modèles ligne par ligne, et plus de professionnels seniors dirigeant la stratégie avec le soutien de partenaires d’IA.

Les dimensions réglementaires et éthiques deviendront également de plus en plus importantes. À mesure que les systèmes d’IA assument plus de responsabilités, la transparence et la traçabilité seront incontournables. Des plates-formes comme Pascal AI, qui donnent la priorité à la prise de décision traçable et aux déploiements sécurisés, pourraient aider à établir la norme pour la manière dont l’industrie gère cet équilibre.

En regardant vers l’avenir, le concept d’une « société de recherche autonome en investissement entièrement autonome » ne semble plus loin. Si Pascal AI et ses pairs réussissent, nous pourrions voir l’émergence de sociétés où les agents d’IA ne génèrent pas seulement des thèses d’investissement, surveillent les changements macroéconomiques et mettent continuellement à jour les stratégies – mais le font également sous la supervision humaine avec une vitesse et une profondeur considérablement accélérées.

Un changement dans le rôle de l’analyste

Peut-être l’implication la plus durable de ce changement est la manière dont il va remodeler le rôle de l’analyste. Au lieu de passer des jours à rassembler des données fragmentées, les analystes pourraient passer plus de temps à valider les insights, débattre de la stratégie et engager directement des clients ou des sociétés de portefeuille. Leur travail sera de plus en plus axé sur le jugement, et non sur l’assemblage.

En ce sens, la recherche autonome en investissement n’élimine pas l’élément humain – elle l’élève. En déchargeant les tâches mécaniques de la recherche, des plates-formes comme Pascal AI peuvent permettre à l’expertise humaine de se concentrer là où elle compte le plus : donner un sens à l’incertitude et façonner la direction à long terme des portefeuilles.