Le capital-investissement repose sur le jugement – et il s’avère que le jugement est extrêmement difficile à mettre à l’échelle. Des décennies de mémos de transaction, de modèles de souscription, de notes de partenaires et de données de portefeuille sont dispersés dans des systèmes qui n’ont jamais été conçus pour communiquer entre eux.
Chaque fois qu’une nouvelle transaction arrive sur le bureau d’une entreprise, les analystes repartent de zéro, même lorsque les réponses à leurs questions les plus urgentes sont enfouies quelque part dans l’histoire de l’entreprise.
C’est le problème pour lequel Rowspace a été créé, et c’est pourquoi la startup de San Francisco sort furtivement avec un financement de 50 millions de dollars et un argumentaire audacieux : l’IA pour le capital-investissement qui n’aide pas seulement à la prise de décision, mais apprend réellement comment une entreprise pense.
La société a été lancée publiquement avec un tour de table dirigé par Sequoia et une série A codirigée par Sequoia et Emergence Capital, avec la participation de Stripe, Conviction, Basis Set, Twine et d’un groupe d’investisseurs providentiels axés sur la finance.
Les premiers clients – anonymes, mais décrits comme des sociétés de capital-investissement et de crédit de marque gérant des centaines de milliards à près d’un billion de dollars d’actifs – vivent déjà sur la plateforme, avec environ dix grandes entreprises avec des contrats annuels à sept chiffres.
Deux diplômés du MIT, un problème tenace
Rowspace a été fondée par Michael Manapat et Yibo Ling, qui se sont rencontrés alors qu’ils étaient étudiants diplômés au MIT avant de se lancer dans des carrières très différentes. Manapat a ensuite construit les systèmes d’apprentissage automatique chez Stripe qui traitent des milliards de transactions, puis a contribué à l’expansion de Notion dans l’IA en tant que CTO.
Ling a choisi la voie de la finance : il a été deux fois directeur financier et a dirigé des équipes financières chez Uber et Binance, et a passé des années à prendre des décisions d’investissement en synthétisant manuellement des données sur des systèmes fragmentés. Lorsque ChatGPT a été lancé fin 2022, Ling l’a testé sur des tâches de diligence raisonnable et s’est heurté directement au même mur.
« De toute évidence, il y avait beaucoup de promesses, mais cela ne fonctionnait tout simplement pas », a-t-il déclaré. Fortune. « Vous avez besoin de la bonne information dans le bon contexte. » Cet écart – entre le potentiel de l’IA et la réalité désordonnée, exclusive et spécifique à l’institution de la finance – est devenu la thèse fondatrice.
Ling, co-fondateur et directeur de l’exploitation, l’exprime clairement : « La plupart des outils technologiques ne sont pas suffisamment complets ou nuancés pour la finance. Et la plupart des outils financiers doivent relever leur plafond technique. Nous avons l’intention de faire les deux. »
À quoi ressemble réellement l’IA pour le capital-investissement
La plate-forme de Rowspace connecte les données structurées et non structurées sur l’ensemble de l’historique d’une entreprise (référentiels de documents, systèmes d’investissement et de comptabilité, anciens PowerPoint, mémos de transaction) et applique ce que Manapat appelle une perspective financière : une vision qui reflète la manière dont une entreprise réconcilie réellement les informations, interprète les divergences et prend des décisions. Surtout, il traite tout cela dans le propre environnement cloud du client. Les données de l’entreprise ne quittent jamais son contrôle.
Le résultat est accessible via la propre interface de Rowspace, dans des outils comme Excel et Microsoft Teams, ou directement dans l’infrastructure de données existante d’une entreprise. Un analyste de première année examinant une nouvelle transaction peut faire ressortir des décennies de décisions antérieures, des transactions comparables et des modèles de souscription internes sans décrocher le téléphone ni fouiller dans les disques partagés.
« La finance regorge de décisions à enjeux élevés. Autrefois, il y avait un compromis entre agir rapidement et prendre des décisions nuancées et pleinement informées en utilisant toutes les données possibles à la disposition d’une entreprise. Notre plateforme d’IA élimine ce compromis », a déclaré Michael Manapat, co-fondateur et PDG de Rowspace. « Nous construisons des renseignements spécialisés qui transforment les données d’une entreprise en un jugement évolutif répondant à la rigueur qu’exigent les finances. »
L’ambition est exprimée dans une ligne que Manapat utilise en interne : « Imaginez une entreprise qui n’oublie jamais. Où les flux de travail d’un investisseur expérimenté – touchant de nombreux outils différents de manière spécifique – peuvent être codifiés et multipliés. Lorsque cela est possible, un analyste de première année peut exploiter des décennies de connaissances institutionnelles et son jugement s’adapte à une entreprise au lieu d’être dilué. «
Pourquoi Sequoia et Emergence misent sur l’IA verticale
La conviction des investisseurs derrière cette hausse est en soi un signal à lire. Alfred Lin, le partenaire de Sequoia qui a dirigé l’investissement, a positionné Rowspace comme une réponse directe à la question de savoir quelles applications d’IA survivront à la montée en puissance de modèles de fondation de plus en plus performants.
« Michael a construit les systèmes d’apprentissage automatique chez Stripe qui traitent des milliards de transactions et ont contribué à l’expansion de Notion dans l’IA. Yibo a été un leader financier et un investisseur qui a été aux prises avec les défis précis que Rowspace résout », a déclaré Lin, ajoutant que Michael et Yibo ont tous deux vu le problème des deux côtés, alliant profondeur technique et compréhension directe de ce dont les clients ont réellement besoin.
Jake Saper, associé général chez Emergence Capital, est allé plus loin sur la thèse de l’infrastructure de données : « Ils effectuent le travail auparavant impossible de connecter des données propriétaires, de les réconcilier et de les raisonner avec une réelle rigueur. Sans cette base, peu importe les autres outils d’IA que vous utilisez. »
Cet argument constitue une inversion nette de la crainte qui anime actuellement une grande partie de l’industrie du logiciel : celle selon laquelle les modèles de base finiront par banaliser les applications. Le point de vue de Lin est à l’opposé : les systèmes d’IA verticaux construits sur des couches de données profondes et propriétaires sont précisément là où l’avantage concurrentiel durable s’aggravera.
Pour l’IA destinée au capital-investissement en particulier, où l’alpha est par définition spécifique à l’entreprise et non reproductible, cette logique est particulièrement difficile à contester. Le back-office de la gestion des investissements a discrètement été l’une des dernières frontières que l’IA générale a eu du mal à franchir. Rowspace vient de lever 50 millions de dollars en partant du principe qu’elle sait pourquoi et comment y remédier.
(Photo de Rowspace)
