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

TechCrunch a rapporté, le 2 novembre 2026, que la jeune pousse israélienne 42AI était sortie de sa phase de développement confidentiel avec 62,5 millions de dollars de financement d’amorçage et un modèle du monde comportemental utilisé par des sociétés de courtage financier. Les fondateurs ont indiqué que le système estime les probabilités selon lesquelles chaque client pourrait agir dans différentes circonstances.

Le directeur général et cofondateur Amit Gal-Or a déclaré que le financement avait été apporté par les fondateurs et Infinity Group sur une période de 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 est directeur technique et cofondateur.

Gal-Or a déclaré que 42AI travaille avec 10 grandes sociétés de courtage, intègre de nouveaux clients et génère un chiffre d’affaires 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. 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 décrivent le comportement comme probabiliste plutôt que déterministe. Au lieu de simplement extrapoler les actions passées, 42AI cherche à cerner les motivations sous-jacentes, le modèle attribuant des probabilités aux décisions possibles selon les circonstances.

Pour les clients des sociétés de 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 opérations de courtage. Parmi les signaux examinés figurent le sentiment, la voix, la fréquence des appels, le moment des achats et des ventes ainsi que les conditions de marché concomitantes.

Ces observations sont converties en représentations mathématiques de caractéristiques, puis intégrées à un modèle du monde fondé sur un transformeur. Un modèle linguistique distinct produit des explications pour les prédictions. Ezra a indiqué que les récompenses utilisées lors de l’entraînement sont conçues pour préserver les tendances sous-jacentes pendant les simulations : une personne habituellement réfractaire au risque ne devrait pas être soudainement représentée comme prenant 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 (TSPT), 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. Les jeux de données clients ont ensuite été étendus pour couvrir près de 30 millions de personnes.

42AI estime à 98 % la précision de ses prédictions concernant les opérations sur les marchés. Gal-Or a précisé que cette mesure indique si les flux d’opérations se situent dans une plage prédite, et non si chaque opération individuelle est correctement prédite. Il a également indiqué des scores F1 compris entre 0,8 et 0,85 pour la direction et le volume des opérations. Le score F1 mesure la façon dont un modèle de classification équilibre les prédictions correctes avec 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. Elle diminue également lorsqu’un contexte important fait défaut, par exemple si le conseil d’un ami ou d’un collègue modifie une décision de courtage.

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

Lors d’une évaluation sur des scénarios mis de côté, les auteurs ont fait état de meilleures prédictions comportementales que celles du modèle de base Llama-3.1-8B-Instruct non adapté, ainsi que de résultats comparables à ceux des modèles de pointe lorsqu’ils étaient conditionnés par les traits des Big Five. Leur modèle continuait également à tirer parti de profils de traits plus détaillés, tandis que les modèles de référence fondés sur des invites atteignaient un plafond de complexité.

Usages dans le courtage et limites déclarées

Sur le site Web de 42AI, l’entreprise décrit une architecture comportementale qui transforme les données brutes en facteurs comportementaux, prédit les réactions à des événements précis ainsi que les comportements dans le temps, simule l’évolution des variables et fournit des explications. Elle annonce 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 opérations de chaque client jusqu’à 24 heures à l’avance, selon l’instrument, la direction et le volume. Parmi les autres usages mentionnés pour le courtage figurent l’anticipation de 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 déclaré 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 de qui il s’agit. TechCrunch a rapporté que 42AI crée néanmoins des profils comportementaux individuels à partir des activités liées aux clients.

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

Les fondateurs ont indiqué que 42AI explore les domaines des jeux vidéo, de la prévention de la fraude et de la cybersécurité, et qu’à terme, l’entreprise souhaite 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 propres à chaque nouveau domaine. L’entreprise prévoit également de lever des fonds supplémentaires.

Toute expansion au-delà des déploiements dans le secteur du courtage nécessite une formation propre à chaque domaine, tandis que le plan de financement prévoit de lever des fonds supplémentaires.