À propos
Observation fine
Bibliothèque de motifs
Les modèles IA sont entraînés sur de longues séries historiques, en intégrant différents régimes de marché et des exemples d’événements soudains. Cette approche permet de classer les anomalies observées et de les comparer à des familles de patterns déjà rencontrés.
Complément analytique
Principes qui guident le travail
Responsabilité et gouvernance
Chaque fonctionnalité est conçue pour rester compatible avec les cadres de contrôle internes des institutions, en fournissant des explications, des journaux et des paramètres ajustables. L’objectif est que les signaux IA puissent être discutés sereinement en comité plutôt qu’acceptés comme une boîte noire.
Sécurité des données
Les pratiques de sécurité couvrent la gestion des accès, le chiffrement des données en transit et au repos, ainsi que la revue régulière des configurations. Nuardiflonliala adopte une approche prudente, alignée avec les attentes des acteurs pour qui la confidentialité opérationnelle est un prérequis non négociable.
Collaboration durable
Les projets sont menés comme des partenariats, avec des ateliers réguliers, des points de revue et une documentation partagée. L’outil n’est pas imposé, il est ajusté pour refléter les spécificités des équipes et des instruments suivis, afin que chacun y trouve une valeur concrète au quotidien.
Clarté des signaux
Les modèles sont conçus pour être interprétables, avec des indicateurs qui relient chaque alerte à des phénomènes tangibles, comme un retrait brutal de liquidité ou une cascade d’ordres agressifs. Cette lisibilité facilite l’appropriation par les équipes non techniques.
Robustesse opérationnelle
L’architecture privilégie la robustesse et la capacité à absorber des volumes importants de données tick, sans sacrifier la qualité des signaux. Nuardiflonliala préfère une sophistication maîtrisée à des approches spectaculaires mais difficiles à maintenir dans le temps.
Capitalisation structurée
Chaque projet donne lieu à des retours structurés, des guides d’usage et des synthèses d’événements marquants. Cette capitalisation progressive crée une base commune qui facilite les échanges entre équipes et l’amélioration continue des analyses d’anomalies.
Équipe dirigeante
Une équipe issue à la fois des desks, des laboratoires et des fonctions risques, qui parle autant le langage des carnets d’ordres que celui des comités de validation de modèles.
Camille Laurent
Directrice produit
Master en finance quantitative Université Paris-Dauphine
Desk électronique européen
Compétences clés
Méthodes
Certifications
Responsable de la vision produit, relie les besoins des desks électroniques aux capacités réelles des modèles IA, avec une attention constante portée à la lisibilité des signaux générés.
Supervise la définition des cas d’usage, la priorisation des développements et la validation des signaux avec les utilisateurs. Anime la méthode interne appelée Cadre Séquentiel d’Anomalies, qui structure l’analyse des événements extrêmes depuis la détection en temps réel jusqu’à la revue post-mortem.
Yanis Morel
Head of Research
Doctorat en apprentissage statistique École Polytechnique
Laboratoire IA finance
Compétences clés
Méthodes
Certifications
Pilote la conception des modèles, depuis l’ingestion de données tick jusqu’aux algorithmes de classification des motifs, avec un intérêt particulier pour les changements de régime de volatilité.
Conçoit les architectures de modèles, définit les jeux de données d’entraînement et supervise les revues techniques internes. Utilise la méthode maison Cartographie des Régimes de Marché, qui vise à repérer les transitions progressives avant les épisodes de stress extrême observés dans les carnets d’ordres.
Nora Benali
Directrice technique
Master en systèmes distribués INSA Lyon
Fournisseur de données marché
Compétences clés
Méthodes
Certifications
Assure que la plateforme s’intègre proprement aux systèmes existants, en travaillant sur les flux temps réel, les API et la résilience de l’architecture de données.
Conçoit l’architecture de données, encadre les choix de stockage et de diffusion des flux tick et supervise les tests de charge. S’appuie sur le schéma interne Pipeline Fiable d’Anomalies, qui décrit les étapes de contrôle nécessaires entre ingestion, calcul des signaux et restitution aux équipes métier.
Hugo Perrin
Responsable relation clients
Master en ingénierie financière Université Lyon 2
Équipe risques institutionnelle
Compétences clés
Méthodes
Certifications
Fait le lien entre les équipes de risques, de trading et de conformité, en traduisant les signaux IA en rapports, tableaux de bord et scénarios exploitables au quotidien.
Organise les ateliers de cadrage, formalise les besoins et accompagne les équipes dans l’interprétation des résultats. Utilise la démarche interne Atelier Scénarios Extrêmes, qui structure les échanges autour de cas concrets de flash crashes et de mini événements similaires observés dans les données historiques.
| Année | Événement | Catégorie | Détails |
|---|---|---|---|
| 2018 | Prototype initial sur données tick | Recherche | Premiers prototypes développés sur des données tick publiques, avec l’objectif de reconnaître des motifs de déséquilibre de carnet avant des épisodes de volatilité extrême observés historiquement. |
| 2019 | Premier pilote avec équipe quant | Pilote | Lancement d’une expérimentation avec une équipe quant, testant la classification d’anomalies sur un univers restreint d’instruments et évaluant l’intégration dans les outils d’analyse existants. |
| 2020 | Création de la première plateforme | Produit | Construction d’une architecture temps réel capable de traiter des flux haute fréquence, avec un module de scoring d’anomalies et une première interface de visualisation dédiée aux flash crashes. |
| 2022 | Déploiements encadrés institutionnels | Déploiement | Mise en place de déploiements contrôlés auprès de plusieurs équipes de risques, avec documentation détaillée, processus de validation interne et ateliers de scénarios extrêmes. |
| 2024 | Extension des fonctionnalités analytiques | Évolution | Ajout de modules d’explicabilité des signaux, enrichissement de la bibliothèque de motifs et renforcement des intégrations avec les environnements de recherche existants. |
| 2025 | Ancrage dans l’écosystème marché | Écosystème | Participation à des projets collaboratifs autour de la résilience des marchés, partage de retours d’expérience sur l’usage des signaux d’anomalies dans les comités de risques. |
Reconnaissances clés
Programme innovation data
Sélectionnée dans un programme européen d’innovation en data financière, la société y a présenté son approche de classification des motifs de microstructure appliquée aux épisodes de volatilité extrême.
Référence de recherche IA
Mentionnée dans une publication académique sur la détection d’anomalies en temps réel, pour l’usage combiné de signaux d’order book et de séquences d’ordres dans l’analyse des événements soudains.
Accélérateur marchés électroniques
Intégrée à un accélérateur spécialisé marchés électroniques, Nuardiflonliala y a validé la robustesse de son architecture et de ses flux temps réel auprès de plusieurs équipes techniques exigeantes.
Reconnaissance professionnelle
Invitée à partager un retour d’expérience lors d’une conférence sur la surveillance des marchés, en présentant un cadre méthodologique pour l’analyse post-événement des mini flash crashes.
Projet résilience marché
Retenue comme partenaire technique dans un projet collaboratif autour de la résilience des infrastructures de marché, avec un focus sur la détection précoce de comportements anormaux.
Entrer en contact pour explorer des pistes communes
Partenariats de recherche, expérimentations en environnement contrôlé, déploiements progressifs, Nuardiflonliala privilégie les échanges approfondis avec les équipes marché plutôt que les approches génériques. Les discussions portent autant sur les données disponibles que sur les contraintes opérationnelles, les processus de validation interne et les attentes en matière de documentation. Chaque collaboration est l’occasion de tester de nouveaux scénarios d’anomalies, de confronter les signaux IA aux intuitions métiers et de construire un langage commun entre quants, risques et trading électronique.
Discuter ensemble