Osmoze, par Heavenize
L'IA, sans changer d'architecture.
Nous ne faisons pas des agents IA expérimentaux. Nous fournissons un moteur d'orchestration orienté objectif, éprouvé depuis 15 ans dans la finance de marché, auquel les LLM viennent se connecter pour apporter une interface naturelle et des capacités de raisonnement.
Un cockpit IA prêt à l'emploi pour les usages courants du Front Office, extensible par framework pour vos cas d'usage spécifiques : un agent qui appelle vos briques métier comme des outils, sous une seule piste d'audit.
Traçable, explicable, compatible avec vos exigences de conformité.
Une note de transparence sur l'IA. L'Intentional Engine, le moteur d'orchestration au cœur d'Osmoze, est en production chez nos clients depuis 2012. La couche IA qui s'y branche, décrite ci-dessous, vient d'être livrée dans le produit : architecture éprouvée, fonctionnalités IA en phase d'amorçage commercial.
Nous identifions un ou deux clients de référence pour cette couche IA : vous co-définissez le cas d'usage, on le certifie ensemble. C'est aussi un angle de discussion.
Pourquoi les projets IA
en asset management patinent
Depuis trois ans, les sociétés de gestion ont lancé des dizaines de Proofs of Concept IA. Combien en production un an plus tard ? Très peu.
Les projets qui échouent partagent les mêmes causes : des cahiers des charges rédigés loin du poste de travail du gérant, des portails IA déployés à côté d'Excel plutôt que dedans, des modèles génériques qui ne comprennent ni les conventions internes, ni les spécificités d'une équipe de gestion. Résultat : une belle démo, et dans trois mois personne ne s'y connecte plus.
Pour qu'une IA s'installe au Front Office, il faut : qu'elle vive dans l'outil que les gérants utilisent déjà (Excel), qu'elle parle la langue de l'équipe (conventions, indicateurs, workflows), qu'elle s'appuie sur les données réelles du portefeuille, et qu'elle reste explicable, auditable et conforme. Pas de magie, pas de boîte noire.
C'est précisément le constat qui a guidé la conception de l'IA d'Osmoze : la faire vivre là où elle a accès aux données, aux calculs et au workflow du gérant, dans la même architecture.
L'IA dans la même architecture
Une couche IA qui s'exécute dans le moteur Osmoze, pas à côté.Osmoze ne se réduit pas à une collection d'agents pré-emballés. C'est un cockpit IA prêt à l'emploi pour les usages courants du Front Office, et un framework (un cadre de développement spécialisé) pour construire vos propres agents quand votre besoin sort du cadre. L'IA ne vit pas dans un portail séparé : elle s'exécute dans la même architecture que les calculs métier, accède directement au hub de données, et bénéficie de la même piste d'audit.
Conséquences directes : un agent peut appeler les briques métier (pricing, conformité, stress test) comme des outils, voir les données en contexte, et expliquer ses actions, ses sources, ses calculs et ses justifications jusqu'à la donnée source. Et un nouvel agent peut être construit, calibré, déployé en quelques jours sur un cas d'usage ciblé, quand l'industrie compte en semaines, voire en trimestres.
N'importe quel agent, rapidement
Un besoin nouveau dans une équipe ? L'agent correspondant peut être spécifié, calibré et testé en quelques jours. Pas de refonte lourde, pas de cycle de spécification interminable : le framework absorbe les itérations sans rupture.
Connecté nativement à Osmoze
L'agent accède à tout le hub Osmoze (inventaires, positions, transactions, historiques, news, documents internes) et appelle directement les librairies de calcul métier (pricing, stress, contribution de performance, optimisation).
Architecture agnostique au modèle
Compatible avec tous les principaux fournisseurs LLM (hébergés ou locaux), avec capacité de fine-tuner des modèles open-source sur vos données sans qu'elles sortent jamais de votre infrastructure.
Traçable, explicable, compatible avec votre conformité
Notre signature. Chaque résultat produit par un agent peut être remonté à ses sources de données et à la chaîne de calcul qui l'a produit, directement expliqué à l'utilisateur. C'est à la fois une condition d'adoption par les gérants et une réponse aux exigences réglementaires de maîtrise et d'auditabilité des modèles IA en asset management.
Quelques exemples concrets
Cinq agents construits sur le framework Osmoze pour illustrer le spectre : fonctionnalités disponibles dans la dernière version, en phase d'amorçage commercialCes agents ne sont pas un catalogue fermé. Ce sont des illustrations de ce qu'on peut construire rapidement sur le framework. Dès qu'une nouvelle idée apparaît dans votre équipe, elle devient un agent possible.
Morning Briefing
Un brief matinal personnalisé par portefeuille. Pré-filtrage des news sur les titres en position, détection de signaux faibles, synthèse macro. Lecture : une vingtaine de minutes au lieu d'une heure de veille éparpillée.
Customizer
Génère des indicateurs, axes d'analyse ou règles de conformité à la volée dès qu'un nouveau besoin apparaît. L'outil s'enrichit au rythme du gérant, sans ticket informatique.
Investment Comments Generator
Rédige les commentaires de gestion d'un fonds à partir des données internes (contribution, transactions, inventaires) et externes (news, secteurs). Respecte le style et la continuité des commentaires précédents.
Portfolio News Impact Evaluator
Évalue l'impact des dernières informations de marché sur un portefeuille spécifique. Combine l'inventaire, les expositions calculées par Osmoze, et un moteur de recherche IA pour les sources externes.
Enterprise Expert
Un LLM fine-tuné sur la connaissance et les pratiques de votre entreprise : appels d'offres, analyses, synthèses sectorielles. Aucun document sensible n'est envoyé à l'extérieur : le modèle vit dans votre infrastructure.
Deux familles d'IA
dans un même cockpit
Deep Learning propriétaire
Pour la donnée structurée et quantitative.
Nous disposons de modèles de deep learning développés en interne, entraînés sur vingt ans de données de marché. Ils s'appliquent à :
- Détection de patterns et de signaux faibles
- Prédictions de paramètres ou d'évolution de courbes
- Optimisation sous contrainte et planification temporelle
Ce savoir-faire est au cœur de notre roadmap Autopilot.
Large Language Models (LLM)
Pour la donnée non structurée : texte, documents, multimodal.
Architecture ouverte multi-fournisseurs, avec capacité de fine-tuning sur vos données internes :
- Synthèse de rapports, prospectus, news
- Génération de documents métier
- Analyse qualitative et raisonnement contextuel
Les modèles sensibles restent en local ; vos données ne sortent que si vous le décidez.
Dans Osmoze, les deux familles cohabitent, et un même agent combine souvent les deux, sur le même socle de données et avec la même traçabilité.
Pour votre RFI / DSI Détail réglementaire et technique sur la conformité et l'audit IA
Conformité réglementaire référencée
Ce que « compatible avec vos exigences de conformité » signifie concrètement.
Osmoze est conçu pour s'inscrire dans les cadres réglementaires des sociétés de gestion et compagnies d'assurance européennes. La compatibilité avec les exigences ci-dessous est documentée et défendable en RFI / appel d'offres / due diligence DSI :
Solvency II
Calculs prudentiels intégrés (SCR marché, projection de cash-flows, courbes de taux). Compatible avec le format QRT et les flux ACPR.
DORA (Digital Operational Resilience Act)
Traçabilité des incidents, gestion du risque de tiers IT, registre des prestataires critiques. Architecture compatible avec un audit DORA complet.
AI Act EU (articles 13-14)
Documentation technique des systèmes IA, traçabilité des décisions, mécanismes de supervision humaine (le gérant valide, l'agent propose). Logs d'inférence conservés.
AMF / RG AMF
Compatibilité avec les obligations Front Office des sociétés de gestion françaises : conformité ex-ante / ex-post, traçabilité des décisions, archivage des contextes décisionnels (mémoire de secours).
Ce que la piste d'audit IA contient
Au niveau de détail attendu en RFI par votre RSSI.
Par construction architecturale, pour chaque interaction avec un agent IA d'Osmoze, la piste d'audit est conçue pour conserver :
- Identité du modèle : nom, version, fournisseur, hébergement (cloud public / privé / on-premise)
- Prompt utilisateur : la question posée par le gérant, en clair
- Tool calls successifs : quels outils l'agent a appelés, dans quel ordre, avec quels paramètres
- Sources de données accédées : portefeuilles, indicateurs, calculs métier, référentiels, chacun horodaté
- Réponses intermédiaires : ce que chaque tool a retourné à l'agent
- Output final : la réponse restituée au gérant, avec ses citations
- Contexte d'exécution : utilisateur, droits, périmètre, horodatage de bout en bout
- Hash des données : empreinte cryptographique des positions et calculs au moment de l'inférence, pour rejeu déterministe ultérieur
Reproductibilité : à partir de cet enregistrement, la décision de l'agent peut être rejouée à l'identique des mois ou années plus tard, avec la version exacte du modèle et l'état exact des données, ce qui est rarement vrai dans les implémentations IA standard du marché.
R&D avancée
Portfolio Autopilot
Notre prochaine étape, en R&D avancée. Une couche Deep Learning propriétaire, dans la même architecture que l'Intentional Engine, qui intègre simultanément allocation cible, cash disponible, contraintes de conformité, profil de risque et contraintes de marché. Le gérant reste décideur : l'agent propose, le gérant valide. Premiers clients de référence 2026.
Un cas d'usage concret en tête ?
Chaque agent Osmoze est construit à partir d'un besoin client réel. Partagez-nous le vôtre, même flou, même en phase d'exploration.