Logo de Denkkappe : trois corbeaux dans un nid posé sur un chapeau rouge et jaune, avec une ampoule en guise d’idée au-dessus d’eux

Denkkappe

La science complexe à votre service.

Conseil indépendant en IA et en data science, pour des modèles compréhensibles, fiables et auditables.

Nous contacter

Ce que nous faisons

Une IA et une data science dignes de confiance

Nous construisons des modèles de data science performants dont chaque résultat peut être compris, vérifié et audité. Pour les organisations qui doivent satisfaire aux exigences réglementaires, convaincre leurs parties prenantes ou accélérer leur recherche sans miser sur une boîte noire.

Nos travaux couvrent la finance réglementée, la recherche en biotechnologie et le traitement du langage à grande échelle, du scoring de crédit transparent à l’analyse de signaux et d’images. Une science digne de confiance, mise à votre service.

Le test du flair, pour les fondateurs

La plupart des idées d’entreprise « brillantes » meurent en silence. Pas parce que le marché les a rejetées, mais parce que personne n’a eu le courage de dire au fondateur que son bébé était moche.

Si vous passez des semaines à peaufiner votre pitch deck dans votre coin, arrêtez de vous regarder le nombril et venez nous présenter votre idée. Attendez-vous à voir vos hypothèses démontées, votre approche de machine learning mise à l’épreuve et votre ego légèrement froissé.

Ce n’est pas un simple avis à l’instinct. C’est un diagnostic rigoureux, fondé sur des décennies de recherche académique et de stratégie d’entreprise, taillé sur mesure pour chaque idée. Nous ne sommes pas là pour valider vos sentiments ; nous sommes là pour valider votre viabilité.

Comment fonctionne le test du flair

Due diligence IA, pour les investisseurs

Aujourd’hui, chaque pitch deck parle d’« IA ». Avant d’investir, vérifiez que l’IA est réelle, défendable et fondée sur des données que l’entreprise a vraiment le droit d’utiliser.

Matteo travaille sur pièces : il examine le code et la data room, s’entretient avec l’équipe technique et confronte chaque promesse à ce qu’il trouve. En particulier :

  • ce qui fonctionne en production, et ce qui ne fonctionne qu’en démo
  • si le produit est plus qu’une surcouche posée sur le modèle de quelqu’un d’autre
  • ce que coûtera l’exploitation des modèles à grande échelle
  • où la réglementation, comme l’AI Act européen, va peser

Vous recevez une évaluation technique écrite, les signaux d’alerte classés par gravité et les questions à poser aux fondateurs avant de signer. Menée personnellement et sous NDA, en général avant la term sheet.

Strictement IA et machine learning : une évaluation technique, pas un conseil en investissement.

Le test du flair, en détail

Il examine l’IA au cœur de votre idée : la science, les données et les modèles dont elle dépend. Chaque idée doit survivre à cinq questions.

Le signal est-il réel ?

Avant tout modèle : la physique, la chimie ou la biologie sous-jacentes soutiennent-elles l’idée, et le signal sur lequel vous misez est-il détectable dans des données que vous pouvez réellement obtenir ?

L’IA est-elle le bon outil ?

Ou une méthode plus simple, plus ancienne et plus transparente ferait-elle mieux l’affaire ? Parfois, la réponse honnête est : pas d’IA du tout.

Les données existent-elles ?

D’où elles viennent, à qui elles appartiennent, s’il y en a assez, et quels biais elles introduisent dans votre modèle.

Est-ce sûr pour les personnes concernées ?

Surtout lorsque les utilisateurs sont vulnérables. Un chatbot généraliste qui séduit en démo peut dire des choses qu’aucun produit responsable ne devrait dire, et les régulateurs y sont attentifs.

Est-ce plus qu’une surcouche ?

Si votre produit n’est qu’une fine couche posée sur le modèle de quelqu’un d’autre, qu’est-ce qui empêche un concurrent, ou le créateur du modèle, de faire la même chose le mois prochain ?

Ce que vous obtenez

Une séance de travail franche sur votre idée, votre deck et les données ou prototypes dont vous disposez. Puis un verdict écrit : go, à corriger d’abord ou stop, avec les raisons, les preuves et ce qui pourrait changer la réponse.

Votre idée reste la vôtre. Les tests du flair passés sont allés de l’exploration de ressources souterraines aux technologies d’assistance, et chaque détail reste entre les mains de leurs fondateurs. Accord de confidentialité (NDA) sur demande.

Réserver un test du flair

L’IA ne sauvera pas un mauvais concept. Elle vous aidera simplement à construire un mauvais produit plus vite.

Notre façon de travailler

Transparents par conception

Des modèles « boîte de verre » dont le raisonnement peut être inspecté, expliqué et audité, et pas seulement comparé sur des benchmarks.

Cinquante ans d’apprentissage, pas cinq

Toute la boîte à outils de l’apprentissage statistique, de la simulation et de la science des réseaux. Les grands modèles de langage quand ils sont le bon outil, pas par défaut.

À la fois large et profond

Une compréhension des systèmes complexes à partir des principes fondamentaux, alliée au savoir-faire pratique pour mettre en production des pipelines de machine learning.

Ce qui marche

Des verdicts honnêtes et des résultats mesurables plutôt que des indicateurs de façade. Comme l’écrivait Voltaire, le mieux est l’ennemi du bien.

Réalisations choisies

Quelques-uns des problèmes auxquels Matteo s’est attaqué au fil des ans, anonymisés.

Qui se cache sous la Denkkappe ?

Portrait de Matteo Morini

Denkkappe est le cabinet de conseil de Matteo Morini, basé à Lugano.

Matteo navigue entre recherche et industrie depuis plus de vingt ans. Il a été chercheur titulaire à l’Université de Turin pendant plus de dix ans, a obtenu en parallèle son doctorat en informatique à l’École Normale Supérieure de Lyon, et a coécrit des ouvrages d’économie à base d’agents publiés par Cambridge University Press et Palgrave Macmillan.

Dans l’industrie, il a bâti les équipes data et les modèles de scoring de crédit explicables derrière des milliards d’euros de financements dans une fintech italienne, et travaille aujourd’hui comme associé et conseiller de sociétés dans la fintech, la biotech et la simulation à grande échelle. Plus de dix ans d’enseignement en master et en doctorat lui permettent d’expliquer simplement des choses complexes.

Voir des fondateurs coller une étiquette « IA » sur une multiplication de matrices appliquée à un espace latent figé, comme si cinquante ans d’apprentissage statistique et de recherche d’avant les LLM n’avaient jamais existé : c’est officiellement la genèse de mon côté obscur.

Matteo

CV complet et publications

Écrivez-nous. Voyons ce que vous avez.

Qu’il s’agisse d’un modèle qui doit résister à un auditeur ou d’une idée qui doit résister à la réalité, parlez-nous de ce sur quoi vous travaillez.

Écrire à Matteo