L'histoire commence avec une question simple
En 2022, trois analystes financiers frustrés se sont retrouvés autour d'un café à Montréal. Ils partageaient le même constat : les outils d'analyse prédictive coûtaient une fortune et nécessitaient des équipes techniques entières. Pourtant, l'apprentissage automatique n'avait jamais été aussi accessible sur le plan technologique.
Discutons de votre projetCe qui a changé notre direction
Au début, on voulait simplement créer des modèles pour nos propres analyses. Mais après avoir partagé nos premiers prototypes avec quelques collègues du secteur bancaire, les retours nous ont surpris. Ils ne voulaient pas juste des prédictions — ils cherchaient à comprendre comment ces modèles fonctionnaient réellement.
C'est devenu notre mission. Construire une plateforme où les professionnels de la finance peuvent explorer l'apprentissage automatique sans avoir besoin d'un doctorat en informatique. Chaque fonctionnalité que nous développons passe par ce filtre : est-ce que ça aide vraiment quelqu'un à prendre de meilleures décisions?
Aujourd'hui en 2025, nos algorithmes traitent des millions de transactions par jour. Mais ce qui nous rend fiers, ce sont les messages de nos clients qui nous disent qu'ils ont enfin compris comment l'intelligence artificielle peut transformer leur travail quotidien.
Les principes qui guident notre travail
Transparence technique
On déteste les boîtes noires. Chaque modèle que nous déployons peut être inspecté, questionné et personnalisé. Vous méritez de savoir exactement comment les prédictions sont générées et sur quelles données elles reposent.
Accessibilité réelle
L'apprentissage automatique ne devrait pas être réservé aux géants de Bay Street. Nos outils sont conçus pour les équipes de toutes tailles, avec une tarification qui reflète votre utilisation réelle plutôt que des forfaits rigides.
Apprentissage continu
Les marchés évoluent constamment, et nos modèles aussi. Nous organisons des sessions de formation trimestrielles pour que nos utilisateurs restent à jour avec les dernières techniques d'analyse prédictive adaptées au contexte canadien.
Les personnes derrière la technologie
Notre équipe combine expertise financière et maîtrise technique. On ne croit pas aux hiérarchies rigides — chaque voix compte quand il s'agit d'améliorer nos algorithmes.
Séverine Labrèche
Architecte de données principales
Ancienne analyste quantitative chez une grande banque, Séverine a quitté le secteur traditionnel après avoir réalisé que ses modèles passaient plus de temps en révision qu'en production. Elle construit maintenant des pipelines qui traitent des téraoctets de données financières avec une latence minimale.
Nolwenn Dufresne
Responsable pédagogie et formation
Nolwenn a passé huit ans à enseigner les statistiques avant de rejoindre puenisnyivo. Elle traduit les concepts complexes d'apprentissage automatique en méthodologies accessibles. Ses webinaires mensuels attirent régulièrement plus de 200 participants du secteur financier québécois.
Notre approche technique
On utilise principalement des architectures basées sur des réseaux neuronaux récurrents pour l'analyse de séries temporelles. Mais on ne force jamais une solution technique juste parce qu'elle est à la mode. Parfois, une régression linéaire bien calibrée surpasse un modèle complexe.
Notre infrastructure cloud est hébergée au Canada, ce qui garantit la conformité avec les réglementations locales sur la protection des données. Les temps de latence moyens pour nos API sont inférieurs à 150 millisecondes, même pendant les pics de volatilité du marché.
Nous prévoyons d'intégrer des capacités de traitement du langage naturel d'ici l'automne 2025 pour analyser les rapports financiers en temps réel. Mais seulement après des tests approfondis avec nos utilisateurs actuels.