Ventotto milioni di euro per scommettere che, almeno in alcuni dei luoghi nei quali l’intelligenza artificiale conta di più, un LLM più grande non sia necessariamente la risposta migliore.

La francese Arlequin AI ha chiuso una Serie A da 28 milioni di euro, co-guidata da Redalpine e OTB Ventures, con la partecipazione del Defence Innovation Fund di Bpifrance, Vsquared Ventures, 10x Founders, Xavier Niel e ZEBOX. Un dettaglio non secondario dopo il dibattito sulla sovranità tecnologica francese: secondo la società, il round è sostenuto esclusivamente da investitori europei.

Ma la parte interessante della storia non è tanto chi abbia messo i soldi. È dove Arlequin vuole portarli.

Fondata a Parigi nel 2024 da Hugo Micheron, ricercatore specializzato nello studio dell’instabilità geopolitica, e Antoine Jardin, ex research engineer del CNRS in data science e comportamento umano, la startup lavora su sistemi destinati ad analizzare enormi quantità di informazioni frammentate: documenti, transazioni, video, dati operativi e relazioni tra soggetti differenti.

Il problema che cerca di risolvere è abbastanza intuitivo. In un’indagine sulla criminalità organizzata, sul terrorismo o sulle frodi finanziarie, le informazioni spesso esistono già, solo che sono distribuite tra migliaia o milioni di documenti e database differenti.

Il compito dell’AI non è necessariamente inventare una risposta, è quello di trovare le relazioni che un essere umano non riuscirebbe a vedere e dimostrare da dove arrivano.

Un’AI che non vuole scrivere, ma capire le relazioni

Per farlo Arlequin sta sviluppando modelli proprietari basati sulle Topological Neural Networks, TNN.

A differenza dei sistemi progettati principalmente per elaborare o generare sequenze di linguaggio, l’obiettivo delle TNN è imparare anche dalla struttura delle relazioni tra i dati, comprese interazioni che coinvolgono contemporaneamente molti elementi. La società sostiene che questo permetta di analizzare sistemi molto complessi mantenendo i risultati riconducibili alle fonti originarie.

È una differenza importante: difesa, intelligence, indagini giudiziarie, antiriciclaggio, antifrode e cybersecurity richiedono qualcosa di diverso dalla probabilità che una risposta sia corretta. Richiedono evidenza.

Se un sistema segnala una relazione tra una persona, un conto bancario, un telefono e un’organizzazione, chi deve prendere una decisione deve poter risalire ai documenti e ai dati che hanno prodotto quella relazione.

Arlequin ha già implementato la propria tecnologia presso governi e grandi organizzazioni dell’Europa occidentale e orientale ed è attiva in quattro Paesi europei. Il gruppo conta circa 50 persone, tra cui 35 ingegneri e 15 tra PhD, ricercatori e data scientist.

L’Europa deve davvero costruire il suo OpenAI?

Ed è qui che una Serie A relativamente piccola diventa interessante. Nel precedente articolo sulla nuova strategia francese abbiamo visto emergere una concezione della sovranità AI meno legata all’idea di costruire ogni componente in casa e più alla capacità di controllare le dipendenze tecnologiche.

Arlequin aggiunge un’altra possibilità. Forse l’Europa non deve necessariamente competere con Stati Uniti e Cina cercando soltanto di costruire versioni europee delle stesse architetture, può provare a svilupparne di differenti.

La stessa Arlequin sostiene inoltre che le proprie TNN siano progettate per richiedere significativamente meno compute, riducendo la dipendenza da energia, semiconduttori avanzati e infrastruttura computazionale. È per ora un’affermazione della società, non un benchmark indipendente, ma individua bene la strategia industriale: competere sull’architettura invece che soltanto sulla forza bruta.

Non a caso la ricerca viene sviluppata attraverso collaborazioni con gruppi di INRIA, CNRS e Max Planck Institute, oltre alle università di Oxford, Cornell, Princeton e UC Santa Barbara. Con i nuovi capitali Arlequin vuole accelerare lo sviluppo dei modelli proprietari e l’espansione internazionale. Ha già aperto uffici a Londra e Berlino e prevede un laboratorio AI nella Silicon Valley entro la fine del 2026.

La società riassume la propria filosofia con una provocazione efficace: mentre tutti continuano ad addestrare cavalli più veloci, loro sostengono di aver costruito l’automobile.

È naturalmente ancora tutto da dimostrare, ma per l’Europa la domanda è interessante: la strada per recuperare terreno nell’intelligenza artificiale passa necessariamente dal costruire LLM sempre più grandi, oppure anche dal costruire sistemi che gli LLM non sono stati progettati per sostituire?

Arlequin ha appena raccolto 28 milioni per provare a dare la seconda risposta.