Comment Allasso transforme les desks de trading à Genève ?
Découvrez comment Allasso, via son approche API-first, révolutionne la gestion du risque pour les salles de marché à Genève.
Les salles de marché ont appris à composer avec des outils hérités et coûteux. Mais une génération de solutions plus légères, plus ouvertes et orientées data science gagne du terrain. À Genève, Allasso incarne ce virage avec une approche API-first et cloud qui promet de fluidifier l’analyse et la gestion du risque pour les professionnels des marchés.
Ce que change allasso pour les desks de trading
Les terminaux historiques ont façonné une culture de la donnée centralisée, pourtant souvent difficile à exploiter en dehors de leur périmètre. Allasso adopte l’approche inverse en misant sur l’interopérabilité par l’API, l’usage natif du cloud et la compatibilité directe avec les environnements Python des équipes quant et IT.
Cette philosophie répond à une demande explicite des équipes de trading systématique et des gérants d’options. Exposer les briques d’analytics en API permet d’automatiser end-to-end des pipelines de pré-négociation, d’agrégation de scénarios et de backtesting sans rupture entre R et D et production.
Au-delà de l’accessibilité, la valeur se joue dans la réduction de la latence organisationnelle. En salle des marchés, le coût majeur n’est pas seulement le prix de la donnée, mais le temps perdu entre une idée de stratégie et son exécution contrôlée. La promesse d’Allasso consiste à rapprocher front, risk et data science autour d’une même grammaire technique.
API-first côté DSI : implications concrètes
Adopter une plateforme API-first signifie :
- Industrialiser les workflows de pricing, backtesting et risk pour les déclencher depuis les orchestrateurs internes.
- Versionner les appels et les schémas de données, facilitant l’auditabilité et la reproductibilité.
- Séparer l’interface utilisateur de la logique métier, ce qui réduit l’effet de verrou propriétaire sur le long terme.
Le qualificatif AI-ready n’a d’intérêt que s’il se traduit par :
- Schémas documentés et stables, connues des équipes ML.
- Historisation de qualité sur de longues périodes, avec gestion rigoureuse des corporate actions et de la survivorship bias.
- Métadonnées sur la provenance et les transformations, indispensables à la conformité et au recalcul.
Ce socle évite des semaines de préparation de données et favorise l’itération rapide entre modèles et production.
Copilot : unification des analytics et du risk en temps réel
Le produit phare d’Allasso, Copilot, réunit dans une même interface des fonctionnalités encore trop souvent dispersées entre plusieurs outils. Les utilisateurs obtiennent une vision consolidée des analytics d’options, du backtesting, de la génération d’idées et de la simulation de scénarios, avec une articulation claire entre pré-négociation et contrôle des risques.
La plateforme s’appuie sur plus de vingt ans de séries structurées. Pour des desks exposés à la volatilité, l’historique profond améliore la robustesse statistique des tests et la pertinence des stress scénarios. L’objectif est d’accélérer le chemin critique qui va de l’alpha à l’implémentation prudente, sans perdre en auditabilité.
Point différenciant pour les équipes françaises : l’intégration avec Python et les environnements de data science maison. Les modèles propriétaires existants peuvent être branchés sur Copilot pour enrichir ou remplacer certaines briques d’analytics. Résultat attendu : un cycle décisionnel plus court, mesurable en heures plutôt qu’en jours.
Deux points de vigilance dominent :
- Qualité de la volatilité implicite et couverture des surfaces sur longue période. Sans cela, les PnL simulés sont peu fiables.
- Frictions de marché réalistes, incluant coûts de transaction, glissement et contraintes de liquidité.
Les meilleures pratiques incluent des fenêtres rolling, des tests de robustesse hors échantillon et des stress scénarios calibrés sur des épisodes de marché réels.
La proposition de valeur est renforcée par une interface web pour la prise en main rapide et un socle API pour l’automatisation. Pour des acteurs régulés, ce double mode est un atout : les analystes peuvent explorer, tandis que les équipes IT industrialisent.
Cas d’usage en salle des marchés
- Pré-négociation sur options vanille et stratégies multi-jambes avec agrégation de scénarios de volatilité.
- Risk intraday par recalcul des sensibilités et déclenchement d’alertes seuils.
- Backtesting cross-régimes pour mesurer la robustesse sur plusieurs cycles de volatilité.
Gouvernance des données et exigences réglementaires en europe
Le mouvement vers le cloud s’inscrit dans une trame réglementaire exigeante. En France, l’AMF et les lignes directrices européennes sur l’externalisation attendent des établissements qu’ils gardent la maîtrise opérationnelle des fonctions externalisées, y compris la capacité de réversibilité et d’audit.
Pour une plateforme comme Allasso, cela se traduit par des attentes claires côté clients français. Traçabilité des calculs, réversibilité des données, journalisation et cartographie des dépendances cloud doivent être documentées et testées. La simplicité d’usage ne dispense pas d’une gouvernance robuste.
Les contraintes de marché s’ajoutent à ces exigences. Les politiques de meilleure exécution, la surveillance du risque de modèle et les obligations de reporting post-trade exigent une granularité d’historique et une auditabilité difficiles à tenir avec des architectures fermées. L’approche API-first permet ici d’aligner IT, conformité et marchés.
Trois points pratiques à sécuriser :
- Droits d’audit et modalités d’accès aux journaux techniques en cas d’incident.
- Plan de réversibilité et restitution des données dans des formats lisibles, avec SLA documentés.
- Localisation des données et garanties de continuité en cas de changement de sous-traitant.
Ces clauses facilitent le dialogue avec la conformité et réduisent le risque de projet.
Points de vigilance pour les acteurs français
- Documentation des modèles et de leurs versions pour aligner risk et IT.
- Contrôle de qualité des données avec mesures, seuils et plans de remédiation.
- Séparation des environnements dev, test, prod et habilitations adaptées.
La trajectoire d’allasso et ses fondateurs
Allasso est née à Genève en 2022. L’équipe fondatrice rassemble deux profils complémentaires. Felix Euler, ancien trader, apporte une lecture fine des besoins métiers et des contraintes d’exécution. Vadim Cissa, spécialiste de data science, orchestre l’architecture et l’intégration avec les stacks techniques modernes.
Leur vision est pragmatique. Les outils historiques ont excellé pour agréger la donnée et proposer une expérience intégrée. Le défi de la décennie consiste désormais à rendre ces mêmes données activables par des modèles et des pipelines automatisés. La feuille de route d’Allasso s’aligne sur cette attente, en privilégiant des primitives techniques simples et auditables.
La culture produit s’inspire des pratiques software contemporaines. Design API-first, documentation exhaustive, observabilité et déploiements incrémentaux sont conçus pour rassurer les équipes IT et les fonctions de contrôle. Ce choix accélère l’adoption tout en réduisant la friction avec les cadres de conformité.
Chronologie express d’Allasso
- 2022 Création à Genève et premiers développements de Copilot.
- 2023 Renforcement de l’infrastructure cloud et des jeux de données historiques.
- Septembre 2025 Annonce d’un financement de 2,5 millions d’euros pour accélérer l’expansion produit.
Financement de 2,5 millions d’euros et plan d’expansion 2025-2026
Allasso annonce une levée de 2,5 millions d’euros, équivalant à environ 3 millions de dollars, menée par Fuel Ventures avec la participation de business angels. L’opération, communiquée en septembre 2025, doit soutenir l’accélération commerciale et l’extension fonctionnelle vers les obligations futures, ETF, FX, actions et cryptoactifs (sources : Silicon Canals et EU-Startups).
L’allocation du capital cible trois chantiers. Recrutement de profils data et produit pour accroitre la capacité de livraison. Couverture d’actifs élargie pour servir des besoins transverses. Renforcement de la qualité de données et de l’observabilité, éléments clefs pour les établissements régulés français.
Le choix d’un investisseur britannique spécialisé dans les technologies B2B renforce la crédibilité d’Allasso sur un créneau exigeant. La ligne directrice reste lisible. Construire un système intégré qui pense dès le départ la relation entre donnée, modèles et pilotage du risque, plutôt que d’empiler des modules difficiles à maintenir.
Les tours early stage dans les infrastructures de marché cherchent un équilibre entre :
- Capital produit pour fermer le gap fonctionnel avec les usages cibles.
- Capacité data pour enrichir la profondeur historique et la couverture d’actifs.
- Go-to-market sobre et ciblé, indispensable face à des cycles d’achat longs chez les institutions.
Un ticket de 2,5 millions d’euros offre de la latitude sans imposer une croissance non soutenable.
Panorama concurrentiel et positionnement d’allasso
Plusieurs acteurs challengent les standards établis, chacun avec un angle particulier. Allasso se différencie par l’unification pré-trade et risk en temps réel et par une ergonomie pensée pour les data scientists. Cette articulation est décisive pour des équipes cherchant à industrialiser leurs modèles sans multiplier les outils.
Bmll technologies : analyse à l’échelle et focus order book
BMLL propose des analytics de profondeur de carnet et des outils massivement scalables sur des données L2 et L3. Son atout est la granularité extrême et le modèle data-as-a-service. Limite pour certains utilisateurs en Europe continentale : nécessité de consolider BMLL avec d’autres briques pour gérer l’intégralité des workflows pré-trade et risk.
Databento : accès simple et couverture temps réel
Databento simplifie l’acquisition de données temps réel et historiques via API. La proposition séduit par la facilité d’accès et la tarification modulaire. Pour couvrir le cycle complet d’un desk options, il faut toutefois articuler Databento avec des moteurs d’analytics et de risk distincts, ce que Copilot cherche à intégrer nativement.
Koyfin : visualisation avancée pour investisseurs
Koyfin cible la visualisation et l’analyse pour investisseurs et analystes. La qualité de l’interface est reconnue. Pour des desks cherchant une automatisation poussée, l’enjeu devient d’ouvrir les calculs et flux à des pipelines propriétaires, une dimension au cœur de la stratégie API-first d’Allasso.
Lecture rapide : qui fait quoi
- Allasso Unifie pré-trade et risk avec intégration data science.
- BMLL Analytics de carnet à grande échelle et focus granularité.
- Databento Accès flexible à la donnée temps réel et historique.
- Koyfin Visualisation et ergonomie pour l’analyse multi-actifs.
Cette recomposition du paysage tient à deux forces. D’abord, une attente d’agilité cloud pour réduire le time-to-alpha.
Ensuite, la nécessité d’une gouvernance des modèles compatible avec les standards européens, que l’on aborde plus aisément via des architectures ouvertes. Les géants historiques conservent des atouts en profondeur de couverture et en distribution. Les nouveaux entrants, eux, gagnent en vitesse d’exécution.
Pour un asset manager français à budget contraint :
- Privilégier une couverture progressive d’actifs et une intégration API rapide.
Pour un broker-dealer :
- Focus sur l’industrialisation des workflows, la journalisation et la réversibilité.
Pour un hedge fund systématique :
- Exiger des performances de recalcul, la compatibilité Python et la granularité historique.
Impact pour les entreprises en france et enjeux opérationnels
Pour les acteurs français, l’intérêt d’Allasso se lit en termes métiers. Réduire le cycle de décision sans dégrader le contrôle, accélérer l’itération sur les stratégies d’options et améliorer l’observabilité en production. La perspective d’un marché mondial des données et analytics dépassant les 10 milliards de dollars en 2025 confirme l’appétit pour ces outils.
Toutefois, l’adoption réussie passe par un cadrage IT et conformité. Cartographie des flux, gouvernance des modèles, gestion des habilitations et capacités d’audit doivent être alignées dès le départ. L’approche API-first facilite ce travail en rendant visibles les dépendances et en standardisant les points de contrôle.
Les bénéfices opérationnels se concrétisent sur trois axes. Time-to-market réduit pour la mise à l’échelle des stratégies. Resilience via le monitoring fin et la journalisation. Coûts d’intégration maîtrisés par l’usage de composants standard et par l’évitement d’écosystèmes fermés.
Une séquence d’intégration fréquente :
- Connexion API et sécurisation par tokens ou OAuth interne.
- Mapping schémas vers les modèles de données maison, avec tests unitaires.
- Orchestration via Airflow ou équivalent pour les jobs de backtesting et recalcul de risk.
- Observabilité en production avec alertes sur latence, erreurs et dérive des modèles.
Cette approche limite le couplage et facilite les audits.
La question de la résidence des données revient naturellement. Même si la plupart des jeux sont des données de marché non personnelles, les équipes de conformité françaises anticiperont les contraintes d’externalisation. L’enjeu n’est pas l’interdiction, mais la documentation et la capacité de contrôle.
Pourquoi les salles françaises regarderont de près allasso
La montée en puissance d’Allasso illustre un mouvement plus large. Aux infrastructures monolithiques, des acteurs spécialisés opposent des produits ouverts, intégrables et audités. Avec Copilot, la fintech genevoise cherche à combler un angle mort des salles de marché et à aider les équipes à rapprocher modèles, données et risk dans un même environnement.
Si la promesse se confirme à l’échelle, les desks français pourraient y voir un levier pour standardiser leurs workflows et réduire leur dépendance à des environnements fermés, tout en satisfaisant des exigences réglementaires élevées.
Un financement ciblé, une architecture pensée pour la data science et une focalisation sur le risk en temps réel placent Allasso dans la trajectoire des plateformes qui redessinent la chaîne de valeur des marchés.