01
Invente
Réponses plausibles, mais fausses. Confondre une démo qui impressionne avec un outil sur lequel on peut décider.
Loxyn · Deeptech française
Le cerveau d'organisation souverain.
Toute la connaissance de votre entreprise, transformée en un graphe vivant. Chaque savoir devient un nœud : sourcé, daté, à droits, vérifié. Du document à l'action — sans jamais inventer.
Le constat
L'IA d'entreprise a un problème de confiance.
Les outils d'IA générative impressionnent en démo et déçoivent au travail. On ne peut pas leur faire confiance pour décider — et la facture grimpe à chaque requête.
02
Fuit les droits
Aucune notion de qui a le droit de voir quoi. Le savoir se mélange, les confidentialités se croisent.
03
Ne sait pas ce qui est à jour
Aucune mémoire du temps. Une vieille version contredit la nouvelle, sans que l'outil sache laquelle compte.
La brique
Notre unité, c'est le fait. Pas le document.
Là où les autres découpent des documents en morceaux de texte, Korela travaille au niveau du fait. Le cerveau, c'est le graphe vivant de ces nœuds — il grandit, se corrige, et reste cohérent.
Origine
D'où vient ce fait.
Date
Depuis quand il existe.
Droits
Qui peut le voir.
État de vérité
Encore vrai, ou contredit.
Liens
À quoi il se rattache.
Le concept, jamais le calcul.
Souverain par construction
Vos données ne sortent jamais.
La souveraineté n'est pas une option qu'on coche — c'est l'architecture. Korela s'héberge chez vous (ou sur un cloud de confiance), et peut fonctionner avec des modèles d'IA exécutés en local. Vos contrats, vos e-mails, votre savoir : rien n'est envoyé à un tiers, rien n'entraîne le modèle de quelqu'un d'autre.
Vous gardez la maîtrise — et la conformité.
Votre périmètre
Données, modèle d'IA, graphe — tout reste à l'intérieur.
100 % souverain
Le cerveau
Quatre fonctions. Une seule architecture.
Au-dessus du graphe vivant de nœuds atomiques, Korela exécute quatre fonctions cognitives — chacune dérivée de la même architecture, aucune ajoutée comme module externe.
I
Ranger
Toute la connaissance hétérogène d'une organisation, normalisée en faits unitaires sourcés et reliés.
II
Chercher
Interrogation en langage naturel, réponses ancrées dans les sources internes, traçables, à droits respectés.
III
Anticiper
Détection automatique des risques de mémoire : savoir non documenté, dépendance fragile, échéance oubliée.
IV
Agir
Génération d'actions ancrées dans les faits vérifiés. L'IA propose, l'humain valide — toujours.
Le détail fonctionnel et les démonstrations produit sont sur korela.ai.
Recherche & fondations
Bâti sur la science. Pas sur l'intuition.
Notre graphe de connaissance ne sort pas d'un chapeau. Chaque brique repose sur des travaux évalués par les pairs. Voici lesquels — et ce qu'ils nous apportent.
Analyses proactives
Résumer la connaissance par COMMUNAUTÉS du graphe → des analyses d'ensemble (risques, opportunités, échéances), pas juste de la recherche locale.
From Local to Global : a Graph RAG Approach ↗
Microsoft Research — Edge et al. · 2024
Structuration du graphe
Découper le graphe en communautés GARANTIES bien connectées — la maille même de notre raisonnement.
From Louvain to Leiden : guaranteeing well-connected communities ↗
Traag, Waltman & van Eck — Nature Sci. Reports · 2019
Importance des entités
Savoir quelles entités COMPTENT vraiment (centralité), au-delà du simple nombre de liens.
The PageRank Citation Ranking ↗
Brin & Page — Stanford · 1998
Ancrage sémantique
Relier les concepts par le SENS, en 100+ langues — exécuté en LOCAL, pour la souveraineté des données.
BGE M3-Embedding : multilingue, multi-granularité ↗
BAAI — Chen et al. · 2024
Résolution d'entités
Réunir les variantes d'une même entité en UN nœud (« M. Dupont » = « Marie Dupont ») — fini les doublons.
Extract, Define, Canonicalize (EDC) ↗
Zhang & Soh — EMNLP · 2024
Ces fondations sont publiques — nous les citons. La façon dont nous les combinons, les exécutons en souverain et les durcissons pour de vraies données d'entreprise : ça, c'est notre moat. Détaillé sous NDA.
Évaluation
On ne prétend pas la qualité. On la mesure.
Chaque évolution du graphe est confrontée à un banc d'épreuve : des documents-pièges dont le graphe attendu est connu d'avance. On y mesure la résolution des entités (B³), les ponts entre documents et la fidélité aux sources, en non-régression. Une méthode reproductible, pas une promesse.
Premiers résultats
Sur un banc de documents-pièges adversariaux, mesuré sur plusieurs tirages indépendants (l'extraction n'est pas déterministe) :
Résolution d'entités — précision 100 % · σ 0
Zéro sur-fusion : deux entités distinctes ne sont jamais confondues.
Résolution d'entités — rappel 100 % · σ 0
Les graphies multiples d'une même entité convergent vers un seul nœud.
Relations — liens entre entités 86 %
Marge de progression assumée — mesurée, pas masquée.
Métriques B³ (résolution) et F1 (relations), issues de la littérature. Variance nulle (σ 0) sur plusieurs tirages = reproductible, pas un coup de chance. Banc adversarial volontairement réduit ; validation à l'échelle (1 000+ documents) en cours.
Démonstration
Un cas concret. Le graphe en action.
Quelques documents d'un atelier — un bail, une fiche RH, un fournisseur, un registre. Korela les relie en un graphe de faits. Trois choses deviennent alors évidentes.
En bleu : le point de fragilité détecté par le cerveau.
01
Il anticipe
Le bail est relié à son échéance — l'alerte tombe bien avant le 30/04/2027, pas le jour J.
02
Il voit la fragilité
Le procédé de teinture ne tient qu'à une personne. Le cerveau le signale comme un risque de mémoire.
03
Il respecte les droits
La fiche de Marie n'apparaît qu'aux personnes autorisées — même dans une réponse, jamais de fuite.
Exemple illustratif — données fictives. Aucune donnée client réelle.
Démarche scientifique
Une exigence de recherche.
On ne confond pas une démo et une preuve. On construit sur les épaules de la recherche — et on collabore avec elle.
Champs mobilisés
01
Mémoire sémantique pour la robotique
Comment représenter une connaissance qu'un agent autonome peut utiliser sans inventer ? Symbol grounding vs. embeddings, structures persistantes, ancrage sensorimoteur.
02
Révision de croyances
Mise à jour cohérente d'une base de connaissances face à des informations contradictoires ou évolutives. Maintien de la consistance sans perte d'historicité.
03
Raisonnement normatif
Intégration native des règles d'accès, de conformité et de gouvernance dans la couche de raisonnement — pas comme un filtre a posteriori.
Principes méthodologiques
- 01
Hypothèses falsifiables, posées avant l'implémentation.
- 02
Mesures internes avant toute démonstration externe.
- 03
Confrontation systématique à l'état de l'art académique.
- 04
Aucune affirmation de capacité sans preuve reproductible.
Les champs sont nommés ; les solutions propriétaires ne le sont pas. Elles se discutent sous accord de confidentialité.
Le moat
Un verrou technologique. Pas une fonctionnalité.
Tout le monde peut brancher un modèle d'IA. Très peu peuvent garantir qu'une réponse est vraie, à jour, et permise — par construction, pas par espoir.
C'est là qu'est notre cœur : des verrous propriétaires qui rendent la confiance structurelle.
Ils ne sont pas sur ce site. Ils se discutent — sous accord de confidentialité.
- — Marché, paysage concurrentiel, trajectoire de revenus.
- — Brevets déposés ou en cours, propriété intellectuelle.
- — Architecture interne, modèles, méthodes de mesure.
- Envoyés sur demande après NDA.
Détaillé sous NDA
Trajectoire
Le même atome, du document au geste.
Un robot a exactement le même problème qu'une organisation : pour agir, il doit savoir ce qui est vrai, ce qu'il a le droit de faire, et relier un symbole au monde réel. C'est précisément ce que Korela sait faire.
Étage 1 · Aujourd'hui
En productionLe cerveau d'organisation.
document → nœud
Documents, e-mails, décisions transformés en faits sourcés, datés, à droits.
Étage 2 · Trajectoire
RechercheLa mémoire d'un robot.
nœud → action
La couche qui permet à un robot d'agir sans inventer. Robotique de service d'abord, humanoïde à l'horizon.
C'est une trajectoire de recherche, pas un produit livré. On ne survend pas.
Notre recherche
Robot humanoïde.
Aujourd'hui, les robots comprennent surtout ce qu'ils voient. Nous cherchons à leur faire comprendre ce que l'entreprise sait, ce qu'ils ont le droit de savoir et ce qu'ils ont le droit de faire.
C'est ce passage de la connaissance organisationnelle à l'action physique qui constitue le cœur de notre recherche.
L'équipe
Loxyn.
SAS française, basée à Lyon (Tour TO-LYON). Équipe technique intégrée. Stack et verrous propriétaires construits en interne.
YC
Yoline Comtet
Présidence
CL
Coralie Lebon
Direction générale
SG
Sébastien Gracia
Direction technique
FAQ
Questions fréquentes.
Souveraineté, concrètement ?
Vos données ne quittent pas votre périmètre. Korela s'héberge chez vous (ou sur un cloud de confiance) et peut tourner avec des modèles exécutés en local. Rien n'est envoyé à un tiers.
Où sont stockées les données ?
Là où vous décidez. Nous ne captons rien.
En quoi c'est différent d'un RAG ?
Un RAG retrouve des bouts de texte et les recolle en espérant que ce soit juste. Korela construit un graphe de faits qui connaissent leur origine, leur date, leurs droits et leur état de vérité. La confiance devient structurelle.
Et les robots, sérieusement ?
C'est notre trajectoire de recherche, pas une promesse marketing. La brique de savoir — vraie, datée, à droits — est exactement ce qui manque à un robot pour agir sans inventer. Service d'abord.
Comment vous parler ?
Écrivez-nous via le formulaire de contact, en bas de page. On échange par écrit, à votre rythme.
Contact
Écrivez-nous.
Korela tourne déjà sur de vraies données d'entreprise — c'est le moment d'entrer. Un mot suffit ; pas de visio imposée d'entrée — on échange par écrit, puis on avance ensemble.
Reçu par l'équipe Loxyn.