MARBLE lève 6,5 millions d’euros pour rendre la conformité financière programmable
📩 Pour nous contacter: redaction@frenchweb.fr
La startup parisienne MARBLE annonce une Série A de 6,5 millions d’euros menée par SMARTFIN, avec ADNEXUS, PASSION CAPITAL et 42CAPITAL. Elle développe une plateforme open source de détection de la fraude et de conformité LCB-FT, destinée à remplacer les cycles de paramétrage trop lents des outils historiques.
Dans une institution financière, le risque évolue rarement au rythme du système qui doit le détecter. Une nouvelle fraude apparaît, un canal de paiement se généralise, une obligation réglementaire change, et il faut alors modifier une règle, ajuster un seuil, relier une nouvelle source de données, parfois reconfigurer une chaîne entière d’investigation. Sur le papier, il s’agit d’un paramètre, quand dans la réalité des banques, des fintechs et des établissements de paiement, le sujet peut rapidement devenir un projet informatique de plusieurs mois.
C’est là qu’intervient MARBLE. La startup, fondée par ARNAUD SCHWARTZ et PASCAL DELANGE, annonce une levée de 6,5 millions d’euros en Série A. Le tour est mené par SMARTFIN, avec la participation d’ADNEXUS, le véhicule consacré à la confiance numérique et aux professions réglementées. Les investisseurs historiques PASSION CAPITAL et 42CAPITAL renforcent également leur position. Le financement total de l’entreprise atteint désormais les 9 millions d’euros.
L’enjeu n’est pas seulement d’ajouter de l’intelligence artificielle à un métier déjà saturé de promesses technologiques. MARBLE veut installer une infrastructure de conformité plus proche des pratiques des équipes produit et engineering : configurable, traçable, connectée aux données internes et capable d’évoluer sans relancer un programme de transformation à chaque changement de risque.
La conformité ne peut plus fonctionner en version annuelle
La lutte contre le blanchiment de capitaux et le financement du terrorisme (la LCB-FT) consiste à connaître ses clients, surveiller les transactions, vérifier des listes de sanctions ou de personnes politiquement exposées, détecter des comportements anormaux, instruire les alertes puis, le cas échéant, effectuer les déclarations nécessaires.
Le problème est que ces opérations ont longtemps été équipées par de grands progiciels conçus pour répondre à une logique de contrôle, plus qu’à une logique d’adaptation continue. Ils offrent souvent une couverture fonctionnelle très large, mais reposent aussi sur des paramétrages complexes, des intégrations longues et une dépendance importante aux équipes IT, aux intégrateurs ou aux éditeurs.
Or les flux financiers ont changé de nature : les transactions sont aujourd’hui instantanées, internationales, multicanales. Les établissements de paiement, les néobanques, les plateformes de crypto-actifs et les fintechs ont accéléré la cadence, et les schémas de fraude ne demandent pas l’autorisation du comité projet pour évoluer. Les infrastructures d’embedded finance doivent elles aussi intégrer KYC, lutte contre la fraude et supervision réglementaire à grande échelle.
Selon MARBLE, une part significative des ressources des institutions régulées est aujourd’hui absorbée par la conformité et le traitement manuel des alertes. Dans beaucoup d’organisations, les analystes passent encore une part considérable de leur temps à écarter des faux positifs, à rechercher des informations dispersées et à reconstituer des dossiers.
Une plateforme qui veut rapprocher conformité, data et produit
MARBLE propose un moteur de décision en temps réel pour surveiller les transactions, filtrer les risques AML, gérer les investigations et modifier les règles de détection. Sa particularité tient à son modèle open source et à une conception prioritairement pensée pour les développeurs.
L’idée est de permettre aux institutions de conserver la maîtrise du dispositif, à savoir connecter leurs propres données, intégrer leurs outils KYC ou leurs fournisseurs de listes de sanctions, écrire ou adapter des scénarios de détection, puis les déployer avec un niveau de traçabilité compatible avec les exigences de conformité.
Ce positionnement répond aussi à une préoccupation devenue centrale dans la finance : où résident les données et qui contrôle les modèles qui les exploitent ? MARBLE propose un déploiement sur l’infrastructure du client. Une banque peut donc, selon la société, conserver les données liées à ses transactions et à ses enquêtes dans son propre environnement, et utiliser ses propres modèles d’IA ou des modèles hébergés localement.
Le marché se joue entre suites historiques et nouveaux spécialistes
MARBLE arrive dans un paysage fourni. Les grandes banques sont souvent équipées de solutions telles que NICE ACTIMIZE, ORACLE Financial Crime and Compliance Management, SAS, FICO, BAE SYSTEMS NetReveal ou FISERV. Ces acteurs ont des références, des équipes et des catalogues fonctionnels considérables ; la contrepartie est qu’ils peuvent être devenus trop lourds pour des organisations qui veulent modifier plus vite leurs scénarios de risque.
Face à eux se sont développés des spécialistes de nouvelle génération, comme COMPLYADVANTAGE, NAPIER AI, HAWK AI, THETARAY ou LUCINITY. Ils vendent du cloud, de l’automatisation, des données de risque et des capacités d’analyse avancées. HAWK AI, notamment, constitue un comparable européen sérieux dans la surveillance transactionnelle et l’IA explicable. En France, TOPOGRAPH illustre une autre approche de la conformité, centrée sur la qualité et la fraîcheur des données d’entreprise.
La frontière avec la lutte contre la fraude est elle-même devenue moins nette. FEEDZAI, FEATURES SPACE, désormais dans l’orbite de VISA, SARDINE ou SEON sont particulièrement présents dans les paiements et la décision en temps réel. Dès lors qu’un client cherche à rapprocher la fraude, le transaction monitoring et l’investigation, les catégories se superposent. Cette évolution rejoint celle de la détection de fraude en ligne, où les plateformes doivent corréler davantage de signaux pour décider en temps réel.
MARBLE ne doit donc pas seulement convaincre contre un éditeur : son concurrent le plus coriace est souvent l’assemblage existant, un logiciel historique, quelques connecteurs développés sur mesure, des fichiers Excel devenus indispensables, une équipe conformité qui connaît chaque exception, et un intégrateur qui possède la mémoire du système. Autrement dit, une dette opérationnelle dont personne ne veut vraiment prendre le risque de se défaire.
L’échéance européenne de 2027 ouvre une fenêtre
Le calendrier réglementaire renforce l’intérêt de cette approche. Le règlement européen AMLR, adopté dans le cadre du nouveau paquet européen de lutte contre le blanchiment, doit s’appliquer à partir du 10 juillet 2027. Il introduit un corpus de règles directement applicable dans l’Union européenne, tandis que l’AMLA, la nouvelle autorité européenne dédiée, doit renforcer la supervision du secteur.
Cette échéance ne créera pas mécaniquement des budgets illimités, mais obligera les acteurs concernés à vérifier la solidité de leurs contrôles, de leurs politiques, de leurs données et de leurs systèmes. Pour les éditeurs capables de s’intégrer sans imposer une refonte complète du système d’information, la fenêtre est réelle. Le sujet de la conformité est devenu particulièrement sensible depuis les interrogations soulevées par le scandale Wirecard sur la supervision des acteurs du paiement en Europe.
« Toutes les entreprises réglementées doivent aujourd’hui en faire davantage en matière de conformité et de lutte contre la fraude, avec les mêmes ressources. Sans automatisation, l’équation est impossible à résoudre », estime SAUMITRA DUBEY, partner chez SMARTFIN. Pour le fonds, l’intérêt de MARBLE est précisément de faire de cette automatisation un standard de fonctionnement, directement dans l’environnement technologique du client.
ADNEXUS, qui entre au capital, met de son côté l’accent sur la rapidité d’adaptation. « La capacité à détecter rapidement des transactions ou des ordres de virement anormaux est un enjeu majeur pour les institutions financières », souligne DIDIER ROSSIGNOL, président du fonds. La promesse dépasse potentiellement la finance, vers d’autres professions réglementées ; mais c’est dans la banque, le paiement et la fintech que le besoin est aujourd’hui le plus immédiat.
L’IA ne dispense pas d’expliquer
MARBLE prévoit de consacrer la levée à quatre chantiers : automatiser la production des règles, améliorer le traitement des alertes et des investigations, intégrer des agents dans les workflows et renforcer la capacité de déploiement des clients.
Le sujet devra cependant être abordé avec une exigence particulière. En conformité, l’IA n’est pas seulement évaluée à sa capacité à faire gagner du temps : une alerte doit pouvoir être expliquée, un dossier reconstitué, une décision justifiée devant un auditeur, un régulateur ou la direction des risques. Un modèle qui réduit le temps de traitement mais rend le raisonnement opaque ne résout qu’une partie du problème. Cette exigence de traçabilité se retrouve plus largement dans les déploiements d’IA dans les secteurs régulés.
MARBLE affirme compter plus de 100 institutions en production, dans plus de 15 pays, et indique que près de 70 % de ses clients sont situés hors de France. La société précise aussi que 70 % d’entre eux auraient choisi sa plateforme pour remplacer une solution existante.
Son objectif de dépasser 5 millions d’euros d’ARR en 2027 impose de transformer cette adoption en contrats enterprise, avec le support, la sécurité, les connecteurs et la gouvernance qu’attendent les établissements régulés. L’open source peut faciliter l’entrée mais ne remplace pas la confiance qu’exige une infrastructure placée au cœur du contrôle financier.
Le véritable sujet est de savoir si les institutions financières accepteront enfin de traiter leurs règles de contrôle comme un produit vivant, plutôt que comme un logiciel que l’on n’ose plus toucher une fois installé.
Notre politique éditoriale concernant l'intelligence artificielle
Les analyses et articles sont rédigées par des journalistes.
L'IA peut être utilisée comme outil d'assistance (traduction, synthèse, recherche documentaire ou amélioration stylistique).
Les faits, chiffres et analyses sont systématiquement vérifiés et validés par la rédaction.
Les illustrations générées ou modifiées par IA sont explicitement signalées.