Arlequin AI, 28 milioni per un’IA che analizza anche le relazioni tra i dati

Arlequin AI ha raccolto 28 milioni di euro in un round di Serie A per sviluppare reti neurali topologiche proprietarie — topological neural networks, o TNN — e ampliare all’estero l’impiego della propria piattaforma di analisi. L’obiettivo è supportare decisioni ad alto impatto, nelle quali non basta leggere singoli documenti o record: conta anche ricostruire le relazioni tra persone, eventi, luoghi, transazioni e altre fonti di prova. 12

Dove andranno i 28 milioni

Il round è stato co-guidato da redalpine e OTB Ventures. Hanno partecipato il Fondo Innovazione Difesa di Bpifrance, gli investitori già presenti Vsquared Ventures e 10x Founders — che hanno aumentato il proprio sostegno — e Xavier Niel. Secondo Arlequin, il finanziamento proviene esclusivamente da investitori europei e servirà ad accelerare lo sviluppo delle TNN e la diffusione internazionale della tecnologia. 1210

Le priorità dichiarate sono:

• addestrare e sviluppare modelli TNN proprietari;
• potenziare il team che li sviluppa e li gestisce;
• estendere le implementazioni commerciali in Europa e a livello internazionale;
• rafforzare la presenza globale, con uffici a Londra e Berlino e un laboratorio di IA nella Silicon Valley previsto entro la fine del 2026. 14

Al momento dell’annuncio, Arlequin contava circa 50 persone: 35 ingegneri e 15 tra dottori di ricerca, ricercatori e data scientist. 1

Cosa sono le reti neurali topologiche

La piattaforma di Arlequin è progettata per lavorare su informazioni frammentate ed eterogenee: documenti, transazioni, video e dati operativi. La sua architettura TNN dovrebbe apprendere non solo dai singoli punti dati, ma anche dalla struttura delle loro connessioni, comprese relazioni che coinvolgono più elementi contemporaneamente. 1810

È questo il nucleo della proposta dell’azienda. Invece di trattare un caso come una semplice somma di record separati, il sistema punta a individuare schemi nelle evidenze connesse: per esempio, i legami tra persone, comunicazioni, luoghi ed eventi. Un approccio utile quando sono proprio le relazioni, e non soltanto i singoli fatti, a incidere su un’indagine o una scelta operativa. 110

Perché Arlequin punta su un’architettura alternativa

Arlequin sostiene che aumentare indiscriminatamente parametri, dati e capacità di calcolo dei modelli convenzionali non sia sempre la strada più efficace per analizzare grandi insiemi di evidenze interconnesse. Secondo l’azienda, le TNN possono mettere in luce dinamiche complesse che coinvolgono molteplici elementi, mantenendo il collegamento alle fonti e richiedendo meno potenza di calcolo. 110

Questi aspetti vanno però considerati come affermazioni dell’azienda e dei suoi investitori, non come risultati comparativi verificati in modo indipendente. I materiali pubblici descrivono l’architettura e i vantaggi attesi, ma non forniscono benchmark che ne dimostrino la superiorità rispetto ad altri strumenti di analisi dei grafi, architetture neurali o grandi modelli linguistici. 11014

I casi d’uso: sicurezza, indagini, frodi e cyber risk

Arlequin è stata fondata nel 2024 da Hugo Micheron, ricercatore sul jihadismo e sull’instabilità geopolitica, e Antoine Jardin, già ingegnere di ricerca del CNRS specializzato in data science e comportamento umano. La società si rivolge a governi e grandi organizzazioni che devono prendere decisioni rilevanti sulla base di informazioni incomplete e disperse. 19

Tra gli utilizzi indicati dall’azienda figurano:

• antiterrorismo, sicurezza e difesa;
• indagini penali e giudiziarie;
• rilevamento delle frodi e antiriciclaggio;
• cybersicurezza e integrità delle informazioni;
• sicurezza e affidabilità dei sistemi di IA. 1

Un esempio citato da Arlequin è la possibilità di mettere in relazione persone, luoghi, comunicazioni ed eventi attraverso milioni di dati estratti da dispositivi sequestrati. Il mercato potenziale comprende anche organizzazioni che richiedono analisi spiegabili per criminalità finanziaria, rischio informatico e intelligence operativa complessa. 1

Dove è già utilizzata la tecnologia

Arlequin afferma che la sua tecnologia è già impiegata da governi e grandi organizzazioni nell’Europa occidentale e orientale, con attività in quattro Paesi europei. L’azienda non ha reso pubblici tutti i clienti né il dettaglio delle singole implementazioni: portata e risultati non sono quindi valutabili in modo indipendente sulla base dei materiali diffusi. 1

I piani di espansione indicano un ambito più ampio: utenti pubblici impegnati in sicurezza e difesa, ma anche imprese alle prese con rischi finanziari, cyber e di integrità particolarmente complessi. 113

La scommessa su un’IA europea per settori sensibili

Il round fornisce ad Arlequin le risorse per rafforzare un posizionamento dichiaratamente europeo: un’architettura di IA posseduta e sviluppata in Europa, pensata per analisi sensibili e decisioni critiche. La presenza, tra gli investitori, del Fondo Innovazione Difesa di Bpifrance sottolinea inoltre la rilevanza strategica attribuita a strumenti per intelligence, sicurezza e supporto decisionale. 1210

La prova decisiva sarà ora l’esecuzione. Arlequin dovrà dimostrare che le sue TNN offrono vantaggi misurabili — in precisione, tracciabilità, costo di implementazione o utilità operativa — rispetto agli strumenti già affermati nell’analisi dei grafi e nell’IA. I 28 milioni finanziano precisamente questa fase: sviluppo dei modelli, crescita dell’organico e commercializzazione internazionale. 114