Rogo AI

Rogo est une plateforme d'IA d'entreprise conçue spécifiquement pour les workflows de la banque d'investissement, du capital-investissement et de la finance institutionnelle. Fondée en 2021 par Gabriel Stengel et John Willett, l'entreprise est née directement de l'expérience de Stengel en tant qu'analyste chez Lazard, où il a vu de jeunes banquiers s'épuiser sur le traitement de l'information malgré leurs grandes compétences. Rogo affine de grands modèles de langage sur des données financières étiquetées par des professionnels et les déploie dans des instances cloud à locataire unique (single-tenant) pour répondre aux exigences de sécurité et de réglementation des institutions de premier plan. En mai 2026, plus de 35 000 professionnels de la finance dans plus de 250 institutions utilisent la plateforme quotidiennement, notamment Lazard, Rothschild and Co, Jefferies, Moelis, Nomura et Baird.

La plateforme exécute l'ensemble des tâches de la banque d'investissement : analyse automatisée des comparables, création de modèles financiers, préparation de pitchbooks, synthèse des résultats, rédaction de mémos de due diligence et sélection d'opérations (deal screening). Rogo se connecte aux principaux fournisseurs de données financières, dont LSEG, FactSet, Capital IQ, PitchBook, Preqin, Quartr, Dow Jones et Third Bridge, et indexe également les documents internes de l'entreprise stockés dans SharePoint, OneDrive et OneNote. Sa toute dernière fonctionnalité majeure est Felix, un système basé sur des agents qui accepte la délégation de tâches par e-mail et exécute de manière autonome des workflows financiers en plusieurs étapes, en renvoyant des livrables formatés sur Excel, PowerPoint et Word. La plateforme utilise une architecture agnostique en matière de modèles, exécutant à la fois Claude d'Anthropic (y compris Opus) et o1 d'OpenAI, et a démontré une précision 2.42x supérieure à celle de ChatGPT lors des évaluations de tâches financières FinanceBench.

Ce que fait réellement Rogo AI en mai 2026

L'interface principale de Rogo est une couche de requêtes de type ChatGPT, adossée à des données financières et au contenu interne de l'entreprise. Mais l'évolution la plus significative en 2025 et 2026 a été la transition vers une exécution par agents. La bibliothèque de workflows préconfigurés de la plateforme couvre les tâches répétitives qui consument les heures des analystes : analyse des comparables de résultats, profil d'entreprise publique (Strip Profile), présentation de sponsors financiers, préparation de réunions, présentation d'acheteurs secondaires, revue de presse et relecture de présentations, entre autres. Il ne s'agit pas de simples modèles nécessitant encore une saisie manuelle des données. Rogo extrait des données en temps réel à partir des flux sous licence de l'entreprise, remplit le document de sortie selon le formatage standard de l'entreprise et renvoie un document prêt à être examiné par l'analyste.

Felix, introduit en grande pompe en février 2026 et au cœur de l'annonce de la série D d'avril 2026, va encore plus loin. Un banquier peut envoyer une tâche par e-mail à Felix comme il le ferait pour un analyste de première année : "prépare les comparables M&A pour la présentation au conseil" ou "prépare une liste d'acheteurs pour le processus XYZ". Felix itère sur le livrable au fur et à mesure que le banquier répond avec ses retours, et ce, 24 heures sur 24. Les utilisateurs des premiers déploiements ont décrit l'outil comme accomplissant "90% du travail" sur des tâches réelles, et comme "l'un des rares outils qui correspond vraiment à la façon dont les banquiers pensent et structurent leurs livrables". La mise à jour du produit de février 2026 a également ajouté un interpréteur de code alimenté par Python pour Excel, permettant une analyse précise des modèles financiers à onglets multiples et riches en formules que l'analyse syntaxique de base des LLM gère difficilement.

La posture en matière de conformité est un véritable différenciateur sur ce marché. Le déploiement à locataire unique (single-tenant) signifie que les données des clients ne touchent jamais une infrastructure partagée. Rogo s'engage contractuellement à ne pas entraîner ses modèles sur les données de ses clients. La plateforme maintient les certifications SOC2, ISO 27001, GDPR, CCPA et la conformité à l'EU AI Act. Pour une entreprise gérant des processus de fusions-acquisitions sensibles, il ne s'agit pas de simples cases à cocher, mais de véritables critères d'évaluation.

"Nos analystes de recherche utilisent Rogo pour creuser plus profondément et découvrir des idées qui aident nos clients dans leur processus d'investissement. Plus qu'un outil de productivité, Rogo permet à nos analystes d'enquêter sur des questions complexes et de nourrir la curiosité qui fait leur excellence." - Craig Kennison, analyste principal et directeur des opérations de recherche, Baird Equity Research (Étude de cas client Baird, 2025)

Où se situe Rogo par rapport à Hebbia et AlphaSense

Trois plateformes sont en concurrence directe sur le segment de l'IA pour la finance : Rogo, Hebbia et AlphaSense. Elles possèdent des architectures fondamentalement différentes et répondent à des cas d'usage qui se chevauchent mais restent distincts.

Rogo vs. Hebbia : Hebbia utilise une architecture spécialisée de sous-agents qui sépare la récupération de données du formatage de sortie, avec une interface en grille de données où chaque cellule renvoie à sa citation source au niveau de la phrase. Hebbia excelle dans la synthèse simultanée d'ensembles massifs de documents, c'est pourquoi les cabinets d'avocats, les cabinets de conseil et les équipes de due diligence en capital-investissement la privilégient pour l'analyse de data rooms. Mais Hebbia ne génère pas nativement de livrables au format banque d'investissement (IB). Il n'y a pas d'automatisation de pitchbook, pas de workflow de comparables, pas de profil de résultats (Earnings Strip) pré-intégré dans l'interface. Les résultats de Rogo sont formatés pour la banque d'investissement : modèles Excel dans les templates de l'entreprise, diapositives PowerPoint, mémos Word, le tout livré via des workflows calibrés selon les conventions IB. Pour les équipes de transaction préparant des supports clients, Rogo accomplit un travail pour lequel Hebbia n'a pas été conçu.

Rogo vs. AlphaSense : AlphaSense est un outil fondamentalement différent sur un aspect critique : le contenu propriétaire. AlphaSense a constitué une bibliothèque de plus de 450 millions de documents externes premium, incluant son agrégateur de recherche de courtiers Wall Street Insights couvrant plus de 1 000 sources sell-side, plus de 240 000 transcriptions d'entretiens avec des experts, et plus de 4 500 modèles financiers à mise à jour automatique. Il s'agit de données propriétaires que Rogo ne possède pas. La couverture de contenu externe de Rogo dépend des licences de données que l'institution détient déjà : FactSet, Capital IQ, PitchBook, etc. Si votre tâche de recherche principale est l'intelligence de marché, l'analyse des sentiments lors des appels de résultats ou le suivi des thématiques des concurrents à travers les rapports d'analystes, la bibliothèque de contenu d'AlphaSense constitue un avantage structurel. Rogo l'emporte sur l'exécution des workflows IB et la production de livrables de transaction. AlphaSense l'emporte sur la profondeur de la recherche et l'étendue du contenu préexistant. Ces outils s'adressent à des acheteurs principaux différents : AlphaSense cible les équipes de stratégie, de relations investisseurs (IR) et de recherche ; Rogo cible les équipes de transaction et les banquiers.

Un troisième point de comparaison mérite d'être souligné : les utilisateurs qui ont principalement besoin d'une gestion des connaissances des documents d'entreprise en parallèle des workflows financiers devraient également envisager Glean, qui indexe toutes les données internes de l'entreprise à travers les outils, mais ne dispose pas de l'exécution de workflows spécifiques à la finance qu'offre Rogo.

"Rogo permet à nos équipes d'analyser les données du marché et d'identifier les opportunités avec une rapidité et une précision sans précédent, tout en permettant à nos banquiers de se concentrer plus profondément sur les relations clients et le conseil stratégique." - Patrice Maffre, responsable international de la banque d'investissement, Nomura (Annonce de la série B de Rogo, avril 2025)

À quoi ressemble la réalité des workflows par agents

L'image marketing de "l'analyste IA disponible 24h/24 et 7j/7" est authentique à certains égards, mais nécessite d'être nuancée quant à la façon dont le passage de relais se déroule dans la pratique. Le déploiement chez Baird est le cas public le mieux documenté : plus de 100 utilisateurs actifs, 85 % d'utilisation active hebdomadaire, 70 % d'utilisation active quotidienne. Les analystes y utilisent Rogo pendant la saison des résultats pour réduire le traitement des transcriptions de plusieurs heures à quelques minutes, en comparant les résultats réels aux estimations des modèles et du consensus pour construire l'ossature des notes de recherche. Cette partie du workflow fonctionne parfaitement.

La réalité plus difficile est que les retours sur les forums d'analystes d'entreprises clientes, y compris Lazard et Moelis, dressent un tableau plus nuancé. Des fils de discussion sur Wall Street Oasis datant de 2025 décrivent les premières versions de Rogo comme "médiocres et décevantes" et produisant des résultats qui "ne permettent pas de soumettre quoi que ce soit à un client ou à un associé sans révision". Des commentaires plus récents reconnaissent une amélioration ("cela s'est considérablement amélioré"), mais la tension sous-jacente est réelle : l'écart entre un brouillon qui fait gagner deux heures à un analyste et un brouillon qui va directement à un associé est exactement ce que Rogo est encore en train de combler.

L'agent Felix tente de résoudre ce problème en modifiant le modèle d'interaction. Plutôt que de poser une question et de juger la réponse, les banquiers délèguent une tâche et itèrent sur le résultat par e-mail. Le modèle mental est plus proche de la gestion d'un analyste junior que de l'interrogation d'un moteur de recherche, et ce cadre semble réduire la frustration en fixant des attentes plus claires. Pour les équipes qui adoptent ce workflow, les gains de productivité sont signalés comme significatifs. Pour les équipes qui s'attendent à un travail fini prêt pour le client sans aucune révision, l'écart demeure.

La couverture des données a également son importance ici. L'AI Table de Rogo et ses capacités d'analyse ne valent que par les licences de données que l'entreprise apporte à la plateforme. Une institution disposant de contrats Capital IQ et FactSet tire substantiellement plus de valeur de Rogo qu'une institution s'appuyant uniquement sur des sources publiques. Ce n'est pas une critique propre à Rogo, mais cela signifie que la proposition de valeur évolue proportionnellement à l'infrastructure de données que l'institution possède déjà.

À qui s'adresse Rogo

Rogo est véritablement conçu pour les banquiers d'investissement et les investisseurs institutionnels au sein d'entreprises suffisamment grandes pour négocier des contrats de logiciels d'entreprise, maintenir une infrastructure informatique dédiée et absorber les exigences de déploiement à locataire unique. Le cœur de cible se situe entre les banques du mid-market et les grandes banques d'investissement (bulge-bracket) déployant à l'échelle de l'entreprise (le modèle de déploiement de Rogo suppose un déploiement institutionnel, et non des licences individuelles), les sociétés de capital-investissement et de capital-développement avec un flux de transactions actif, ainsi que les équipes de recherche actions des grands courtiers. Le déploiement documenté de Baird, avec plus de 100 utilisateurs et un fort engagement quotidien, constitue l'implémentation de référence de la façon dont l'outil fonctionne à son meilleur niveau.

Pour les équipes qui gèrent de fréquents processus de due diligence avec de vastes data rooms, le workflow de diligence automatisé de Rogo, qui intègre des data rooms privées, génère des listes de questions et rédige des mémos, permettrait aux analystes d'économiser jusqu'à 10 heures par semaine. Pour les équipes de transaction préparant des pitchbooks et des mémorandums d'information confidentiels (CIM), le modèle de délégation par e-mail de Felix peut réduire de manière significative les délais de préparation.

L'outil se connecte également à des workflows d'infrastructure IA plus larges. Les équipes créant des applications financières personnalisées par-dessus la couche de données et de modèles de Rogo peuvent utiliser l'API pour étendre les capacités vers des outils propriétaires. Pour ceux qui s'intéressent à des approches adjacentes, AnythingLLM et Snowflake Cortex méritent d'être examinés en tant que composants qui pourraient compléter ou reproduire partiellement l'intelligence documentaire de type Rogo pour les équipes disposant de capacités en ingénierie des données.

Ce que Rogo n'est pas

Rogo n'est pas un outil en libre-service. Il n'y a pas d'essai gratuit, pas de version freemium et pas d'inscription individuelle. Chaque déploiement passe par un processus de vente et un contrat institutionnel. Cela signifie que les analystes juniors des entreprises qui n'ont pas de licence Rogo n'ont aucun moyen de l'évaluer de manière indépendante, et les boutiques ou les family offices ne disposant pas de l'infrastructure informatique pour un déploiement à locataire unique sont de fait exclus de la clientèle.

Ce n'est pas une plateforme d'intelligence de marché au sens d'AlphaSense. Les utilisateurs qui ont principalement besoin de surveiller les communiqués de presse de leurs concurrents, les tendances de sentiment lors des appels de résultats ou d'accéder à la recherche sell-side trouveront l'écart de contenu propriétaire significatif. Rogo ne dispose pas d'un réseau de transcriptions d'appels d'experts, n'a pas d'agrégation propriétaire de recherche de courtiers et n'a pas l'étendue de contenu de longue traîne qu'AlphaSense a assemblée sur 15 ans.

Ce n'est pas un générateur de travail fini. Les résultats nécessitent l'examen et le jugement d'un analyste avant d'être envoyés aux clients ou aux associés. Les équipes qui s'attendent à transmettre directement les résultats de l'IA à la direction sans passer par un analyste seront déçues. L'outil est correctement présenté comme un multiplicateur de la productivité des analystes, et non comme un remplaçant du jugement final.

Il convient également de noter que la trajectoire de financement de l'entreprise, passant d'une série A de 18,5 millions de dollars en octobre 2024 à une série B de 50 millions de dollars en avril 2025, puis à une série D de 160 millions de dollars en avril 2026, reflète davantage la conviction des investisseurs qu'une preuve du marché. La croissance de l'ARR de 27x à partir d'une petite base est impressionnante, mais les chiffres absolus de l'ARR ne sont pas divulgués publiquement. Avec une valorisation post-money impliquée par un financement total de plus de 300 millions de dollars, Rogo est valorisé comme un leader de sa catégorie avant même que ce résultat ne soit acté.