Diligence decision-support experiment
Un prototype d'aide à la décision pour la due diligence venture
A full-stack diligence-workflow prototype with deal, research, scoring, portfolio, and reporting surfaces. Its source demonstrates workflow architecture and provider abstraction; it does not establish investment performance.
Pont métier ↔ technologie · Diligence decision-support experiment
Explores a reviewable full-stack diligence workflow with visible assumptions and replaceable model providers.
Il s'agit d'une interprétation du portefeuille et des sources, et non d'une affirmation de client, déploiement, certification ou résultat.
Deal, market, founder, technical, portfolio, and reporting evidence is assembled across disconnected data sources and individual judgement.
Separate workflow, APIs, persistence, retrieval, scoring, and model providers, including a deterministic mock path for repeatable testing.
Deal, research, diligence, scoring, portfolio, and report surfaces across FastAPI, Next.js, data, retrieval, and provider-adapter boundaries.
Missing sources, conflicting signals, score assumptions, and reviewer decisions return to thesis, diligence scope, and portfolio monitoring.
Preuves issues du code source
A full-stack diligence-workflow prototype with deal, research, scoring, portfolio, and reporting surfaces. Its source demonstrates workflow architecture and provider abstraction; it does not establish investment performance.
Le relevé technique détaillé est maintenu en anglais.
Les preuves du dépôt ne constituent pas des preuves client, de déploiement, de certification ou de résultats.
Architecture
Trois couches : plus de 60 tableaux de bord conçus pour le flux de travail, 44 modules backend couvrant chaque étape de l'investissement, et un backend LLM interchangeable qui vous évite le verrouillage fournisseur.
Carte des sources uniquement : une couche peut représenter du code implémenté, une frontière d'adaptateur ou une conception documentée. Elle ne prouve pas un service de production configuré.
Next.js 16 App Router, plus de 60 pages de tableaux de bord, Tailwind CSS 4, shadcn/ui, React Query. Tableaux de pipeline, pages des fondateurs avec notation sur 8 dimensions, cartes du paysage concurrentiel, tableaux de bord de surveillance du portefeuille. L'interface qu'un partenaire ouvre réellement.
Backend FastAPI couvrant la recherche de deals, la due diligence, la notation des fondateurs, l'évaluation technique, l'intelligence concurrentielle, la rédaction de term-sheets, la surveillance post-investissement. Une logique calibrée par étape — ce qui compte en seed n'est pas ce qui compte en Series C.
Les adaptateurs représentent Anthropic, Mistral, Ollama, Hugging Face et un chemin mock déterministe. Le comportement du modèle, la localisation et le traitement des données dépendent du fournisseur et de la configuration de déploiement.
Le Problème
Pourquoi la due diligence VC est defaillante
Les preuves d'un deal sont souvent assemblées manuellement entre sources fondateur, marché, technique, commerciale et réglementaire, ce qui fragilise la provenance et la cohérence de revue.
La qualité varie selon l'analyste. L'absence de cadre standardisé fait passer des signaux critiques a la trappe sur certains deals.
Des semaines pour produire une seule note d'investissement. Les deals attractifs se closent avant la fin de la due diligence.
Les enseignements des deals passes ne sont pas reutilises. Chaque évaluation repart de zero sans memoire institutionnelle — et les données spécifiques à l'UE (subventions EIC, BPI France, depots INPI, declarations AMF) sont completement ignorees.
Fonctionnalités
Pipeline de due diligence IA de bout en bout
Périmètre source uniquement : une entrée peut décrire du code, un adaptateur documenté ou un workflow configuré. Elle n'indique pas qu'un service de production est actif.
01
Évaluation approfondie du fondateur couvrant parcours, track record, réseau, profondeur technique, leadership, résilience, vision marche et intégrité — pondéré a 25% du Kairos Score en 6 dimensions.
02
Verification automatisée TAM/SAM/SOM, analyse du timing et scoring d'opportunité marche à partir de sources publiques et premium.
03
Analyse du paysage concurrentiel générée par IA avec positionnement, évaluation de la differenciation et analyse du moat.
04
Suivi automatisé sur 8 categories de données : presence numerique, activite GitHub, signaux de recrutement, sentiment client (G2/Capterra/Glassdoor), données alternatives (brevets, depots), et intégrations API Crunchbase/PitchBook/F6S.
05
Le code source représente des workflows de timing de financement, signaux de changement, risque personne-clé et hypothèses de valorisation. Ils exigent des données licenciées, un calibrage et une revue investisseur ; aucune précision prédictive ni performance n'est affirmée.
06
Notes d'investissement, rapports de due diligence, decks d'analyse concurrentielle et évaluations des risques générés en minutes.
Notation des fondateurs en 8 dimensions
Une notation standardisée est ce qui rend un mémo d'investissement 'nous avons aimé l'équipe' défendable face à la prochaine opportunité qui n'a pas été financée. Kairos décompose chaque fondateur en huit dimensions, chacune avec une grille d'évaluation publique. Ci-dessous : ce que mesure réellement chaque dimension.
Surface du dépôt uniquement : disponibilité, exhaustivité, performance et aptitude opérationnelle exigent une validation distincte.
DIM 1Profondeur du domaine × vélocité d'exécution × signaux d'adéquation d'équipe (dynamique des cofondateurs, preuves de livraison antérieures, historique de recrutement). Enrichissement LinkedIn + cadence des commits publics + transcriptions d'entretiens.
DIM 2TAM bottom-up avec sources, vérification top-down de cohérence, thèse de croissance sur 5 ans, vent favorable/défavorable réglementaire. Pénalise 'toute l'UE est notre marché' avec une exigence structurée de 'why-now'.
DIM 3Preuves d'un produit 10x meilleur que le statu quo, artefacts de recherche utilisateur, courbes de rétention lorsque disponibles, cartographie des frictions dans le monde réel. Pénalise les affirmations de produit basées uniquement sur des démonstrations.
DIM 4Qualité de la courbe de revenus (pas seulement le chiffre absolu), rétention nette en dollars, compression du cycle de vente dans le temps, mix organique vs payant. Calibré par stade — ce qui compte en seed n'est pas ce qui compte en Series A.
DIM 5Multiple de burn vs stade, période de récupération du CAC, clarté de la runway, ratio prix/qualité du tour précédent. Signale 'trop de capital pour le jalon atteint'.
DIM 6Évaluation technique par domaine. Générée par le backend LLM avec une rigueur calibrée par stade — grilles différentes pour Seed et Series C. Identifie le signal par rapport au bruit dans la nouveauté revendiquée par le fondateur.
DIM 7Profondeur du fossé de données, analyse des coûts de changement, fossé réglementaire le cas échéant (ex. clinique, défense), forme de la courbe d'effet de réseau. La réponse à 'pourquoi cela ne sera pas écrasé par les géants de la tech ?'.
DIM 8Clarté de la motion commerciale, discipline de l'ICP, qualité des canaux, plan de transition vers une vente dirigée par le fondateur. Pénalise les réponses du type 'nous embaucherons un VP Sales pour régler cela'.
Stack Technique
Les technologies citées identifient des dépendances ou des adaptateurs du dépôt ; elles ne prouvent ni intégration active ni déploiement.
Code Source
Le code source de la plateforme Kairos VC est disponible sur demande à des fins d'évaluation et de partenariat.
Pour acceder au code source, veuillez signer notre accord de non-divulgation. Il s'agit d'une formalite juridique standard.
Vous cherchez une due diligence IA ou une expertise en scaling de startups ? Découvrez nos services de conseil.
Partenariat
Que vous soyez un fonds VC cherchant a automatiser la due diligence ou un partenaire explorant les outils d'investissement IA.
La plupart des pilotes IA calent avant la production. Recevez le guide de ceux qui y arrivent.
Désabonnez-vous à tout moment. Pas de spam, jamais.