À propos
Transformer la donnée brute en infrastructure de confiance.
L'IA a changé ce qui est possible. Il reste à construire ce qui est fiable.
Notre conviction
Tout le monde a accès à la même IA. Les coûts s'effondrent, et l'open-source est à quelques mois des modèles les plus puissants. Bientôt, n'importe quelle organisation disposera d'un raisonnement qui dépasse l'humain, pour presque rien. L'IA n'est plus un avantage. C'est une commodité.
Pourtant, la plupart des organisations agissent comme si le modèle était la réponse. Elles branchent un LLM sur un tas de documents et espèrent que l'intelligence artificielle compense le désordre des données. Ça ne marche pas. Ça n'a jamais marché avec aucune technologie, et ça ne marchera pas avec celle-ci.
Ce qui fait la différence, c'est ce qu'on donne à l'IA : les données, les règles, les process.
La grande majorité de ce savoir vit dans des documents que personne n'a jamais pu exploiter à l'échelle. L'IA sait les lire un par un. Elle ne sait pas les transformer en un système fiable, vérifiable, exploitable.
Le problème n'est pas nouveau. Les ERP l'ont résolu pour les transactions, les CRM pour les clients. Mais à quel prix : des armées d'opérationnels pour saisir, normaliser, relier des données qui existaient déjà dans des documents. Des outils à des centaines de milliers d'euros. Des mois de déploiement. Et malgré tout ça, 80 % des données d'entreprise restent hors de portée, enfermées dans des PDF, des mails, des cahiers des charges que ces systèmes n'ont jamais su toucher.
Ce verrou est en train de sauter.
Structurer directement depuis la source, à l'échelle, sans ressaisie manuelle, avec un niveau de rigueur qui était hors de portée : c'est désormais possible. Et contrairement aux outils IA bruts, dont l'opacité empêche toute amélioration itérative, le mécanisme est transparent. Chaque document traité est tracé, applique les règles métier humaines, alerte face à un cas nouveau ou une incohérence critique. La donnée et la vision humaine se croisent à chaque itération : les process gagnent en précision, les données deviennent prédictives, du temps se libère pour ce qu'aucun système ne remplacera : l'expertise, la relation humaine, le jugement.
Et cette fois, les données restent là où elles doivent être. L'ère des plateformes cloud qui enferment les organisations dans des écosystèmes propriétaires, où changer de fournisseur coûte plus cher que le produit lui-même, touche à sa fin. Les données structurées appartiennent à ceux qui les produisent. Elles doivent rester souveraines, portables, déployables là où l'organisation le décide.
C'est un changement profond dans la manière de travailler. Les équipes passent de la ressaisie et du contrôle manuel à un rôle différent : raffiner les process, créer de l'expertise unique, piloter des systèmes qui opèrent sur un socle de confiance.
C'est cette infrastructure qu'Astora construit.
La question n'est plus si vos données seront structurées.
C'est quand, et dans quelles conditions.
L'équipe
Erwan Colombel
CEO
Théo Lecoutre
CTO
Gabriel Shenouda
AI Lead
Maxime
Sales
Gabin
Développeur full-stack
Nathan
Data Engineer
Parcours
2026
Expansion
Ouverture progressive à de nouveaux secteurs : énergie, public, aéronautique. La plateforme prouve sa généricité au-delà du BTP.
2025
Lancement commercial
Premiers déploiements dans le BTP. Le secteur s'impose par sa complexité documentaire, la hauteur des enjeux et la force de la demande.
Hiver 2024
Reconnaissances
Prix de la startup académique (Microsoft, New York et SAP, Paris). Startup émergente la plus prometteuse de l'année (TechInnov). Bourse BFTE BPI. Prix Pépite Hodéfi Région Hauts-de-France.


Été 2024
Passage à temps plein
Création d'Astora. L'équipe fondatrice quitte le cadre académique pour se consacrer à l'industrialisation du moteur de structuration.
2023
Recherche appliquée
Lancement d'un projet de recherche sur l'extraction d'entités depuis des documents non structurés, sans dépendance aux grands modèles de langage. En collaboration avec le laboratoire DVRC et Centrale Lille.

2022
Origines
Projet de vérification factuelle à grande échelle : croisement automatisé de publications journalistiques, études scientifiques et données ouvertes pour évaluer les écarts et construire des parcours d'apprentissage personnalisés. Soutenu par Centrale Lille.