Au-delà de la technologie, Sundariqon se définit par une manière de collaborer avec les institutions qui utilisent ses données d’émissions d’actions et de dilution.
Chaque nouveau projet commence par un cadrage détaillé des besoins, des sources documentaires prioritaires et des contraintes de conformité internes. Ce travail en amont permet de configurer les flux de traitement de manière réaliste, en tenant compte des limites de disponibilité des informations publiques et des spécificités locales. Les équipes de Sundariqon partagent ensuite une documentation claire sur la couverture, les définitions de champs et les cas limites identifiés, afin que les utilisateurs internes puissent intégrer ces éléments dans leurs propres notes méthodologiques.
La relation ne s’arrête pas à la livraison des premiers jeux de données structurées. Des points réguliers sont organisés pour examiner les événements d’émission d’actions ou de dilution jugés sensibles, analyser les divergences éventuelles avec d’autres sources et ajuster les règles métiers si nécessaire. Cette démarche ouverte vise à éviter toute illusion de perfection des modèles, et à replacer les résultats de l’IA dans un cadre de contrôle où les équipes clients gardent la maîtrise de leurs décisions et de leurs interprétations.
Sundariqon adopte une communication sobre sur les performances de ses traitements, sans promesse de résultats uniformes. Les différences de qualité entre juridictions, la complexité de certains instruments ou la fréquence des opérations sur le capital peuvent influencer le niveau de détail accessible. Ces éléments sont explicitement rappelés dans les échanges avec les institutions, avec une recommandation constante, combiner les données produites par la plateforme avec les revues humaines internes, notamment pour les travaux soumis à des exigences réglementaires strictes. Past performance does not guarantee future results.
Sundariqon part du principe qu’une bonne donnée commence par une bonne définition. Pour les émissions d’actions et la dilution, cela signifie des champs clairs, des libellés explicites et des liens directs vers les passages sources. Chaque jeu de données est accompagné d’un dictionnaire détaillant les termes utilisés, les hypothèses de lecture des documents et les cas exclus. Cette discipline terminologique permet aux équipes de recherche, de risques et de data de parler le même langage lorsqu’elles comparent des scénarios de capital, sans dépendre d’interprétations implicites ou de conventions non documentées.