Retour aux expériences

CTO · 2017 - 2019

OneRagtime

J'ai conçu et construit les trois produits d'OneRagtime, une plateforme VC européenne avec 150 M€ d'actifs : la plateforme investisseurs, le cœur opérationnel et un pipeline de données pour le sourcing de deals.

oneragtime.com

Le problème

OneRagtime finance et accompagne des startups européennes en phase précoce, de la Seed à la Série B. Le fonds gère 150 M€ d'actifs, travaille avec plus de 250 investisseurs et examine plus de 4 000 deals par an.

À ce volume, faire tourner un fonds de VC exigeait un système entièrement numérique : une expérience d'investissement pour les investisseurs, des outils pour chaque opération VC, et un moyen de découvrir et qualifier startups et investisseurs sans tout faire à la main.

Ce que j'ai construit

  • J'ai conçu et construit la Platform, l'expérience d'investissement destinée aux investisseurs.
  • J'ai construit le Core, un système numérique qui gère toutes les opérations VC.
  • J'ai construit Deepdive, un pipeline de données qui découvre, qualifie et classe startups et investisseurs, du web scraping jusqu'aux recommandations par IA.
  • J'ai constitué et dirigé l'équipe technologique (produit, développement et data) à Barcelone, et mené la due diligence technique des startups du deal flow.

Décisions et arbitrages

  • Un monolithe Django, PostgreSQL et des scripts Python planifiés pour Deepdive plutôt qu'un pipeline sophistiqué

    Pourquoi: opérationnel en quelques semaines, pas en mois

    Coût: ce n'était pas élégant.

  • Du traitement par lots pour Deepdive, conforme au besoin initial d'une exécution quotidienne

    Pourquoi: la solution la plus simple qui répondait au besoin

    Coût: quand l'équipe d'investissement a voulu des alertes en temps réel, les greffer sur un système batch a été pénible.

  • Trois produits séparés avec des contrats stricts entre eux plutôt qu'un monolithe

    Pourquoi: trois groupes d'utilisateurs aux besoins différents pouvaient évoluer indépendamment

    Coût: davantage à construire au départ.

Résultat

L'équipe d'investissement a utilisé Deepdive pour prendre de vraies décisions quelques semaines après la première version, sur plus de 4 000 deals examinés par an. Le modèle de données propre a permis d'ajouter de nouvelles sources en quelques jours plutôt qu'en semaines. Le fonds a soutenu plus de 50 entreprises, dont la licorne Jellysmack.

Stack

Docker Swarm · Django · Python · VueJS

À retenir

Auditer des dizaines de startups pour des investisseurs a changé ma façon d'évaluer les décisions techniques, y compris les miennes. Les équipes qui livrent vite ne sont pas celles qui ont la meilleure stack, ce sont celles qui ont le moins d'abstractions inutiles.