Kita

Qu'est-ce que Kita ?

Kita est une entreprise d'infrastructure fintech soutenue par Y Combinator, spécialement conçue pour les prêteurs opérant dans les marchés émergents comme les Philippines, l'Indonésie et le Mexique. Elle convertit les documents d'emprunteurs non structurés — relevés bancaires, captures d'écran de portefeuilles électroniques, reçus de transferts, et plus — en signaux propres, structurés et vérifiés contre la fraude, prêts pour les modèles de souscription. Alimentée par des modèles vision-langage qui surpassent l'OCR traditionnel sur les entrées réelles de faible qualité, Kita s'intègre via un SDK de téléchargement ou une API REST et fournit du JSON normalisé, des verdicts de fraude et des heuristiques de risque en quelques secondes via webhook ou tableau de bord. Au fil du temps, la plateforme apprend des résultats de remboursement pour affiner continuellement la détection de fraude et l'évaluation des risques pour chaque prêteur.

Fonctionnalités clés

• Analyse de documents vision-langage

  Utilise des modèles vision-langage et la vision par ordinateur pour extraire avec précision les données des PDF basse résolution, des scans flous et des captures d'écran sur lesquels l'OCR traditionnel échoue régulièrement.

• Détection de fraude intégrée

  Chaque document passe par une détection automatique de falsification, une inspection des métadonnées et des vérifications d'identité croisées avant d'atteindre les files d'attente d'examen des analystes — signalant les relevés falsifiés avant qu'ils ne causent des pertes.

• Sortie structurée prête pour la décision

  Fournit du JSON normalisé avec des insights de crédit et des heuristiques de risque via webhook ou tableau de bord en quelques secondes, permettant aux modèles de souscription de consommer directement les signaux sans nettoyage manuel.

• Couverture de marché localisée

  Comprend nativement les formats de documents GCash, Maya, ShopeePay, GrabPay, mont-de-piété et transferts de fonds à travers l'Asie du Sud-Est, avec un support en expansion pour l'Amérique latine et au-delà.

• Moteur de risque apprenant

  Lie les signaux au niveau des documents aux résultats de remboursement réels dans le temps, créant une boucle de rétroaction composée qui améliore la détection de fraude et l'évaluation de crédit pour chaque prêteur individuel.

• Options d'intégration flexibles

  Offre un SDK de téléchargement léger pour l'intégration directe dans les flux de demande de prêt, une API REST et un SDK Python pour les équipes d'ingénierie, et un portail web en marque blanche pour les agents de crédit.

Cas d'utilisation

• Prêt numérique et BNPL : Les prêteurs en ligne et les fournisseurs d'achat maintenant, paiement plus tard peuvent automatiser l'ingestion de documents et les vérifications de fraude pour raccourcir la prise de décision de prêt de jours à secondes.
• Souscription de crédit bancaire : Les banques traditionnelles construisant des parcours de crédit numériques peuvent remplacer l'examen manuel lent des documents par des signaux structurés et vérifiés qui s'intègrent directement dans les modèles de souscription existants.
• Prêt PME et POS : Les prêteurs servant les petites entreprises peuvent analyser les données de transactions marchandes, les performances POS et l'historique des transferts pour évaluer la capacité de remboursement des emprunteurs sans historiques de crédit formels.
• Vérification de données alternatives : Les fintechs ayant besoin de vérifier les revenus ou la capacité de remboursement en utilisant des portefeuilles électroniques et des dossiers financiers informels peuvent débloquer des données auxquelles les agrégateurs d'API traditionnels ne peuvent pas accéder.
• Expansion de l'accès au crédit : Les prêteurs cherchant à augmenter les taux d'approbation peuvent servir les populations sous-bancarisées dont l'activité financière n'existe que dans des photos, captures d'écran et documents papier — précédemment invisibles aux systèmes de crédit.

FAQ