Etienne Bernard is the Co-founder and CEO of NuMind, a YC company building specialized language models for reliable information extraction from complex documents. NuMind develops document extraction models capable of extracting structured data and content from messy, complex documents. Etienne holds a PhD in Physics from ENS and MIT, previously led the Machine Learning group at Wolfram Research, and authored 'Introduction to Machine Learning'. His research has received over 1,000 citations on Google Scholar.

He has spoken at 100+ events, including ML Prague, DevTalks Romania (as a keynote speaker), SXSW, Adopt AI, OSDC Boston, WeAreDevelopers Berlin, and NYC Enterprise AI. He has also been a guest lecturer several times at Harvard and MIT. His current work focuses on specialized Small Language Models that help enterprises achieve more accurate, private, and cost-efficient document AI than general-purpose LLMs.

Diplômé de l'ENS et du MIT, il a précédemment dirigé le groupe de recherche en apprentissage automatique chez Wolfram Research et est l'auteur de l'ouvrage 'Introduction to Machine Learning'. Ses travaux de recherche ont été cités plus de 1 000 fois sur Google Scholar.

Il est intervenu lors de plus de 100 événements, notamment ML Prague, DevTalks Romania (en tant qu’orateur principal), SXSW, Adopt AI, OSDC Boston, WeAreDevelopers Berlin et NYC Enterprise AI. Il a également été plusieurs fois conférencier invité à Harvard et au MIT. Ses travaux actuels portent sur des petits modèles linguistiques (Small Language Models) spécialisés qui aident les entreprises à mettre en œuvre une IA documentaire plus précise, plus respectueuse de la vie privée et plus rentable que les grands modèles linguistiques (LLM) à usage général.