L'accroissement de la quantité de données disponibles est un défi pour les modèles mathématiques classiques. La biologie, la physique, l'économie, les autres sciences sociales ou la finance sont touchées chacune à leur manière. Lusenn promeut la conceptualisation et l'utilisation des probabilités qui ont montré de longue date leur efficacité dans tous ces domaines.
En finance, des modèles raffinés comme les modèles stochastiques ou les modèles de volatilité locale sont développés depuis le milieu des années 1990. S'ils contribuent à améliorer l'analyse des marchés, capturant les effets de volatilité implicite, il se heurtent aux propriétés multi-échelles des données. Les séries temporelles, par exemple, connaissent des variations d'échelles qui rendent difficile la mise au point d'un modèle capable de reproduire les phénomènes d'échelles multiples. Lusenn élabore des modèles fondés sur des processus multifractionnaires, afin de capturer les propriétés multi-échelles de séries temporelles qui peuvent être non markoviennes et posséder des propriétés persistantes ou anti-persistantes.

Lusenn est une filiale de Sivienn.