Swoft est-il Deep Tech ? Application stricte des cinq critères Hello Tomorrow

Beaucoup d'entreprises se déclarent Deep Tech. Peu acceptent l'épreuve du test. Cet article applique à Swoft, en toute rigueur, les cinq critères Hello Tomorrow, engineering challenge, science fundament, capital intensive, long timelines, transformative impact. L'objectif n'est pas de revendiquer une étiquette mais de vérifier honnêtement laquelle nous mérite.

Critère 1, Engineering challenge

Le produit ne peut pas être construit en assemblant des briques disponibles. Il faut résoudre un problème d'ingénierie complexe que personne n'a encore résolu.

Verdict : oui. Construire une plateforme qui combine un métamodèle de domaine métier (DDD), un Event Store conséquent, des agents IA cadrés architecturalement par des bounded contexts, une génération de code Rust pilotée par ce métamodèle, une couche de qualité (CQL) qui rejette le code non-conforme avant compilation, et tout ça avec une cohérence systémique mesurable, n'est pas un assemblage trivial. Aucun framework existant ne combine ces sept éléments. LangChain orchestre, mais sans bounded context. CrewAI organise, mais sans Event Sourcing. Datadog mesure, mais ne génère pas. Accumuler ces composants demande deux ans et demi de R&D continue, ce qui valide l'engineering challenge.

Critère 2, Science fundament

La technologie repose sur de la recherche scientifique de pointe, articles publiés dans des revues à comité de lecture, brevets fondamentaux, thèses de doctorat.

Verdict : partiellement. Swoft n'invente pas les théories sur lesquelles il s'appuie. Le Domain-Driven Design vient d'Eric Evans (2003), Event Sourcing de Martin Fowler et Greg Young (2005-2010), CQRS de Bertrand Meyer (1988), les systèmes multi-agents de Ferber (1995), le neurosymbolisme de Henry Kautz (AAAI 2022). Ce que Swoft apporte, c'est l'intégration de ces théories en système opérationnel, ce qui était lui-même une question de recherche ouverte.

La revue systématique du neurosymbolisme publiée en 2025 par Colelough et Regli, qui couvre 167 articles, identifie quatre lacunes non résolues dans les systèmes neurosymboliques de production : déterminisme du replay, généralité du composant symbolique, scalabilité du raisonnement, accountability multi-agents. Swoft adresse les quatre, la décision IA stockée comme événement immuable résout le déterminisme, le métamodèle générique résout la généralité, la localisation par bounded context résout la scalabilité, la dual attribution résout l'accountability. C'est une contribution scientifique au sens fort.

Le critère est donc rempli, mais il faut être honnête sur le niveau. Swoft est de la Deep Tech appliquée, on industrialise des résultats de recherche existants en système productionnable. Ce n'est pas de la Deep Tech fondamentale type Pasqal, qui résout des problèmes ouverts en physique théorique. Cette distinction matters.

Critère 3, Capital intensive

Le développement nécessite des investissements substantiels, souvent des dizaines de millions d'euros sur plusieurs années, avant la première recette.

Verdict : partiellement. Sur ce critère, Swoft est entre la Deep Tech logicielle et la SaaS classique. Le capital nécessaire pour développer la plateforme, deux ans et demi de R&D continue par une équipe d'ingénieurs seniors et d'agents IA, plus l'infrastructure cloud, plus les frais de modèles LLM, se chiffre en millions d'euros, pas en dizaines de millions. C'est plus capital-intensive qu'une SaaS classique mais moins qu'une Deep Tech matérielle (gigafactory, fab semi-conducteurs, ordinateur quantique).

Le critère est donc rempli si on retient une définition large. Il ne l'est pas au sens des Deep Tech matérielles. C'est l'un des points où Swoft mérite l'étiquette Deep Tech logicielle plus que Deep Tech tout court.

Critère 4, Long timelines

La maturation technologique prend du temps, de cinq à quinze ans entre la R&D initiale et la commercialisation à l'échelle.

Verdict : oui. La R&D Swoft a démarré en 2023. Le produit est exploitable en production en 2026 sur des secteurs régulés. Sa maturité commerciale à l'échelle n'arrivera pas avant 2027-2028, le temps de structurer la base clients, de stabiliser les standards d'intégration et d'absorber les apprentissages. Ce timeline de 5 à 6 ans entre R&D initiale et commercialisation à l'échelle est cohérent avec le critère Hello Tomorrow.

Critère 5, Transformative impact

Si l'entreprise réussit, l'impact dépasse largement le cas commercial : elle change un secteur entier, voire ouvre une nouvelle catégorie.

Verdict : oui, si la promesse se réalise. Swoft promet de remplacer le modèle SaaS standard pour les domaines critiques par un modèle de logiciel sur-mesure généré sous contraintes architecturales. Si cette promesse tient, c'est un changement de catégorie : on ne choisit plus entre une SaaS rigide qui ne correspond pas exactement au métier et un développement custom long et coûteux. On obtient les deux à la fois, sur-mesure et industriel.

L'impact transformatif s'étend à plusieurs dimensions. Pour les entreprises clientes, c'est la fin du compromis entre standardisation et adaptation. Pour le marché du logiciel, c'est l'émergence d'une troisième catégorie entre SaaS et development custom. Pour la souveraineté numérique européenne, c'est une plateforme qui industrialise l'IA agentique sans dépendance à un acteur unique. Pour les régulateurs, c'est un système nativement auditable. La promesse, si elle se réalise, transforme effectivement le secteur.

Différence entre Deep Tech fondamentale et Deep Tech appliquée

Cette distinction n'est pas un dégonflement de revendication. C'est une catégorie utile que beaucoup d'entreprises confondent ou évitent. La Deep Tech fondamentale invente une nouvelle physique, une nouvelle chimie, une nouvelle biologie. La Deep Tech appliquée transforme des résultats scientifiques connus en industrie. Les deux sont précieuses, mais elles n'ont pas le même profil de risque, de capital, de timeline.

Pasqal est de la Deep Tech fondamentale : elle résout des problèmes ouverts en physique des atomes neutres. Mistral est de la Deep Tech appliquée : les transformers existent depuis 2017, mais les industrialiser en LLM compétitif face à GPT et Claude est un défi industriel et d'ingénierie majeur. Aucune des deux n'est moins légitime que l'autre, elles sont juste différentes.

Swoft s'inscrit clairement dans la deuxième catégorie. DDD existe depuis 20 ans, Event Sourcing depuis 15, le neurosymbolisme depuis 30. Ce que nous faisons, c'est les combiner en système productionnable, ce qui était une question ouverte que personne n'avait résolue. C'est de la Deep Tech au sens fort, mais appliquée.

Pourquoi cette précision compte

Trois raisons rendent cette précision utile, pour nous comme pour nos interlocuteurs.

Premièrement, elle évite de gonfler la promesse. Une entreprise qui se déclare Deep Tech sans appliquer les critères s'expose à un test de réalité auprès des investisseurs spécialisés et des décideurs publics. La rigueur protège la crédibilité.

Deuxièmement, elle clarifie ce que nous offrons. Swoft n'est pas une percée scientifique. C'est une plateforme qui industrialise des techniques rares en production. Cette promesse est différente de celle d'une Deep Tech fondamentale, elle est plus pragmatique et plus immédiate. Pour un client qui cherche un système d'entreprise fiable et tenu dans la durée, c'est plus utile que la promesse d'une révolution future.

Troisièmement, elle place Swoft dans la bonne case d'investissement. Les fonds Deep Tech logicielle européens ont des critères spécifiques, capital moins intensif, timelines plus courts, exit plus rapides. C'est notre catégorie naturelle, pas celle de la Deep Tech matérielle ou fondamentale.

Nous ne construisons pas une nouvelle science. Nous transformons des sciences connues en industrie. C'est moins glamour que la fusion ou le quantique, mais c'est ce qui change la vie d'une banque, d'un cabinet médical ou d'un hôtel demain matin.