Nous construisons Swoft avec Swoft.
Vos applications métier suivent le même chemin.

Six de nos products tournent déjà sur cette plateforme : design, business, technique, produit, déploiement self-service, desktop. La même base technologique livre votre application métier en quelques semaines.

1. 01AI Designer + expert métier

   Modélisation du métier

   Le métier est décrit dans le métamodèle DDD : domaines, bounded contexts, aggregates, événements, commandes, projections. Chaque concept devient une donnée typée que la plateforme comprend.

   Artefact

   Métamodèle DDD · source de vérité unique
2. 02Agents IA · cadrés par le métamodèle

   Génération sous contraintes

   Les agents génèrent le code Rust (domaine, handlers, projections, REST, MCP) en respectant la structure définie au métamodèle. Toute sortie qui viole une contrainte est rejetée, l'agent ne peut pas inventer une dépendance entre BCs ni un endpoint hors registre.

   Artefact

   Code Rust + contrats REST/MCP isomorphes
3. 03Couche qualité · checks automatiques

   Enforcement architectural

   Le build échoue si une règle structurelle est violée (Conway, dépendances cross-BC, naming, conventions MongoDB). La couche qualité bloque le code non conforme avant même les tests fonctionnels. Pas de dérive possible entre design et code livré.

   Artefact

   Build vert ou build refusé · zéro entre-deux
4. 04AI Runner + plateforme

   Déploiement & exploitation

   Déploiement multi-tenant (DigitalOcean App Platform, on-premise possible). UI Lit + REST. Agents IA alignés sur la structure du domaine.

   Artefact

   Application en ligne · code transféré

1. 03 · AGENTIC

   Agentic

   Agents IA alignés · ~700 outils MCP

   Des agents IA spécialisés par domaine métier, avec un périmètre architectural (pas une règle de prompt). Conway's Law exécutable : chaque agent connaît son domaine, ses outils, ses limites, et ne peut pas en sortir.

2. 02 · INTELLIGENCE

   Intelligence

   Métamodèle DDD · une seule source de vérité

   Le métamodèle DDD stocke APIs, projections, sagas, contrats d'intégration. Source de vérité unique : le système se comprend lui-même et peut prouver sa cohérence.

3. 01 · FOUNDATION

   Foundation

   Event Store · traçabilité native

   Chaque action, humaine ou IA, est un événement stocké, immuable et rejouable. Preuve d'audit par construction, non falsifiable par défaut.

• Une seule définition, deux surfaces

  Le métamodèle décrit chaque ressource une seule fois. La plateforme l'expose en REST pour les interfaces et en MCP pour les agents IA, automatiquement, sans duplication. Pas de drift entre l'API que voient vos utilisateurs et celle que voient les agents.

• Identité partagée, rôles distincts

  Une même personne ou organisation joue plusieurs rôles selon le contexte : client côté CRM, fournisseur côté achats, signataire côté contrats. L'identité reste unique, la sémantique change selon le domaine. Conformité RGPD native, pas de duplication d'identifiants.

• Hypermédia auto-découvrable

  Chaque réponse REST porte ses liens et actions typés. Les agents IA découvrent dynamiquement ce qu'ils peuvent faire sur chaque ressource, pas de documentation fragile à maintenir, pas de spec qui dérive.

• Décisions tracées comme données

  Chaque décision, humaine ou agent IA, est stockée comme événement immuable avec son auteur, son raisonnement, son contexte. L'historique est reconstituable bout en bout, sans interprétation. Audit by design.

• Agents fiables by design, pas par prompt

  Là où la plupart des agents IA reposent sur du prompt engineering (« écris-moi un agent qui ne fait pas X »), les nôtres sont contraints par l'architecture (« structurellement, l'agent ne peut pas faire X »). La fiabilité n'est pas un effet secondaire d'un bon prompt, c'est une garantie structurelle.

• Workflows longs avec compensation automatique

  Un processus métier qui traverse 5 étapes et 3 services peut échouer à n'importe quel moment. Les sagas event-sourcées de Swoft rejouent les actions inverses pour ramener le système dans un état cohérent, sans intervention humaine. L'état ne peut pas être corrompu par un échec partiel.

• 01Structurelle

  Métamodèle du métier

  Le système connaît ses propres domaines, ses entités, ses commandes, ses événements et leurs relations. C'est un knowledge graph opérationnel : les agents génèrent du code en consultant cette représentation, ils ne devinent pas la structure.

  → L'agent sait avant d'agir.

• 02Temporelle

  Mémoire évènementielle

  Chaque action (humaine ou IA) est enregistrée comme événement horodaté avec son contexte causal. Time-travel debugging à n'importe quel instant T, audit trail complet pour RGPD / DORA / NIS2, et déterminisme du replay : les décisions IA sont stockées comme données, jamais recalculées.

  → Rien n'est perdu, tout est rejouable.

• 03Procédurale

  Logique métier déclarative

  Les règles métier (conditions, opérateurs, sources de données) sont déclarées en configuration et évaluées au runtime. Modifier la logique métier ne demande pas de recompilation, un changement de règle est un changement de donnée.

  → Le métier change sans toucher au code.

• 04Vectorielle

  Connaissances par similarité

  Chaque agent dispose d'une base de connaissances en embeddings vectoriels. La recherche par similarité cosinus permet de retrouver des cas similaires, des décisions passées, des analyses pertinentes, utile là où c'est pertinent (recherche de connaissance), contraint par les périmètres d'agents.

  → L'agent retrouve ce qu'il a déjà vu.

• 05Organisationnelle

  Conway's Law exécutable

  Une table de routage associe chaque domaine métier à un agent propriétaire et un backup, avec des seuils de confiance. Un agent ne peut pas agir hors de son périmètre, c'est une représentation que les frameworks multi-agents concurrents (CrewAI, LangGraph, AutoGen) ne possèdent pas.

  → Chaque agent connaît ses limites.

• 06Visuelle

  Design system contraint

  Les composants d'interface forment un vocabulaire visuel borné. Des règles de validation statiques (ast-grep) refusent toute UI qui sort du système. Les agents qui génèrent des écrans choisissent dans ce vocabulaire, ils ne peuvent pas inventer des pixels libres.

  → Pas de dérive visuelle, même chez les agents.

Cette combinaison positionne Swoft à la frontière de l'état de l'art neurosymbolique. Dans la taxonomie de Kautz (AAAI 2022), Swoft est proche du type Neuro[Symbolic] : le neural (LLM) est contraint par le symbolique (métamodèle), avec une propriété supplémentaire que Kautz n'avait pas anticipée : le symbolique (Event Store) immobilise définitivement les décisions du neural, garantissant le déterminisme du replay. Dans la grille de Sheth, Roy & Gaur (IEEE Intelligent Systems, 2023), Swoft dépasse les pipelines fédérés type 2a (LangChain + solveur) tout en restant en-deçà du type 2b end-to-end différentiable, un compromis productionnable que la littérature note comme rare. Et parce que la même plateforme s'utilise pour générer le logiciel de nos clients, les applications livrées héritent de cette même architecture neurosymbolique. Lire l'article complet sur les six couches →

• Audit trail immuable des décisions IA

  Chaque action d'agent est un événement stocké, rejouable 5 ans plus tard avec son raisonnement, son modèle et son score de confiance. Mécanisme breveté « AI Decision as Data ».

• Agents alignés sur la structure

  Le périmètre d'un agent est une contrainte architecturale (Bounded Context), pas une règle de prompt. L'agent « Conformité » ne peut structurellement pas modifier le domaine « Crédit ».

• Cohérence systémique garantie

  Tous les domaines métier partagent un métamodèle unique. Zéro drift, zéro incohérence entre design, code, base de données et API. 0,2 % de dette technique (SQALE rating A) vs 10–23 % moyenne industrie.

• Workflows longs & compensation

  Sagas event-sourcées cross-domaines avec compensation automatique et approval gates. L'état ne peut pas être corrompu par un échec partiel.

• Plateforme

  SWOFT Core

  Infrastructure cœur, IAM, Party (shared kernel), orchestration IA, opérations, workspace, provisioning. 20 BCs Platform + Party.

• Plateforme

  SWOFT Business

  Opérations business alignées BMC, analyse, CRM, opportunités, devis, catalogue, planning ressources, decisions.

• Plateforme

  SWOFT Product

  Outillage design & livraison produit, GTD, UX design, contracts, product design, qualité code, marketplace, scenarios.

• Plateforme

  SWOFT Technical

  Infrastructure technique, source control, cloud, notification mail, implementation tracking, packaging, déploiement, SSH.

• Product

  SWOFT Prompt-to-Product

  SaaS self-service de génération d'apps. L'utilisateur décrit son besoin en langage naturel, les agents construisent l'app complète.

• Product

  SWOFT Desktop Technical

  Workbench desktop (Tauri + React), exploration domaine, screens, SCM, GTD, déploiement, agent tooling. Quotidien des équipes.

• RGPD
  Données personnelles · multi-tenant par DB isolée
• NIS2
  Sécurité des réseaux et systèmes d'information
• DORA
  Résilience opérationnelle numérique · finance UE
• BÂLE IV
  Exigences prudentielles bancaires
• ACPR / BCE
  Supervision financière
• EASA / FAA
  Aéronautique · traçabilité MRO
• FDA / EMA
  Essais cliniques · pharmacovigilance
• MIF II
  Services d'investissement
• EU AI Act
  Applicable 02/08/2026 · obligations high-risk