Les entreprises de deep tech se construisent autrement

• Au cours des dix dernières années, les capitaux se sont concentrés sur les bits (le logiciel), où la vitesse de scalabilité est élevée. Mais maintenant que les goulets d’étranglement de l’économie reviennent vers les atomes, c’est-à-dire le monde physique, les entreprises de frontier tech qui les éliminent émergent comme la prochaine génération d’entreprises
• Les premiers signaux sont déjà visibles : pression des data centers sur les réseaux électriques, redéploiement des budgets de défense vers les armes autonomes, les capteurs et la construction navale, transformation des capacités industrielles en actifs stratégiques, programmation de la biologie sous forme de thérapies, arrivée de la robotique sur le terrain
• La deep tech n’est pas simplement un « logiciel plus difficile », mais un jeu distinct dont les règles diffèrent à trois niveaux : les talents et la dépendance au chemin, le risque et la réversibilité, le capital et la création de valeur
• Les contraintes qui rendent les débuts plus difficiles rendent en même temps les gagnants plus défendables et plus difficiles à copier
• L’opportunité clé n’est pas d’appliquer la formule d’investissement du logiciel au hardware, mais de comprendre avant les autres les différences structurelles de l’économie physique

---

Talents et dépendance au chemin (People and Path Dependence)

• Le pivot est bien plus contraint en deep tech

  • Un logiciel peut passer du dating à la vidéo (YouTube), ou du jeu aux outils de productivité (Slack), mais une entreprise de robotique ne peut pas se réorienter vers le nucléaire ou la pharmacie sans recomposer toute son équipe
  • Définir correctement la direction initiale est décisif, et cela produit aussi un effet de concentration où expertise, avancées techniques et relations clients s’accumulent sur un même problème difficile

• Les choix de conception initiaux déterminent largement le succès ou l’échec d’une entreprise hardware

  • Une modification de la longueur d’un bras robotique, par exemple, a des effets en cascade sur les moteurs, les actionneurs, les batteries, les procédés de fabrication et la supply chain
  • Le coût d’une mauvaise décision se compte non pas en quelques heures comme dans le logiciel, mais en mois ou en années
  • À l’inverse, de bonnes décisions initiales s’accumulent : une architecture solide se traduit par des avantages en facilité de fabrication, coût de maintenance, sécurité de déploiement et difficulté de réplication

• Le founder-market fit est indispensable en deep tech

  • Une grande partie du logiciel peut être construite par d’excellents généralistes, mais la deep tech exige des profils spécialisés : experts en électricité, mécanique, turbomachines, etc.
  • L’absence d’un talent clé ralentit brutalement l’exécution, mais une fois réunie, l’équipe devient elle-même une partie du moat

• Pour les produits physiques, travailler dans le même espace est décisif

  • Dans le logiciel, le développement à distance est possible tant que les interfaces entre composants sont claires (une mise à jour de code à New York peut être exploitée immédiatement à Los Angeles)
  • En hardware, les composants doivent être développés et testés ensemble, d’où la nécessité d’une proximité physique ; sinon, la vitesse d’itération chute fortement
  • C’est ce qui explique la formation des startups spatiales à Los Angeles et du cluster biotech de Boston : concentration de talents, fournisseurs, conseillers, clients et serial founders pour accélérer l’exécution

• Les talents de deep tech sont rares, mais davantage guidés par la mission

  • Les États-Unis comptent environ 4 millions d’ingénieurs logiciel, contre seulement 20 000 ingénieurs RF, 10 000 ingénieurs nucléaires et 2 500 ingénieurs en turbomachines
  • Recruter dans le top 5 % est donc bien plus difficile en hardware, car le vivier national ne compte parfois que quelques centaines ou milliers de personnes
  • En revanche, il y a moins de concurrents et, grâce à des missions inspirantes, il est relativement plus facile de débaucher des ingénieurs spécialisés depuis de grandes entreprises lentes

• Les entreprises de deep tech ont besoin d’un autre type de premiers employés

  • Une startup logicielle peut au départ recruter des ingénieurs full-stack généralistes, puis ajouter des spécialistes ensuite
  • La deep tech a besoin d’une équipe initiale très spécifique — des personnes ayant une expérience directe et difficilement acquise sur une voie thérapeutique donnée, la conception d’actionneurs, les systèmes RF ou les procédés de fabrication

Risque et réversibilité (Risk and Reversibility)

• Le logiciel meurt du risque de marché ; le hardware meurt du risque technologique

  • Dans le logiciel, construire est relativement simple, mais il est facile de produire quelque chose dont personne ne veut
  • En hardware, la demande au niveau de la catégorie est souvent évidente (une énergie moins chère, des traitements contre le cancer), mais le risque technologique est bien plus élevé — est-ce que cela peut fonctionner, être fabriqué à coût acceptable, être déployé en toute sécurité, et vendu par les bons canaux ?
  • En revanche, le risque technologique est plus lisible (legible) que le risque de marché — on peut le valider via des jalons explicites comme atteindre le couple cible d’un moteur, une courbe de coût de batterie, ou vérifier qu’une thérapie détruit effectivement des cellules

• La friction réglementaire est l’état par défaut de la deep tech, mais elle joue dans les deux sens

  • À l’exception de certains domaines comme la fintech ou la santé, la plupart des logiciels sont peu régulés (un nouveau CRM peut être lancé dès qu’il est prêt)
  • La plupart des produits hardware sont soumis à supervision : autorisations de site, certifications de sécurité, évaluations environnementales, approbations réglementaires, etc.
  • Mais une fois la barrière franchie, les concurrents doivent passer par le même processus, et des avancées réglementaires comme l’approbation d’un médicament par la FDA ou l’autorisation d’exploitation de drones par la FAA deviennent de grands points d’inflexion de valeur

• La valeur du bon jugement est plus élevée en deep tech

  • Dans le logiciel, on peut adopter rapidement une nouvelle base de données ou une nouvelle UI toolkit, alors qu’un changement en hardware affecte les outils de fabrication, les partenaires de supply chain, les voies de certification et les déploiements clients
  • Le coût d’un mauvais jugement se compte en jours ou semaines dans le logiciel, mais en mois ou années dans le hardware
  • L’enjeu n’est pas d’éviter les décisions difficiles, mais de prendre les bonnes décisions importantes mieux que les autres

• Les avancées de la deep tech ne sont pas continues, mais discrètes

  • Dans le logiciel, après un lancement, les revenus augmentent progressivement ; un objectif de $3M d’ARR peut se mesurer sur un spectre comme $1.5M, $3M ou $5M
  • En deep tech, les jalons sont bien plus binaires — maintenir une réaction de combustible nucléaire ou tuer une cellule tumorale spécifique est soit possible, soit impossible ; « à moitié fonctionnel » revient à ne pas fonctionner
  • Les progrès paraissent donc plus saccadés, mais la réduction du risque est claire : lorsqu’un risque clé est effectivement résolu, une incertitude majeure disparaît et la valeur peut changer brutalement

• Le logiciel a des barrières à l’entrée faibles mais des moats faibles ; le hardware a des barrières élevées mais des moats plus solides

  • Le logiciel se lance vite, mais les économies d’échelle y sont faibles, les canaux de distribution sont rarement exclusifs, et les outils d’IA rendent la copie fonctionnelle plus facile, ce qui affaiblit les moats — la croissance peut être rapide, mais l’essoufflement ou le recul aussi
  • En hardware, construire un produit commercialement abouti prend souvent 2 à 5 ans, ce qui constitue une barrière coûteuse à l’entrée ; mais une fois le produit vendable, les économies d’échelle sont réelles, et la marque comme l’historique d’exécution ont de la valeur (une entreprise qui vend son 100e réacteur n’est pas dans la même position que celle qui vend le premier)
  • La friction réglementaire freine aussi les poursuivants : ce qui ralentit l’entreprise au début la protège plus tard et favorise sa domination de marché

Capital et création de valeur (Capital and Value Creation)

• Les produits logiciels se vendent à des dizaines ou centaines de milliers de dollars ; les produits hardware, à des millions ou dizaines de millions

  • Une centrale électrique vaut de plusieurs millions à plusieurs milliards de dollars, un grand système d’automatisation industrielle plusieurs dizaines de millions, et une thérapie avancée peut coûter $1M par traitement
  • Dans le logiciel, on peut consacrer 30 % du revenu au sales & marketing ($30K de CAC sur un contrat à $100K), alors qu’en deep tech, on dépense davantage en R&D (pas besoin de $30M de coûts commerciaux pour un contrat à $100M)
  • En conséquence, le hardware est capitalistique au début lorsqu’il faut valider la faisabilité technologique, tandis que le logiciel est capitalistique plus tard lorsqu’il faut financer une acquisition client à grande échelle — l’intensité capitalistique totale peut être similaire sur la durée, seul le moment diffère
  • Grâce à la taille des contrats, un petit nombre de grands clients ou de grands déploiements peut suffire à soutenir une forte valeur d’entreprise

• Les entreprises de deep tech disposent d’une pile de financement différente (financing stack)

  • Les entreprises logicielles lèvent classiquement en equity, venture debt ou financement adossé au revenu après avoir atteint quelques millions de dollars de chiffre d’affaires
  • En deep tech, le financement adossé au revenu est rare au départ, mais il est possible d’utiliser le financement d’équipement, de stock, de projet, ainsi que les subventions et contrats publics
  • Bien utilisé, cela permet de limiter la dilution et de réserver les capitaux en equity aux zones les plus risquées et à plus fort potentiel
  • Même au stade pre-seed, il est possible d’obtenir plusieurs centaines de milliers à plusieurs millions de dollars de financement d’équipement — car les prêteurs évaluent l’équipement en garantie plutôt que l’avancement de l’entreprise (si une machine à $1M peut être revendue $900K en cas de faillite, de bonnes conditions deviennent possibles)

• Le financement de la deep tech est guidé par les jalons, pas par les métriques

  • Dans le logiciel, les tours suivants se lèvent sur la base du revenu, de la rétention et des métriques d’usage
  • En deep tech, ils se lèvent sur l’atteinte de grands jalons : construction de chaque sous-système puis du prototype complet, montée en fabrication du manuel vers le semi-automatisé puis le totalement automatisé, et suppression des risques clés
  • En deep tech, la valeur s’infléchit fortement quand un risque majeur disparaît ; dans le logiciel, elle évolue plus continûment avec la traction

• Quand la deep tech est bien exécutée, la capture de valeur est bien plus puissante

  • Le logiciel fait face à une concurrence permanente — dès que Harvey a construit un bon produit d’IA pour les équipes juridiques, Legora a attiré l’attention avec un produit concurrent, et une alternative open source créée par une seule personne, Mike, a déjà accumulé des milliers d’étoiles sur GitHub
  • Le hardware est différent — personne ne construit dans son garage un réacteur nucléaire commercial ou un virus capable de tuer le cancer ; l’intensité en capital, en équipe et en temps est trop élevée
  • Lorsqu’une équipe compétente résout un grand problème, elle peut capter beaucoup de valeur et a davantage de chances de dominer durablement son marché (par exemple : les GPU de Nvidia, les lancements spatiaux de SpaceX, les séquenceurs génétiques d’Illumina)
  • Il en résulte un profil de rendement différent : la formation de l’entreprise est plus difficile au départ, mais les gagnants ont plus de chances de devenir des entreprises structurellement importantes, difficiles à remplacer et créatrices de valeur sur la durée

Implications pour les fondateurs et les investisseurs

• Le cliché « le hardware est difficile » est un avertissement utile, mais pas un cadre d’analyse utile ; une meilleure grille de lecture consiste à voir que construire avec des bits et construire avec des atomes obéissent à des contraintes différentes

  • Le logiciel gagne en traversant vite les incertitudes produit et distribution, alors que la deep tech gagne en prenant correctement un plus petit nombre de décisions difficiles et irréversibles
  • Constituer la bonne équipe spécialisée, choisir la bonne architecture, éliminer le bon risque technologique, naviguer dans la réglementation, assembler le bon mix de financement et transformer les avancées techniques en moat durable

• Pour les fondateurs, la deep tech récompense plus le jugement que le mouvement

  • Les meilleurs fondateurs ne se contentent pas d’aller vite : ils distinguent les moments où la vitesse compte de ceux où la patience est indispensable
  • Ils comprennent quelles décisions initiales auront des effets pendant des années, quels risques doivent être éliminés en premier, et quels jalons modifient réellement la probabilité de succès
  • Dans le logiciel, les progrès s’accumulent via l’itération ; dans la deep tech, ils s’accumulent via un petit nombre de décisions difficiles prises correctement

• Pour les investisseurs, cela exige d’autres questions de due diligence

  • Dans le logiciel, les premières questions portent sur l’amour des utilisateurs, la rétention, la croissance et la dynamique go-to-market
  • En deep tech, les premières questions sont plus fondamentales — l’équipe est-elle la bonne pour ce problème ? Les choix d’architecture initiaux sont-ils solides ? Chaque jalon supprime-t-il un risque significatif ? Existe-t-il une trajectoire crédible à travers la réglementation et la fabrication ? Le plan de financement est-il aligné avec la trajectoire de développement ?

• Les meilleures entreprises de deep tech ne ressemblent pas à des entreprises logicielles au cycle de vente simplement plus lent ; elles présentent d’autres indicateurs de qualité : un excellent founder-market fit, des points d’inflexion technologiques clairs, une demande client urgente, et la capacité à convertir fabrication, réglementation, performance et supply chain en moats solides

  • La deep tech n’est pas seulement plus difficile : cette difficulté fait elle-même partie de l’opportunité
  • La rareté des talents, la friction réglementaire, la complexité manufacturière, le risque technologique et la lenteur d’itération sont de vrais obstacles, mais ils écartent aussi les concurrents légers et donnent aux gagnants l’opportunité de devenir des entreprises structurellement essentielles
  • Les entreprises qui résolvent des goulets d’étranglement physiques difficiles ne se contentent pas de capter la demande : elles peuvent réorganiser des industries entières autour d’elles