Codifier le savoir tacite : ce que le logiciel de test d'une spin-off SpaceX change pour les barrières à l'entrée dans l'aérospatiale

Aviation Week a rapporté le 14 septembre 2026 que Sift, société fondée par d'anciens ingénieurs de SpaceX dont le PDG Austin Spiegel, a fourni la plateforme d'unification des données de test derrière le démonstrateur électrique X1 de Heart Aerospace, dont le premier vol a eu lieu en août 2026. La plateforme consolide en un système unique la télémétrie des essais au sol, des vérifications avant-vol, des roulages à haute vitesse et des opérations en vol.

La question économique intéressante n'est pas ce que fait le logiciel de Sift — l'unification de télémétrie est une catégorie familière — mais d'où vient la capacité sous-jacente. Chez SpaceX, Spiegel a passé cinq ans à construire des outils internes centralisant les données des simulations, essais composants, essais véhicule intégrés et opérations, permettant aux ingénieurs de réutiliser les mêmes routines analytiques d'un programme à l'autre. Cette capacité n'était écrite dans aucun manuel ; elle s'est accumulée comme une routine organisationnelle — ce savoir-faire pratique, partiellement tacite, que les économistes évolutionnistes Richard Nelson et Sidney Winter (1982) considéraient comme la véritable unité de l'avantage compétitif d'une entreprise, précisément parce que les routines résistent à l'imitation et au transfert faciles.

Le concept d'« information collante » (sticky information) d'Eric von Hippel (1994) offre le mécanisme : l'information est coûteuse à déplacer de l'endroit où elle est produite vers celui où elle pourrait être utilisée, et c'est ce coût — plus qu'une quelconque protection légale — qui maintient souvent un savoir-faire précieux enfermé dans l'entreprise qui l'a produit. La discipline d'essai aérospatiale a historiquement été collante en ce sens précis : un petit nombre d'entreprises dotées de décennies d'itération matérielle à cadence élevée (SpaceX, et avant elle les grands maîtres d'œuvre historiques) ont bâti une rigueur d'essai qu'un nouvel entrant ne pouvait pas simplement acheter, seulement accumuler lentement et coûteusement par ses propres essais-erreurs.

Le produit de Sift correspond à ce que les économistes de l'innovation Robin Cowan, Paul David et Dominique Foray (2000) ont appelé la codification : convertir un savoir tacite, fondé sur l'expérience, en un artefact explicite et transférable — ici un logiciel plutôt qu'un manuel ou un brevet. La codification ne fait pas que décrire la connaissance, elle change son économie : une fois encodée, le coût marginal de son transfert vers un nouvel utilisateur s'effondre, même si l'accumulation initiale a été lente et coûteuse. C'est exactement ce qui s'est produit ici — des années de discipline d'essai interne à SpaceX, désormais accessibles à tout développeur aérospatial prêt à payer un abonnement.

Pour les développeurs aérospatiaux plus modestes — les programmes de mobilité aérienne électrique et urbaine comme celui de Heart Aerospace au premier chef — cela compte stratégiquement plus qu'il n'y paraît. Une part significative de l'écart de capacité entre acteurs historiques et nouveaux entrants dans l'aérospatiale à forte intensité matérielle reposait précisément sur ce type de savoir-faire d'essai accumulé et collant, pas seulement sur le capital ou l'expérience de certification. Les outils qui le codifient compriment cet écart, tout comme les simulateurs de vol ont autrefois comprimé l'écart de formation des pilotes, ou le cloud a comprimé l'écart de capacité informatique entre grandes et petites entreprises.

Pourquoi cette capacité a-t-elle quitté SpaceX, si elle constituait une source d'avantage ? Les travaux de David Teece sur le « régime d'appropriabilité » de l'innovation (1986) apportent un élément de réponse : certaines formes de savoir tacite sont, en pratique, impossibles à contenir totalement dès lors que les ingénieurs qui les ont construites sont libres de partir — une dynamique documentée par AnnaLee Saxenian dans son analyse des ingénieurs de la Silicon Valley diffusant leur savoir-faire d'une entreprise concurrente à l'autre en changeant d'employeur. Plutôt que de laisser cette diffusion se produire informellement et sans compensation, les fondateurs de Sift l'ont productisée — transformant une fuite inévitable en actif monétisable, un schéma déjà observé lorsque des ingénieurs vétérans de la conception de semi-conducteurs avaient créé les premières sociétés commerciales d'outils de conception électronique (EDA) à partir d'outillages internes aux fabricants.

L'élément prospectif est ce que Sift ajoute par-dessus : des fonctionnalités IA permettant d'interroger la télémétrie en langage naturel, avec l'ambition affichée d'agents IA assurant l'analyse des causes profondes d'anomalies en vol. Si la codification a jusqu'ici surtout transféré la couche d'organisation des données, des agents IA commenceraient à codifier une seconde couche, plus difficile : le jugement interprétatif qu'appliquent les ingénieurs d'essai seniors pour diagnostiquer une anomalie. C'est un basculement bien plus important : l'érosion de l'écart d'expérience ne porterait plus seulement sur la possession de données propres et unifiées, mais sur la capacité à les interpréter — historiquement la part la moins transférable de toute l'expertise d'essai aérospatiale.

Pour les dirigeants de l'aérospatiale et de la défense, le signal à surveiller n'est pas ce seul fournisseur mais la tendance qu'il illustre : l'infrastructure interne de données d'essai, longtemps considérée comme une source d'avantage compétitif durable et largement invisible, devient une commodité achetable. Les entreprises ayant bâti leur avantage principalement sur une discipline d'essai accumulée doivent supposer que cet avantage a une demi-vie décroissante, et que le prochain facteur de différenciation sera la couche de jugement que les agents IA ne font que commencer à approcher.