Observabilité des agents IA : 6 plateformes, de 49 à 870 $/mois

Un lundi de juin, un agent de traitement de commandes que j'avais mis en production a renvoyé trois devis faux à la suite. Pas d'erreur 500, pas d'alerte, pas de log exploitable : juste un client au téléphone. Il m'a fallu trois heures pour comprendre que l'agent avait appelé le bon outil avec le mauvais paramètre, sur un seul chemin d'exécution sur quarante. Trois heures qui auraient été trois minutes avec une trace correcte. C'est ce jour-là que j'ai arrêté de considérer l'observabilité LLM comme un confort de développeur.

Depuis, j'ai fait tourner la même charge de production sur six plateformes, et j'ai refait les additions à la main à partir des grilles publiques. Le résultat tient en une phrase : pour exactement le même agent, la facture mensuelle va de 49 à 870 dollars. Voici pourquoi, et comment choisir sans se faire piéger par l'unité facturée.

Pourquoi le tracing des agents est devenu un poste de coût qu'on découvre en retard

Le contexte a changé vite. Selon le rapport State of AI Engineering de Datadog, l'adoption des frameworks d'agents est passée de 9 % des organisations début 2025 à 18 % début 2026, et plus de 70 % des entreprises font tourner au moins trois modèles différents. Le nombre moyen de tokens par requête a plus que doublé chez le client médian, et quadruplé chez les gros utilisateurs. Autrement dit : les applications deviennent des arbres d'exécution, pas des appels d'API.

Or ces arbres cassent. Toujours d'après les données Datadog, 5 % des spans d'appels LLM ont renvoyé une erreur en février 2026, dont 60 % de dépassements de quota. En mars, le taux d'erreur redescend à 2 %, mais les rate limits pèsent encore un tiers des échecs, soit environ 8,4 millions d'occurrences. Ce sont exactement les incidents qu'un utilisateur ne signale jamais : l'agent répond quand même, en dégradé, et personne ne le sait.

Côté marché, la consolidation a commencé. Le 16 janvier 2026, ClickHouse a bouclé une série D de 400 millions de dollars et racheté Langfuse dans la foulée, opération confirmée par SiliconANGLE et par le cabinet Orrick qui a conseillé la transaction. La page presse de Langfuse revendique aujourd'hui plus de 50 000 entreprises utilisatrices, 35 000 étoiles GitHub, 65 millions d'installations de SDK par mois et 21 des Fortune 50. On est très loin du gadget de laboratoire.

Le problème, c'est que cette maturité fonctionnelle ne s'est pas accompagnée d'une maturité tarifaire. Chaque éditeur facture une unité différente, et cette unité décide de tout. J'ai vu la même application coûter 74 $ chez l'un et 870 $ chez l'autre sans qu'aucune fonctionnalité supplémentaire ne justifie l'écart.

La charge de référence : ce que j'ai fait tourner, et comment j'ai compté

Pour comparer autre chose que des plaquettes commerciales, j'ai figé un profil de charge unique, calqué sur un agent support que j'exploite pour un client e-commerce. Toutes les factures de cet article sortent de ce même profil, recalculé sur les grilles publiques des éditeurs consultées le 25 septembre 2026.

• 100 000 sessions par mois (une session = une conversation ou un traitement complet)
• 1 trace racine par session, contenant 12 observations : 5 appels LLM, 4 appels d'outils, 3 étapes internes de routage
• 3 scores d'évaluation par session (pertinence, respect du format, coût), soit 300 000 scores
• 8 Ko de charge utile moyenne par span (prompt système tronqué, entrée et sortie), soit 9,6 Go ingérés par mois
• 5 utilisateurs sur la plateforme : deux développeurs, un product owner, un responsable support, un analyste
• 30 jours de rétention souhaités, tarifs en dollars hors taxes

Ce profil n'a rien d'extrême. Un agent vocal qui prend 300 appels par jour, un pipeline de traitement de factures, un chatbot interne sur 200 salariés : on est dans les mêmes ordres de grandeur. Si vos volumes sont dix fois plus faibles, la deuxième simulation plus bas vous concerne davantage.

Ce qu'on appelle une « unité » n'a pas le même sens chez deux éditeurs

C'est le point qui fait toute la différence, et celui que les comparatifs anglo-saxons survolent. Chez Langfuse, une unité facturable est une trace, une observation ou un score : mon profil génère donc 100 000 + 1 200 000 + 300 000 = 1,6 million d'unités. Chez LangSmith, c'est la trace racine qui compte, quel que soit le nombre d'appels imbriqués : 100 000 traces. Chez Braintrust, on facture les gigaoctets de données traitées et les scores. Chez W&B Weave, on facture les mégaoctets ingérés. Chez Pydantic Logfire, on facture des enregistrements OpenTelemetry, avec une franchise énorme.

Conséquence directe : plus votre agent est profond (beaucoup d'étapes par session), plus le modèle « à la trace » de LangSmith devient intéressant, et plus le modèle « à l'unité » de Langfuse devient cher. Inversement, si vous scorez massivement en production, Braintrust vous facture chaque jugement. Le guide de tarification LangSmith publié par Inference.net pointe le piège miroir : les mêmes 50 000 sessions coûtent six fois plus cher si chaque tour de conversation ouvre une nouvelle exécution au lieu d'être rattaché à la session. J'ai fait exactement cette erreur pendant deux semaines, j'y reviens.

Combien coûte le tracing d'un agent IA : la facture pour 100 000 sessions par mois

Voici le calcul complet, plateforme par plateforme, sur le profil décrit ci-dessus. Les lignes « devis » correspondent aux éditeurs qui ne publient pas leur tarif de dépassement.

Un facteur 17,7 entre la première et la dernière ligne, pour la même application. Le chiffre qui m'a fait tiquer, c'est celui de Weave : la grille Weights & Biases inclut 1,5 Go d'ingestion Weave sur le plan Pro à 60 $, puis facture 0,10 $ le mégaoctet supplémentaire. Soit 100 $ le gigaoctet. À titre de comparaison, Braintrust facture 3 $ le gigaoctet de données traitées au-delà du forfait, et le stockage objet chez n'importe quel cloud coûte moins de 0,03 $. La documentation W&B précise que les octets comptés incluent les métadonnées de trace et les entrées/sorties LLM : autant dire tout ce qui est intéressant.

Cette mécanique ressemble à celle qu'on avait décortiquée sur les coûts d'infrastructure des agents en production : le prix affiché n'est jamais le prix payé, et ce sont les métriques de volume qui décident. Si le sujet vous parle, on l'avait traité en détail dans notre enquête sur les coûts cachés d'un agent en production.

Langfuse vs LangSmith vs Braintrust : trois modèles économiques incompatibles

Ce sont les trois noms qui sortent systématiquement dans les appels d'offres. Ils ne jouent pas le même sport.

Langfuse : la grille la plus lisible du lot

Quatre plans, prix publics, utilisateurs illimités sur tous les plans payants : Hobby gratuit (50 000 unités, 30 jours de rétention), Core à 29 $ (100 000 unités, 90 jours), Pro à 199 $ (rétention 3 ans, rapports SOC 2 Type II et ISO 27001), Enterprise à 2 499 $. Le dépassement est dégressif : 8 $ les 100 000 unités jusqu'à 1 million, 7 $ jusqu'à 10 millions, 6,50 $ jusqu'à 50 millions, 6 $ au-delà. Les régions de données couvrent les États-Unis, l'Union européenne et le Japon dès le plan gratuit, avec DPA RGPD sur tous les plans.

Le vrai argument reste le code source. Langfuse est passé entièrement sous licence MIT en juin 2025, et l'acquisition par ClickHouse n'a pas changé la donne : l'éditeur maintient publiquement l'engagement open source et le self-hosting, ce qui est cohérent puisque la plateforme tourne déjà sur ClickHouse dans les deux modes. Sur mon profil de charge, le cloud revient à 143 $. J'ai fait tourner la même chose sur une instance auto-hébergée chez un hébergeur européen : trois conteneurs (ClickHouse, PostgreSQL, Redis) plus un bucket S3, autour de 90 à 120 € d'infrastructure par mois, et environ une demi-journée d'exploitation par trimestre. La bascule devient rentable au-delà de 2,5 millions d'unités mensuelles, pas avant.

LangSmith : le prix du siège, pas du volume

La grille officielle est simple en apparence : Developer gratuit (1 siège, 5 000 traces de base), Plus à 39 $ par siège et par mois (10 000 traces incluses), Enterprise sur devis pour l'auto-hébergement et le déploiement hybride. Le dépassement est de 2,50 $ pour 1 000 traces en rétention 14 jours, et 5 $ pour 1 000 traces en rétention 400 jours — le passage de l'une à l'autre coûte 2,50 $ supplémentaires par millier.

L'avantage structurel : une exécution d'agent avec quinze appels de modèle compte pour une trace. Sur des agents profonds, c'est imbattable. L'inconvénient : les sièges. À cinq utilisateurs, vous payez 195 $ avant d'avoir tracé quoi que ce soit ; à dix, 390 $. Et si vous voulez faire regarder les traces par le responsable support ou l'équipe qualité, ça monte vite. C'est le seul des trois qui facture l'accès en lecture.

Braintrust : l'éval au centre, la facture avec

La grille Braintrust est la plus atypique : Starter gratuit (1 Go de données traitées, 10 000 scores, 14 jours de rétention), Pro à 249 $ (5 Go, 50 000 scores, 30 jours, 100 $ de crédits modèles), Enterprise sur devis. Au-delà, c'est 3 $ le gigaoctet et 1,50 $ les 1 000 scores sur Pro. Utilisateurs illimités partout.

Sur mon profil, ce sont les scores qui font mal : 375 $ sur 638 $ de facture totale viennent des 250 000 jugements au-delà du forfait. Mais c'est aussi la preuve que Braintrust est construit pour une autre pratique. Si vous scorez 10 % du trafic au lieu de 100 %, vous restez dans les 50 000 scores inclus et la facture retombe à 263 $. Le pilotage de l'échantillonnage n'est pas un réglage cosmétique chez eux : c'est le levier principal. Cette discipline rejoint ce qu'on décrivait dans notre tutoriel sur les évals et les tests de non-régression : on n'évalue pas tout, on évalue ce qui bouge.

Opik, Phoenix et Logfire : les trois options qu'on sous-estime

Le trio précédent occupe le terrain marketing. Ces trois-là occupent le terrain des budgets serrés, et ils méritent mieux que le statut d'alternative.

Opik, de Comet, est probablement le meilleur rapport fonctions/prix du marché cloud aujourd'hui. La grille publiée affiche un plan gratuit à 25 000 spans par mois avec 60 jours de rétention et 10 membres, puis un Pro Cloud à 19 $ forfaitaires pour 100 000 spans, jusqu'à 50 membres, avec 5 $ les 100 000 spans supplémentaires. Sur mon profil : 74 $, toutes fonctions comprises (tracing, jeux de tests, datasets d'éval, gestion de prompts). Le code est ouvert et auto-hébergeable. Le point d'attention : l'extension de rétention est facturée 29 $ par tranche de 100 000 spans pour aller jusqu'à 400 jours, ce qui devient rédhibitoire au volume. Gardez la rétention courte, exportez ce qui compte.

Arize Phoenix joue une autre partition : c'est l'outil qu'on lance en local pendant qu'on développe. Un processus, une commande, l'interface sur le port 6006 et un endpoint OTLP gRPC sur le 4317. Pas de compte, pas de clé, pas de plafond d'événements. Le piège est juridique : Phoenix est distribué sous Elastic License 2.0, une licence source-available non approuvée par l'OSI, qui interdit de le proposer en service managé à des tiers. Pour un usage interne, aucun problème. Pour un éditeur qui voudrait revendre l'observabilité à ses propres clients, c'est non. La version hébergée, Arize AX, démarre à 50 $ par mois pour 50 000 spans et 30 jours de rétention, avec choix de région États-Unis, Union européenne ou Canada — mais le tarif de dépassement n'est pas public.

Pydantic Logfire est l'outsider qui rafle la mise sur le prix. La grille Pydantic annonce un plan Personal gratuit plafonné à 10 millions d'enregistrements par mois avec 30 jours de rétention, un Team à 49 $ (10 millions inclus, 2 $ le million au-delà, 5 sièges), un Growth à 249 $ (sièges illimités, 90 jours de rétention). Mon profil génère 1,3 million d'enregistrements : je reste dans la franchise du plan Team, et même dans celle du plan gratuit.

Il y a une contrepartie, et elle est réelle. Logfire est d'abord un APM OpenTelemetry avec des vues GenAI, pas une plateforme d'ingénierie de prompts. Vous y verrez parfaitement vos spans, vos latences, vos tokens ; vous n'y trouverez pas la maturité de Braintrust sur les datasets d'éval ou celle de Langfuse sur le versionnage de prompts. Pour une équipe qui a déjà une culture d'observabilité classique et veut juste voir ce que font ses agents, c'est le meilleur achat du marché. Pour une équipe qui veut industrialiser ses évals, non.

W&B Weave, Helicone, Datadog : quand la grille n'est pas publique

Trois cas qui méritent un avertissement séparé.

Weave a le modèle le plus dangereux pour un agent bavard. À 0,10 $ le mégaoctet ingéré, un agent qui trace des prompts système de 40 Ko — et rappelons que, d'après Datadog, 69 % des tokens d'entrée sont consommés par les prompts système — coûte une fortune sans que personne ne s'en aperçoive avant la facture. Si votre équipe utilise déjà W&B pour l'entraînement de modèles, la continuité a du sens. Sinon, c'est le plus cher du comparatif d'un facteur 6 à 17.

Helicone n'est pas exactement un outil d'observabilité : c'est une passerelle qui s'interpose entre votre code et les API de modèles. Ça lui donne des atouts que les autres n'ont pas (cache, gestion des quotas, routage), et un défaut structurel : un point de passage supplémentaire sur le chemin critique de vos appels. La grille publique affiche Hobby gratuit (10 000 requêtes, 7 jours de rétention), Pro à 79 $ avec sièges illimités, Team à 799 $ avec SOC 2 et HIPAA, Enterprise pour l'auto-hébergement. Le tarif de dépassement au-delà des 10 000 requêtes n'est pas publié sous forme de table : il faut passer par leur calculateur. Pour un acheteur qui doit budgéter à douze mois, c'est un problème.

Datadog LLM Observability suit la logique maison : 40 000 spans LLM par mois en gratuit, plan Pro annoncé à 160 $ avec 100 000 spans inclus, puis un tarif on-demand qui n'est pas publié, et des options de rétention 30/60/90 jours facturées par tranche de 10 000 spans. Si Datadog est déjà votre socle de supervision, la corrélation entre traces LLM et traces applicatives vaut de l'argent. Sinon, vous payez l'écosystème.

Self-hosting, licences et RGPD : où atterrissent vos prompts

Pour une PME française, la question n'est pas seulement le prix : c'est de savoir où partent les entrées et sorties de modèle. Et les entrées d'un agent support, ce sont des noms, des adresses, des numéros de commande, parfois des données de santé. Un outil de tracing est, par construction, la base de données la plus sensible de votre stack IA : elle contient tout ce que vos utilisateurs ont écrit.

Deux enseignements. D'abord, la souveraineté a un palier : chez Braintrust, le plan de données en Union européenne existe, mais sur les offres Starter et Pro les traces transitent par le cloud managé de l'éditeur ; l'isolation complète se négocie en Enterprise. Chez LangSmith, l'auto-hébergement est également réservé à l'offre Enterprise. Seuls Langfuse, Opik et Phoenix vous laissent tout rapatrier sans discuter avec un commercial.

Ensuite, la question du contenu tracé est plus importante que celle du pays d'hébergement. Masquer les données personnelles côté SDK, avant l'envoi, résout 80 % du problème quelle que soit la plateforme. Tous les outils du comparatif proposent des hooks de masquage ; presque personne ne les active. Le sujet recoupe directement ce qu'on avait analysé dans notre décryptage de la note de la CNIL sur l'IA agentique et dans notre comparatif des hébergements IA conformes.

OpenTelemetry : le seul vrai antidote au verrouillage

Voilà l'argument que je fais valoir systématiquement en comité technique : quelle que soit la plateforme choisie, instrumentez en OpenTelemetry. Pas avec le SDK propriétaire de l'éditeur, sauf pour les fonctions qui n'existent qu'ailleurs.

Les conventions sémantiques GenAI d'OpenTelemetry restent officiellement en statut Development à la mi-2026, et il n'existe pas de calendrier public de stabilisation. Mais, en pratique, les attributs de base — nom de l'opération, fournisseur, modèle, usage des tokens — n'ont pas bougé depuis la version 1.37, le dépôt dédié aux conventions GenAI a été isolé, et la spécification décrit désormais des spans d'agent, de workflow, d'outil et de modèle avec les métriques de latence et de tokens associées. C'est suffisant pour que les six plateformes de ce comparatif acceptent un flux OTLP standard.

La conséquence est directe : si vous exportez vos spans en OTLP vers un collecteur, changer de backend revient à changer une variable d'environnement. Je l'ai fait deux fois en six mois, dont une bascule de Phoenix local vers Langfuse Cloud, sans toucher une ligne de code applicatif. À l'inverse, une équipe que je conseille avait tout instrumenté avec le décorateur maison d'un éditeur : trois semaines de réécriture pour migrer. Le coût de sortie se décide au premier jour du projet, pas au moment de la renégociation — un réflexe qu'on avait déjà défendu dans notre guide sur la dépendance à un fournisseur IA.

Le tableau de scoring : 6 plateformes, 14 critères

Synthèse complète, sur la base des grilles et documentations publiques consultées le 25 septembre 2026.

Scénario freelance : 5 000 sessions par mois, tout change

Si vous exploitez un agent pour votre propre activité — un assistant de qualification de leads, un trieur d'emails, un rédacteur de comptes rendus — vous êtes probablement à 5 000 sessions mensuelles, 60 000 spans, 15 000 scores, un ou deux utilisateurs. À cette échelle, le classement s'inverse partiellement.

Logfire reste à 0 $ (plan Personal, 10 millions d'enregistrements). Braintrust Starter revient à 12,50 $ : le gigaoctet de données traitées est inclus, seuls 5 000 scores dépassent la franchise, facturés 2,50 $ les 1 000. Opik Pro à 19 $, Langfuse Core à 29 $ (80 000 unités, on dépasse les 50 000 du plan Hobby), LangSmith Developer à 0 $ pour un siège unique et 5 000 traces — exactement la limite. Arize AX Pro à 50 $ devient la solution la plus chère du lot, simplement parce que son plan gratuit plafonne à 25 000 spans.

Autrement dit : à petit volume, tout le monde est bon marché et le critère de choix redevient fonctionnel. Prenez celui dont vous comprenez l'interface en vingt minutes. À gros volume, le critère de choix redevient l'unité facturée, et là il n'y a plus de place pour l'à-peu-près. C'est le même basculement qu'on observait sur les coûts de tokens dans notre analyse de la facture IA qui explose.

Ce que j'ai cassé en route : trois erreurs qui coûtent cher

Le comparatif serait malhonnête sans la partie où je me plante.

Première erreur : une trace par tour de conversation. Sur LangSmith, mon agent support ouvrait une nouvelle exécution racine à chaque message utilisateur. Une conversation de six tours consommait donc six traces au lieu d'une. Facture multipliée par six sur deux semaines, environ 340 $ jetés, avant que je comprenne en regardant la vue « runs » que les sessions n'étaient pas rattachées. Le correctif tenait en un identifiant de thread passé dans les métadonnées. Leçon : sur un modèle facturé à la trace, l'arborescence est le contrat commercial.

Deuxième erreur : tracer les prompts système en entier. Mon agent embarquait un prompt système de 22 Ko avec des exemples few-shot, répété sur chaque span d'appel LLM. Sur Weave, à 0,10 $ le mégaoctet, ça faisait 26 $ par tranche de 10 000 appels rien que pour stocker 10 000 fois le même texte. Depuis, je hashe le prompt système et je ne stocke que le hash plus le delta. Volume d'ingestion divisé par 4,3 sur le même trafic.

Troisième erreur : croire que l'auto-hébergement était gratuit. J'ai déployé Langfuse en self-hosted sur une machine à 4 Go de RAM, parce que la stack tenait en un docker compose. ClickHouse a mangé la mémoire au premier pic d'ingestion, le conteneur s'est fait tuer par l'OOM killer, et j'ai perdu quatre heures de traces — précisément pendant une démo client. Je suis reparti sur 8 Go dédiés à ClickHouse plus un stockage objet externalisé. Le self-hosting reste la bonne option au-delà de 2,5 millions d'unités mensuelles, mais il se budgète en machines et en temps d'exploitation, pas en licence à zéro euro. C'est exactement le mur que décrivait notre dossier sur le passage du pilote à la production.

Notre verdict : qui prend quoi

Il n'y a pas de gagnant unique, il y a quatre profils nets.

Vous exploitez des agents en production avec des contraintes RGPD et une équipe mixte technique/métier : Langfuse. Grille lisible, utilisateurs illimités, région européenne dès le plan gratuit, licence MIT qui vous laisse partir. Le rachat par ClickHouse est à surveiller, mais l'infrastructure sous-jacente était déjà la leur et l'engagement open source a été réaffirmé à l'acquisition. À 143 $ sur notre profil, c'est le meilleur compromis global.

Votre produit est piloté par la qualité et vous avez une équipe d'évaluation : Braintrust. C'est la plateforme la plus aboutie sur les datasets, les expériences et les comparaisons de versions. Prévoyez 250 à 650 $ par mois selon votre politique de scoring, et considérez l'échantillonnage comme une décision produit, pas comme un réglage.

Votre stack est LangChain ou LangGraph, avec des agents profonds et peu de spectateurs : LangSmith. La facturation à la trace racine est imbattable sur des exécutions à quinze ou vingt appels. Surveillez le nombre de sièges : c'est là que le budget dérape.

Vous voulez voir ce que font vos agents sans construire une pratique d'éval : Logfire ou Opik. 49 $ et 74 $ sur notre profil, contre 638 $ pour Braintrust, pour 80 % de la valeur opérationnelle. Et si vous êtes encore en phase de développement, Phoenix en local ne coûte rien et se lance en une commande.

À l'inverse, deux recommandations négatives assumées. W&B Weave est à écarter si vous ne faites pas déjà de l'entraînement chez eux : 0,10 $ le mégaoctet est un tarif de stockage d'un autre temps. Et toute plateforme qui ne publie pas son tarif de dépassement — Arize AX, Helicone au-delà du forfait, Datadog LLM Observability — doit vous fournir la grille par écrit avant signature, sinon vous signez un chèque en blanc indexé sur la croissance de votre trafic.

Une dernière remarque qui vaut pour tout le monde : l'observabilité ne sert à rien si personne ne regarde. Le vrai indicateur de maturité, ce n'est pas d'avoir une plateforme, c'est d'avoir quelqu'un qui ouvre les traces en échec chaque lundi matin. Les agents que je pilote tournent majoritairement sur

Les questions qu'on continue de se poser

Trois zones d'ombre subsistent, et je préfère les poser que les masquer.

La consolidation va-t-elle rebattre les cartes ? ClickHouse a absorbé Langfuse. Les infrastructures de données ont compris que les traces d'agents sont un gisement analytique. Rien ne garantit que les grilles actuelles tiennent dans dix-huit mois, ni que les plans généreux d'aujourd'hui ne deviennent pas les appâts de demain. C'est un argument de plus pour l'instrumentation OTel.

Les conventions GenAI se stabiliseront-elles ? Tant qu'elles restent en statut Development, chaque éditeur ajoute ses attributs propriétaires par-dessus le standard, et la portabilité réelle est de 80 %, pas de 100 %. Les 20 % restants — structures d'agents imbriqués, formats de scores, métadonnées d'outils — sont précisément ce qui fait la valeur d'une plateforme.

Qui paiera la rétention longue ? L'AI Act et les exigences de traçabilité poussent à conserver les preuves d'exécution. Or la rétention longue est le poste le plus cher partout : 400 jours coûtent le double chez LangSmith, 29 $ les 100 000 spans chez Opik, 0,50 $ par gigaoctet et par mois chez Braintrust. Ma conviction : l'archivage réglementaire finira dans un bucket objet chez vous, pas dans une plateforme SaaS facturée à l'unité. Si vous automatisez cet export, un ordonnanceur simple type Make ou un job cron suffit ; inutile d'y mettre une usine à gaz. Pour les enjeux de conformité proprement dits, on avait détaillé la mécanique dans notre checklist de sécurisation des agents IA.

Pour ceux qui veulent creuser les fondamentaux du sujet au-delà du cas LLM, l'ouvrage Observability Engineering de Charity Majors et Liz Fong-Jones reste la référence sur les traces distribuées ; il est disponible en édition papier ^{· Amazon} et tout ce qu'il dit des microservices s'applique mot pour mot aux agents.

Trois actions à mener cette semaine

D'abord, mesurez votre volume réel avant de choisir. Comptez vos sessions mensuelles, la profondeur moyenne de vos exécutions et la taille moyenne de vos charges utiles. Sans ces trois nombres, aucune grille tarifaire n'est interprétable, et vous choisirez sur la démo au lieu de choisir sur la facture.

Ensuite, instrumentez en OpenTelemetry, pas avec le décorateur maison de l'éditeur. Cela vous coûtera peut-être une journée de plus au démarrage. Cela vous économisera trois semaines le jour où la grille change ou où le rachat suivant modifie la feuille de route.

Enfin, activez le masquage des données personnelles côté SDK dès le premier jour, et fixez une politique de rétention explicite : 30 jours en chaud pour le débogage, export mensuel en stockage objet pour la conformité. C'est l'unique façon de garder une facture stable pendant que votre trafic double, et c'est aussi ce qui vous évitera d'avoir à expliquer pourquoi l'intégralité des conversations clients des dix-huit derniers mois dort dans une base hébergée en Virginie. Le tracing n'est pas un outil de développeur : c'est le registre de ce que vos agents ont fait en votre nom.