Tarification de Datadog LLM Observability en 2026 : ce que cela coûte réellement

Le nom a changé, et le prix aussi

Le changement de nom n'est pas anodin pour les responsables des achats : la documentation se trouve toujours à l'adresse docs.datadoghq.com/llm_observability/ et l'ancre tarifaire reste ?product=llm-observability. L'ancienne appellation n'a donc pas totalement disparu, mais elle ne désigne plus officiellement le produit.

Le second changement concerne le modèle tarifaire lui-même, entièrement repensé entre février et juillet 2026. Données vérifiées via Internet Archive :

L'ancienne fiche indiquait : « À partir de 8 $ / Par tranche de 10K requêtes LLM surveillées, par mois » avec un « Minimum de 100K requêtes LLM par mois. » Ces 100K ne constituaient pas un quota inclus, mais un volume facturable contractuel minimum. Les tarifs des options de rétention ont ensuite encore évolué entre juillet et septembre. Deux changements structurels en sept mois signifient que toute estimation issue d'un article datant de plus de deux mois est probablement obsolète.

[CAPTURE D'ÉCRAN : Datadog — la fiche Agent Observability sur datadoghq.com/pricing montrant les niveaux Free et Pro ainsi que les détails pour les tranches de 10K spans]

Le modèle tarifaire expliqué en détail

Free — 0 $/mois, jusqu'à 40K spans LLM par mois, 15 jours de rétention des traces, contexte et évaluations illimités, accès à l'ensemble des fonctionnalités. Pro — 160 $/mois en engagement annuel : « 100K spans LLM par mois incluses. Spans supplémentaires : 3,5 $ par tranche de 10K spans LLM. » Rétention de 15 jours, avec trois niveaux d'engagement pour les 100K premières spans : 240 $ à la demande, 200 $ en mensuel sans engagement, 160 $ en annuel.

Deux éléments clés ne figurent pas explicitement dans la communication principale. Les palier de rétention restent ambigus — Datadog ne précise pas si les tarifs pour 30/60/90 jours s'ajoutent au tarif de base de 3,50 $ ou s'ils le remplacent. Par comparaison avec les Indexed Spans APM sur la même page, ils semblent s'y substituer, mais il s'agit d'une déduction. [VERIFY] à faire confirmer par écrit. De plus, un surcoût régional non affiché s'applique : la carte des régions intégrée à la page indique 160 $ + 3,50 $ pour us/eu, 192 $ + 4,20 $ pour ap2/uk1, et 200 $ + 4,38 $ pour ap1 — soit 25 % de plus pour une prestation identique.

Ce qui constitue une span facturable

Sur ce point, le modèle s'avère plus avantageux qu'il n'y paraît. Selon la FAQ tarifaire :

« Une span LLM correspond à un appel unique vers un fournisseur de LLM tel qu'OpenAI ou Anthropic. Un workflow d'agent peut générer plusieurs spans LLM… Datadog ne facture que les spans LLM, et non les spans d'outils (tool), de récupération (retrieval) ou d'autres étapes du workflow entourant l'appel au modèle. »

Il existe sept types de spans, et un seul est payant : LLM. Les types workflow, agent, tool, task, embedding et retrieval sont gratuits. La facturation dépend du type et non de la profondeur d'imbrication — ainsi, les appels d'embedding pour du RAG ne coûtent rien, même s'ils sollicitent un modèle. Lorsque le nombre total de spans est cinq fois supérieur au nombre de spans LLM, cette distinction est déterminante. La plupart des comparaisons du marché omettent ce détail par rapport à Datadog. Seule incohérence : la documentation du SDK indique que la facturation « repose sur le volume de spans envoyées », ce qui contredit l'affirmation explicite « spans LLM uniquement » de la page des tarifs.

[CAPTURE D'ÉCRAN : Datadog — trace d'un agent montrant les étiquettes de type de span (llm, tool, workflow, retrieval) dans le flamegraph]

Interaction avec la facturation APM et Logs

C'est sur ce point que des frais inattendus peuvent apparaître.

L'APM n'est pas obligatoire. Textuellement : « Non. Agent Observability est un produit autonome et peut être acheté sans aucun autre abonnement Datadog. »

Le produit n'utilise pas les quotas APM. La page des quotas répertorie Infrastructure, Infra Pro/Enterprise, APM, APM Pro et Serverless — Agent Observability n'y apparaît nulle part. Chaque span dépassant l'offre Free ou Pro constitue une dépense nette supplémentaire et n'est jamais absorbée par la marge restante de vos abonnements existants.

Les traces LLM sont-elles aussi facturées comme des traces APM ? Nous ne pouvons l'affirmer avec certitude, car la documentation de Datadog reste muette à ce sujet. [VERIFY]. Un point vérifiable et révélateur : pour AI Guard, Datadog prévoit une exception — « Ce produit inclut un quota APM, afin que les clients n'ayant pas souscrit à l'APM ne soient pas facturés pour l'ingestion des traces émises par AI Guard. » Aucune mention similaire n'existe pour Agent Observability, bien que la même bibliothèque ddtrace / dd-trace alimente les deux fonctionnalités. Il convient donc d'anticiper cette interaction plutôt que de supposer une étanchéité totale.

L'activation du volume se fait par défaut. L'activation du produit nécessite la variable explicite DD_LLMOBS_ENABLED=1. Toutefois, une fois activé, « Toutes les intégrations sont activées par défaut » — ajouter OpenAI, LangChain, Bedrock, CrewAI ou MCP génère donc des spans facturables sans modification de code. La désactivation doit se faire intégration par intégration : integrations_enabled=False (Python), plugins: false (Node), ou DD_PATCH_MODULES.

Le levier d'optimisation des coûts : DD_LLMOBS_SAMPLE_RATE (0.0 à 1.0, 1.0 par défaut ; nécessite ddtrace Python >= 4.12.0, dd-trace Node >= 5.110.0, Java >= 1.66.0). Datadog précise : « L'échantillonnage n'affecte pas vos métriques Agent Observability… ces métriques restent basées sur 100 % du trafic instrumenté de votre application. » Vous pouvez ainsi réduire le volume de spans sans altérer la précision de vos tableaux de bord — une conception particulièrement efficace.

Exemple concret de calcul

Prenons une exécution d'agent de référence : 1 requête → 1 trace → 4 appels LLM + 3 appels d'outils + 2 récupérations. Soit neuf spans au total, dont quatre facturables.

A — 50 000 exécutions/mois = 200 000 spans LLM (450 000 spans au total)
  Base Pro, 100 000 premières spans           =   160,00 $
  100 000 supplémentaires / 10 000 = 10 unités
  10 x 3,50 $                              =    35,00 $
  Total annuel                            =   195,00 $ / mois
  À la demande : 240 $ + (10 x 5,00 $)           =   290,00 $ / mois

B — 500 000 exécutions/mois = 2 000 000 spans LLM (4 500 000 au total)
  Base Pro, 100 000 premières spans           =   160,00 $
  1 900 000 supplémentaires / 10 000 = 190 unités
  190 x 3,50 $                             =   665,00 $
  Total annuel                            =   825,00 $ / mois
  À la demande : 240 $ + (190 x 5,00 $)         = 1 190,00 $ / mois

Pour adapter le calcul à votre volume : coût = 160 + 3,50 x ((spans LLM - 100 000) / 10 000), avec un minimum de 160 $ entre 40K et 100K spans, et 0 $ en dessous de 40K.

Cette révision tarifaire vous est-elle favorable ? Par rapport à l'ancien modèle à 8 $ les 10K avec un plancher de 80 $/mois, le point d'équilibre se situe autour de 278 000 spans LLM par mois (calcul basé sur les tarifs publiés) :

Les volumes réduits ou irréguliers bénéficient soit de la gratuité, soit d'un surcoût ; les volumes importants et réguliers voient leurs coûts baisser de manière significative. Si votre budget a été établi avant juillet 2026 et se situe dans la tranche intermédiaire, il doit être réévalué.

Les fonctionnalités incluses

Il s'agit d'une solution aboutie, et l'engagement de Datadog — « Chaque niveau inclut l'intégralité de la plateforme d'ingénierie d'agents dès le premier jour » — se confirme dans la richesse des fonctionnalités proposées.

En pré-production : révision humaine et annotation, jeux de données versionnés issus des traces de production, Playground, expérimentations structurées, évaluateurs hors ligne.

En production : traçabilité détaillée des entrées, sorties et métadonnées pour les prompts, requêtes RAG, appels d'outils et décisions ; suivi de la latence, des tokens et des coûts ; évaluateurs incluant la détection d'hallucinations et de dérive ; analyse de sécurité contre l'injection de prompts, l'exposition de données sensibles et les sorties à risque ; corrélation avec les services backend, l'infrastructure et le RUM sous un identifiant de trace unique. Patterns apporte le regroupement par thématiques, et Insights permet la détection des anomalies.

Évaluations : LLM-as-a-judge personnalisé au niveau du span, du trace ou du scope de session, évaluations gérées, retours d'utilisateurs finaux, évaluations externes via API, une intégration NeMo et des files d'attente d'annotation. Le catalogue géré est cependant restreint — la documentation ne liste que Language Mismatch et Sensitive Data Scanning. Le Sensitive Data Scanner est inclus sans frais supplémentaires mais fait l'objet d'un comptage : « Pour chaque tranche de 10K LLM spans, vous recevez un quota de 1 GB de traitement SDS. » Le comportement en cas de dépassement n'est pas documenté. [VERIFY].

La corrélation est le véritable cœur de la valeur ajoutée : si Datadog détient déjà vos métriques d'infrastructure, traces APM, logs et sessions RUM, le fait que les traces d'agents atterrissent à côté d'elles avec le même système d'alerte a une vraie valeur financière.

Où les équipes rencontrent des difficultés

Trois d'entre elles sont de première partie. La quatrième nécessite une attribution rigoureuse, et l'obtient. Notez d'abord que chaque page d'« alternatives à Datadog » que nous avons vérifiée citait un mauvais tarif, une mauvaise unité ou un niveau d'offre qui n'existe pas.

1. Les guardrails ne sont pas inclus dans le prix. Agent Observability détecte le prompt injection sous forme d'évaluation. Le blocage en temps réel relève de AI Guard, figurant sur la même page de tarification avec la mention « Devis personnalisé / Contactez-nous pour connaître les tarifs. » La FAQ de Datadog indique : « Oui. AI Guard est un produit autonome. Il est facturé séparément de LLM Observability. » Le système de comptage est inhabituel — « Facturé par tranche de 1 000 000 de tokens d'entrée évalués, incluant l'intégralité du contexte de la conversation » — ainsi, vous repayez pour toute la conversation à chaque tour. Aucun tarif public.

[SCREENSHOT: Datadog — la fiche produit AI Guard affichant « Contactez-nous pour connaître les tarifs » et la note de bas de page par million de tokens d'entrée]

2. Les « évaluations illimitées » ont une porte dérobée de facturation. Les évaluations ne comportent pas de SKU distinct, mais la propre documentation de Datadog sur le LLM-as-a-judge précise : « Remarque : L'activation du tracing augmente le nombre de spans facturés envoyés à Datadog. » Un bouton dans l'interface utilisateur convertit le volume d'évaluations en volume de spans facturables, et la puce « contexte et évaluations illimités » de la page de tarification ne le mentionne pas.

3. Les paramètres par défaut ont changé en toute discrétion. La rétention des résultats d'expérimentation était de 90 jours par défaut en février 2026 ; elle est désormais de 15 jours, avec 3 mois uniquement sur engagement. Les données de trace sont conservées 15 jours, les métriques de trace 15 mois, et les jeux de données versionnés 3 ans.

4. Choc tarifaire — ce que les faits confirment. Nous n'avons trouvé aucun rapport de première main crédible faisant état d'un choc tarifaire spécifique à Datadog LLM Observability ou Agent Observability. Ce qui existe est à l'échelle de l'ensemble de la plateforme, plus ancien, et provient de sources nommées :

• The Pragmatic Engineer (Gergely Orosz, 11 mai 2023) a rapporté que Coinbase a dépensé 65 M$ auprès de Datadog en 2021, confirmé auprès d'ingénieurs actuels et anciens de Coinbase. Lors de la présentation des résultats du T1 2023 de Datadog, le CFO David Obstler a qualifié ce client d'« optimisateur précoce » et le CEO Olivier Pomel a déclaré « nous restructurons leur contrat. »
• DHH de 37signals, 26 août 2024 : « Notre facture de renouvellement pour Datadog s'élevait à ~83 000 $/an avant que nous ne résiliions. » Le chiffre déclaré d'une entreprise, non audité.
• Un commentateur sur Hacker News (monero-xmr, 6 mai 2023) : « J'ai aussi l'impression qu'ils me déplument. Super produit cela dit. » L'opinion d'un utilisateur — notez la seconde partie.
• OneUptime, 12 février 2026, a modélisé la facture d'une équipe de 40 personnes passant de 13 525 $ à 26 460 $/mois (+96 %) sous la charge d'agents de codage IA. Un cas hypothétique rédigé par un concurrent, et non des données mesurées.

Nous n'avons pas non plus pu étayer l'affirmation largement répétée selon laquelle Datadog active automatiquement LLM Observability et le facturera. L'activation est explicite. La version défendable : le produit nécessite une démarche d'activation (opt-in), le volume est en désactivation volontaire (opt-out).

Vous préférez ne pas compter les spans du tout ?

Acheminez le trafic via une gateway qui enregistre les coûts, les tokens et les traces comme un sous-produit du traitement de la requête.

Commencer gratuitement

La même tâche, tarifée selon les différentes alternatives

Les unités ne sont pas comparables, donc les tableaux de comparaison directe n'ont aucun sens. Ci-dessous se trouve la même charge de travail de référence — 50 000 exécutions/mois = 200 000 LLM spans, 450 000 spans au total — tarifée selon le système de comptage propre à chaque fournisseur, au tarif catalogue, annuel lorsqu'il est proposé.

Deux corrections. Le dénominateur de Datadog est environ cinq fois plus petit que celui d'Opik ou d'Arize ici, car il ignore les spans d'outils, de retrieval et de workflow — son tarif nominal de 350 $ par million de LLM spans n'est pas comparable aux 50 $ par million d'Opik sur la totalité des spans. Et les cases « non publié » constituent un constat, pas une lacune dans notre recherche : LangSmith, Arize AX et le propre AI Guard de Datadog ne publient véritablement pas ces tarifs. De cette liste, seuls Phoenix, Opik, Langfuse et Helicone offrent une option auto-hébergée gratuite ; Datadog ne propose ni version open-source ni option auto-hébergée.

Où TrueFoundry s'intègre — et où il ne s'intègre pas

Commençons par être honnêtes. Datadog est un produit bien plus vaste que TrueFoundry, et il ne s'agit pas d'un remplacement à périmètre égal. Il gère l'infrastructure, l'APM, les logs, le RUM, les tests synthétiques, la sécurité et la surveillance des bases de données. Si vous avez besoin d'une interface unique pour l'ensemble de votre SI, c'est le rôle de Datadog et TrueFoundry ne le fait pas. Faire fonctionner les deux en parallèle est normal.

Ce que TrueFoundry change, c'est la provenance de la télémétrie, et par conséquent ce qu'elle coûte. La AI Gateway se place sur le parcours de la requête entre vos applications et plus de 1 000 LLMs derrière une API unique compatible OpenAI, ajoutant environ 3-4 ms de latence et supportant plus de 350 RPS sur 1 vCPU. Comme chaque appel de modèle et d'outil MCP passe déjà par elle, les métriques et les traces sont un sous-produit du traitement de la requête — pas de frais par span, car les spans ne sont pas l'unité de facturation. La tarification est basée sur les utilisateurs plus les requêtes gateway : Developer 0 $ pour 3 utilisateurs et 10K requêtes par utilisateur par mois ; Pro 25 $/utilisateur/mois avec 20K requêtes mutualisées par utilisateur et 20 $ par tranche de 100K supplémentaires.

Les traces sont de véritables hiérarchies de spans, pas des logs plats. Une exécution de chat sécurisée génère un span racine ChatCompletion, un span Guardrail, l'appel sortant du guardrail, un span Model et l'appel sortant du modèle — chacun portant des attributs de coût, de token et de latence, et chacun attribué au sujet qui l'a créé. C'est la hiérarchie dont l'observabilité des agents IA a besoin, sans avoir à instrumenter l'agent.

Trace d'agent montrant la hiérarchie de spans imbriqués avec la latence et les attributs par span

Parce que la gateway est sur le parcours de la requête plutôt qu'à côté, deux choses deviennent possibles là où un outil d'observabilité seule échoue. Les guardrails s'exécutent en ligne — masquage des PII, détection de prompt injection, modération, blocage plutôt que simple évaluation — sans SKU séparé par token. Et les budgets sont appliqués, pas seulement rapportés : des limites de dépenses qui stoppent les requêtes, par utilisateur, équipe, modèle ou clé de métadonnées.

Vous voulez quand même les données dans Datadog ? TrueFoundry émet des traces conformes à OpenTelemetry, et l'export OTEL depuis la gateway fonctionne avec n'importe quel backend compatible OTLP — la gateway devient le point de collecte, Datadog la couche de corrélation.

La limite honnête : si vous ne voulez pas de proxy sur le parcours de la requête, la majeure partie de ceci reste inactive, et nos outils d'évaluation sont moins avancés que des plateformes centrées sur l'évaluation comme Braintrust ou DeepEval. L'observabilité des coûts et leur application stricte sont les domaines où la gateway justifie sa place.

Vous voulez voir ce que coûtent vos agents sans comptage par span ?

Pointez une application vers la gateway et ouvrez le tableau de bord des métriques.

Commencer gratuitement

Lectures associées

• Outils d'observabilité pour agents IA
• Meilleures plateformes d'observabilité IA pour les LLM en 2026
• Qu'est-ce que l'observabilité des LLM ?
• Solutions de suivi des coûts des LLM
• Observabilité au sein d'une AI gateway

Conclusion

La révision tarifaire 2026 de Datadog est plus raisonnable que sa réputation ne le laisse penser : l'unité facturable est la plus étroite du marché, l'échantillonnage n'aveugle pas les tableaux de bord, et à grande échelle, le tarif marginal est inférieur de 56 % à celui de février. Les arguments contre résident dans ce qui se trouve hors de la fiche — les guardrails sous forme de SKU séparé sur devis, la rétention au-delà de 15 jours à un tarif dont l'interaction avec le tarif de base n'est pas documentée, l'absence d'allocation hôte, et deux changements structurels en sept mois.

Tout se résume à ce que vous souhaitez posséder. Si vous voulez qu'un seul fournisseur corrèle tout et que vous acceptez un nombre de spans mesuré, Datadog est un produit solide et complet, et rien ici ne prétend le contraire. Si vous préférez que la télémétrie soit le sous-produit d'un point de contrôle dont vous avez déjà besoin — un point qui applique les budgets et exécute des guardrails en ligne, tout en exportant vers Datadog via OTEL si vous voulez les deux —, c'est l'argument en faveur du gateway-native.

Tous les prix ci-dessus sont les tarifs publics publiés par Datadog au 25 septembre 2026 et sont susceptibles de changer. Vérifiez sur datadoghq.com/pricing avant de vous engager.

Essayez gratuitement l'AI Gateway de TrueFoundry →