Langfuse vs LangSmith : Quelle plateforme d'observabilité LLM choisir ?

Toute personne comparant Langfuse vs LangSmith en 2026 doit commencer par un fait qui n'a que neuf mois : ClickHouse a racheté Langfuse, annonce faite le 16 janvier 2026, en parallèle d'une levée de fonds en Série D de 400 M$ menée par Dragoneer pour ClickHouse. Le montant de la transaction n'a pas été divulgué (Annonce de ClickHouse, 16 janvier 2026). Le billet publié par Langfuse est direct quant aux circonstances : « Nous ne prévoyions pas de vendre l'entreprise. En réalité, nous avions des Term Sheets pour une excellente Série A » (Langfuse, rejoint ClickHouse).

Les engagements sont tout aussi clairs : « Langfuse reste open source et hébergeable par soi-même. Aucun changement de licence n'est prévu. » En septembre 2026, cette promesse est tenue : le fichier LICENSE du dépôt indique désormais « Copyright (c) 2023-2026 ClickHouse, Inc. », les contacts de sécurité ont été transférés vers security@clickhouse.com, et les politiques de conformité se trouvent dans le ClickHouse Trust Center. Un changement commercial substantiel a toutefois eu lieu, détaillé ci-dessous.

LangSmith est indépendant et développé par LangChain — la société à l'origine de LangChain et LangGraph. Ce simple fait explique la majeure partie des différences qui suivent.

Langfuse : vue d'ensemble

Langfuse se définit comme une « plateforme d'ingénierie IA open-source… tracing, gestion des prompts, évaluation et métriques. » Le dépôt accessible sur github.com/langfuse/langfuse compte environ 35 000 stars au 25 septembre 2026.

Il s'agit d'un véritable modèle open-core, dont les limites sont clairement documentées. Tout ce qui se trouve en dehors des répertoires ee/, web/src/ee/ et worker/src/ee/ est sous licence MIT Expat ; ces répertoires relèvent d'une licence entreprise distincte. Langfuse précise que « toutes les fonctionnalités et API clés de Langfuse sont disponibles dans Langfuse OSS (sous licence MIT) sans aucune restriction » et qu'« il n'y a pas de limites d'évolutivité entre les différentes versions. »

La liste des fonctionnalités réservées aux détenteurs d'une clé LANGFUSE_EE_LICENSE_KEY est publique : rôles RBAC au niveau des projets, étiquettes de prompts protégées, politiques de rétention des données, journaux d'audit, masquage des données côté serveur, personnalisation de l'interface utilisateur, création d'organisations, API de gestion d'organisation avec SCIM, et API de gestion d'instance. Notamment, l'authentification SSO Enterprise et le RBAC au niveau de l'organisation sont gratuits dans la version OSS auto-hébergée — une approche plus généreuse que celle de Langfuse Cloud, où le SSO coûte 300 $/mois.

[SCREENSHOT: Langfuse — vue détaillée d'une trace avec observations imbriquées, nombre de tokens et coût par span]

L'auto-hébergement est bien réel, mais il n'est pas trivial. La stack se compose d'un conteneur Web et d'un conteneur Worker, associés à quatre bases de stockage : Postgres, ClickHouse, Redis/Valkey et un stockage d'objets compatible S3. Docker Compose est documenté de manière transparente comme une « machine virtuelle unique sans haute disponibilité, sans montée en charge et sans sauvegardes. » Il peut fonctionner entièrement hors ligne et en environnement isolé (air-gapped), ce qui est essentiel dans les secteurs réglementés. Échelle auto-déclarée : « Plus de 90 milliards d'observations par mois… adopté par 21 entreprises du Fortune 50. »

Ce en quoi Langfuse excelle réellement. La liberté de licence — cœur MIT sans restriction d'évolutivité entre la version OSS et la version Cloud. La neutralité vis-à-vis des frameworks — plus de 100 intégrations réparties sur environ 40 frameworks et 31 fournisseurs de modèles, incluant neuf passerelles concurrentes (LiteLLM, Portkey, OpenRouter, Kong, TrueFoundry). La couverture de la résidence des données — régions US (us-west-2), UE (eu-west-1) et JP (ap-northeast-1), en plus d'une région compatible HIPAA, des certifications SOC 2 Type II, ISO 27001 et de la conformité RGPD, avec la possibilité d'un auto-hébergement isolé. La profondeur de la gestion des prompts — versionnage, étiquettes de publication, composabilité, mise en cache côté serveur et côté client. Et un tarif très avantageux à l'entrée.

LangSmith : vue d'ensemble

LangSmith est la plateforme d'observabilité, d'évaluation et de déploiement d'agents développée par LangChain. La plateforme elle-même n'est pas open source — seul le SDK l'est, accessible sur github.com/langchain-ai/langsmith-sdk sous licence MIT, affichant 1 062 stars au 25 septembre 2026. L'auto-hébergement et les déploiements hybrides sont strictement réservés à l'offre Enterprise.

Il s'agit d'une réelle contrainte, mais c'est également le choix stratégique de LangSmith : en ne proposant pas de distribution auto-hébergée accessible à tous, l'équipe livre un produit plus riche en fonctionnalités.

[SCREENSHOT: LangSmith — exécution LangGraph dans la vue de trace, présentant le graphe de l'agent aux côtés de la chronologie des étapes]

Les fonctionnalités absentes de Langfuse :

• Déploiement d'agents. Déploiements serverless et dédiés, Studio, API Assistants, planification cron et exposition d'un agent déployé sous forme de serveur MCP.
• Bacs à sable (sandboxes) pour exécuter du code généré par les agents.
• Une passerelle LLM complète intégrant le contrôle des coûts, la limitation de débit, le basculement automatique entre modèles (fallbacks), le masquage des PII et des secrets, ainsi que la prise en charge de vos propres clés API (BYOK).
• Engine, qui regroupe les comportements des agents sous forme d'incidents, diagnostique les erreurs de code et propose des correctifs. Il s'exécute toutes les 6 heures par défaut sauf s'il est désactivé — un élément à garder en tête lors de la lecture de la section tarifaire.
• Évaluateurs ajustés (Tuned Evaluators) (en bêta publique depuis septembre 2026), qui adaptent un évaluateur à vos données annotées. Disponible uniquement sur les offres Plus et Cloud Enterprise, exclusivement aux États-Unis.

Concernant le tracing lui-même, les deux solutions sont très proches. LangSmith prend en charge OpenTelemetry de manière native et mappe les conventions sémantiques GenAI ainsi que les attributs TraceLoop, OpenInference et Logfire, avec fan-out via le Collector. Sa liste de frameworks couvre AutoGen, Claude Agent SDK, CrewAI, Google ADK, Mastra, Microsoft Agent Framework, OpenAI Agents SDK, PydanticAI, Semantic Kernel, Strands et le Vercel AI SDK. La solution ne se limite pas à LangChain, contrairement à ce que la marque pourrait suggérer.

Ce en quoi LangSmith excelle réellement. La profondeur d'intégration avec LangChain et LangGraph, en tant que solution native. Sa capacité à dépasser la simple observabilité — le déploiement, les bacs à sable et la passerelle couvrent trois catégories dans lesquelles Langfuse n'intervient pas. Le tri autonome des défaillances grâce à Engine. Un plafond de rétention des traces étendu à 400 jours. Enfin, sa simplicité opérationnelle : rien à auto-héberger, aucun cluster ClickHouse à maintenir.

Tarifs : les chiffres clés ne sont pas comparables

Les deux éditeurs publient leurs tarifs publics. Les comparer directement est un piège, car les unités facturables diffèrent d'environ un ordre de grandeur.

Langfuse Cloud (constaté le 25 septembre 2026) :

Les remises sur volume s'élèvent à 7 $/100k (1 à 10M d'unités), 6,50 $ (10 à 50M) et 6 $ (50M+).

La définition de l'unité détermine votre facture : « Unités = Nombre de Traces + Nombre d'Observations + Nombre de Scores. » L'exemple concret fourni par Langfuse indique 20 070 traces + 119 500 observations + 561 scores = 140 131 unités par mois — soit environ sept unités facturables par trace. La documentation répond également à la question évidente : « Les unités générées par les fonctionnalités de Langfuse comptent-elles dans les unités facturables ? Oui. » Cela inclut les évaluations par LLM (LLM-as-a-judge), les files d'attente d'annotation et les expérimentations. Lancer plus d'évaluations augmente directement les coûts.

LangSmith (constated le 25 septembre 2026) :

Une trace LangSmith représente « une exécution unique de votre application… Elle peut inclure de nombreuses étapes individuelles. » Une trace de base bénéficie d'une rétention de 14 jours ; une trace étendue offre 400 jours de rétention « moyennant des frais supplémentaires. »

Deux éléments importants sont à souligner. D'une part, LangSmith ne publie pas de tarif de dépassement par trace — la page indique simplement « facturation au fil de l'eau par la suite ». D'autre part, le reste de la plateforme utilise des unités abstraites : 1 LCU (LangChain Compute Unit) = 1,50 $ et 1 LSU (LangChain Storage Unit) = 1,00 $. Engine consomme environ 5 à 30 LCU par exécution — soit 7,50 $ à 45 $ par exécution, selon la fréquence par défaut de 6 heures. Les Tuned Evaluators coûtent 0,01 LCU par exécution (0,015 $). Le déploiement fait l'objet d'une facturation distincte : calcul au runtime 0,045 LCU/vCPU-heure, mémoire au runtime 0,006 LCU/Go-heure, calcul base de données 0,177 LSU/vCPU-heure, mémoire base de données 0,025 LSU/Go-heure. Les startups peuvent solliciter jusqu'à 10 000 $ de crédits.

La comparaison essentielle. L'exécution d'un agent générant 20 appels LLM représente 1 trace de base LangSmith et environ 21+ unités Langfuse. Avec le tarif de Langfuse à 8 $/100k, cela équivaut à environ 0,0017 $ par exécution ; le tarif équivalent de LangSmith n'est pas publié. Ne vous contentez pas de comparer 29 $ à 39 $ — modélisez d'abord la structure de vos traces.

Déploiement et architecture : étude comparative

Une précision s'impose, car l'affirmation contraire est fréquemment répétée bien qu'obsolète : Langfuse propose désormais une passerelle LLM. Il s'agit d'un service indépendant développé en Rust dans le répertoire ai-gateway/, exposant des « API natives de fournisseurs sous deux espaces de noms : /openai/v1 … /anthropic/v1. » Prenez soin de lire la note d'architecture avant d'appuyer vos projets dessus — « la passerelle transmet l'inférence exclusivement vers les chemins officiels des fournisseurs. Elle ne gère pas les nouvelles tentatives, ne suit pas les redirections et n'accepte pas les modifications de routage côté client. » Pas de répartition de charge, pas de basculement automatique, pas de mise en cache sémantique ni de gestion des budgets. C'est un relais de capture couvrant deux fournisseurs pour enregistrer des traces sans instrumentation SDK — ce n'est pas un routeur, et Langfuse ne le prétend pas.

Les pièges les plus fréquents

1. Une explosion du nombre d'unités non anticipée. Le ratio de Langfuse (~7 unités par trace) reste gérable jusqu'à ce qu'un framework d'agents génère 40 observations par exécution. Dans ce cas, un plan Core à 29 $ offrant 100k unités ne couvre plus que 2 500 exécutions par mois. Les équipes s'en aperçoivent généralement lors de la réception de la première facture de dépassement.

2. Des évaluations facturées deux fois. Sur Langfuse, les scores attribués par un LLM (LLM-as-a-judge) constituent des unités facturables et consomment des tokens du modèle juge. Sur LangSmith, Engine s'exécute par défaut toutes les 6 heures pour un coût de 7,50 $ à 45 $ par passage — soit environ 900 $ à 5 400 $ par mois si le paramétrage reste inchangé. Ces mécanismes sont documentés, mais ils surprennent régulièrement les utilisateurs.

3. L'évolution de l'offre entreprise auto-hébergée après le rachat. La page des tarifs d'auto-hébergement de Langfuse indique désormais que l'offre Enterprise auto-hébergée avec support est « incluse avec ClickHouse Cloud, ClickHouse BYOC ou ClickHouse Private, » et que « la tarification Langfuse s'ajoute à votre contrat commercial ClickHouse. » La version sous licence MIT reste inchangée. Cependant, l'auto-hébergement bénéficiant du support de l'éditeur est désormais lié à un contrat ClickHouse — il s'agit du changement le plus significatif découlant du rachat à ce jour (septembre 2026).

4. L'observabilité ne garantit pas le contrôle. Une trace vous informe a posteriori qu'une requête a coûté 0,42 $ et a duré 9 secondes. Elle n'interrompt pas la requête, ne plafone pas les dépenses de l'équipe, ne bloque pas une injection de prompt et ne gère pas le basculement si le fournisseur renvoie une erreur 503. Le tracing n'est pas la bonne couche pour appliquer des règles de gestion, ce que les deux éditeurs s'accordent à reconnaître.

Vous souhaitez appliquer des règles de coûts et de conformité avant l'appel plutôt que de les constater après ?

Acheminez votre trafic via un point d'accès gouverné unique tout en conservant votre outil de tracing actuel.

Commencer gratuitement

Le positionnement de TrueFoundry

Pour parler clairement : TrueFoundry ne remplace ni Langfuse ni LangSmith. Ces derniers constituent la couche d'observabilité et d'évaluation. L'AI Gateway de TrueFoundry se positionne comme le point de contrôle situé en amont des modèles et exporte les traces vers l'une ou l'autre de ces solutions via OpenTelemetry. Langfuse intègre d'ailleurs déjà TrueFoundry parmi les neuf passerelles qu'il prend en charge — preuve évidente que ces couches sont complémentaires et non concurrentes.

La passerelle donne accès à plus de 1 000 LLM derrière une API unique compatible OpenAI, en n'ajoutant qu'environ 3 à 4 ms de latence et en traitant plus de 350 RPS sur 1 vCPU. Ces performances permettent de la placer en amont de chaque appel, et non seulement des plus critiques. La gestion des budgets, les limites de débit, les garde-fous, l'attribution des coûts et le basculement automatique deviennent ainsi applicables depuis ce point unique.

L'architecture adoptée par la plupart des équipes consiste à appliquer les règles de sécurité et à attribuer les coûts au niveau de la passerelle, puis à transmettre les traces à la plateforme privilégiée par les ingénieurs pour le débogage et l'évaluation. S'il s'agit de LangSmith, l'intégration est documentée. S'il s'agit de Langfuse, le point de terminaison OTLP s'utilise de la même manière. Vous n'avez pas à choisir entre la gouvernance et l'observabilité.

La configuration du routage constitue un autre levier clé, situé en amont de la facturation d'observabilité : en dirigeant chaque requête vers le niveau de modèle le plus adapté plutôt qu'en utilisant systématiquement le modèle le plus puissant, vous réduisez à la fois vos dépenses d'inférence et le volume de traces coûteuses à stocker.

Vous utilisez déjà Langfuse ou LangSmith ?

Conservez votre outil. Placez la passerelle en amont et visualisez le coût par équipe, par modèle et par agent au même endroit.

Commencer gratuitement

Tableau comparatif détaillé

Articles connexes

• Qu'est-ce que l'observabilité LLM ? — la catégorie à laquelle appartiennent ces deux produits
• Outils d'observabilité LLM
• Langfuse vs Portkey — la comparaison côté passerelle
• Intégration de l'AI Gateway TrueFoundry avec LangSmith
• Qu'est-ce qu'un plan de contrôle IA ?

Conclusion

Chacun de ces outils excelle dans son domaine. Langfuse a misé sur l'ouverture : un cœur sous licence MIT, un auto-hébergement possible partout (y compris en environnement isolé), trois régions cloud et le choix délibéré de ne s'enfermer dans aucun framework d'agents. Ce choix stratégique est resté intact après le rachat par ClickHouse, à l'exception d'une condition commerciale concernant l'auto-hébergement supporté. LangSmith a fait le choix de la profondeur au sein de son propre écosystème, en proposant trois fonctionnalités clés — le déploiement, les bacs à sable et une véritable passerelle — sur lesquelles Langfuse ne se positionne pas.

Le choix dépend donc du niveau de contrôle souhaité sur votre infrastructure. Vous privilégiez la propriété du code et la flexibilité de déploiement ? Optez pour Langfuse. Vous recherchez un produit complet réduisant la gestion opérationnelle au minimum au sein d'un environnement LangChain ? Choisissez LangSmith. Dans les deux cas, prenez le temps de modéliser votre volume réel de traces : les prix d'appel affichés peuvent être trompeurs.

Gardez enfin à l'esprit qu'aucun de ces deux outils n'a été conçu pour appliquer des règles de gestion en temps réel. Tous deux analysent des événements déjà survenus. Si vous devez mettre en place un point d'accès gouverné unique en amont de chaque appel de modèle — pour gérer les budgets, les limites de débit, les garde-fous, l'attribution des coûts ou le basculement automatique —, cette couche se place en amont et transmet ses données à la solution d'observabilité de votre choix.

Démarrez gratuitement avec TrueFoundry