Latest / Le centre de gravité / Datadog — le milliard que votre IA vous coûte sans que vous le sachiez

Transcript

Datadog — le milliard que votre IA vous coûte sans que vous le sachiez · Le centre de gravité

• 0:00
  Épisode data Dog, le milliard que votre IA vous coûte sans que
• 0:03
  vous le sachiez. Chapitre un, le milliard
• 0:07
  silencieux, un chiffre record et un aveu caché dans les foot.
• 0:11
  Notes, 1 mai 2026 Data Dog publie ses résultats
• 0:14
  trimestriels, un milliard de dollars de revenus en un seul
• 0:18
  trimestre, +32% en un an. Les analystes applaudissent, le
• 0:24
  titre Monte et dans la même semaine, discret, un rapport
• 0:27
  sort du même immeuble. Le rapport s'appelle State of AI
• 0:31
  Engineering 2026 et il dit une chose que personne ne voulait
• 0:33
  entendre, 5% des appels vers les grands modèles de langage
• 0:36
  échouent en production, 5%. Ça paraît peu.
• 0:41
  Mais imaginez une chaîne d'assemblage automobile où 5
• 0:44
  pièces sur 100 sortent abîmées. Vous l'arrêteriez immédiatement
• 0:48
  dans vos taxes ia, vous continuez à tourner.
• 0:50
  Pourquoi ces erreurs ? Non, parce que les modèles.
• 0:52
  Seraient mauvais ? Ni parce que vos ingénieurs
• 0:55
  seraient incompétents. 60% de ces échecs viennent d'un seul
• 0:58
  problème, les rate limits. Les quotas API dépassés.
• 1:02
  L'infrastructure de base. Qui cède sous le poids ?
• 1:05
  En mars 2026, datadog a compté. 8,4 1000000 d'erreurs de rate
• 1:09
  limite en un seul mois sur son seul périmètre de client,
• 1:13
  8000000 ? 400000.
• 1:15
  Fois un agent IAA tendu la main vers un modèle et n'a rien reçu
• 1:19
  en retour. La question que ça pose n'est
• 1:21
  pas technique. c'est quoi savait ?
• 1:23
  Vos équipes produit, votre DSI, votre CEO qui a annoncé on est
• 1:27
  une entreprise IA maintenant. Lors du dernier séminaire, Data
• 1:29
  Dog savait parce que data Dog c'est précisément l'outil qui
• 1:33
  regarde ce que vous ne Regardez pas.
• 1:35
  Et c'est là que leur milliard prend tout son sens.
• 1:38
  Il ne gagne pas parce que votre IA fonctionne, il gagne parce
• 1:41
  qu'elle casse. Chapitre 2LIA aveugle, comment
• 1:48
  les entreprises ont déployé des agents sans filet et ce que les
• 1:52
  données révèlent sur la réalité de la production.
• 1:54
  Revenons en arrière de 18 mois, fin 2024 début 2025, le mot
• 1:59
  agent IA est sur toutes les lèvres, les directions métiers
• 2:02
  demandent des démos, les DSI commandent des Poc, les start-up
• 2:06
  lèvent sur la promesse d'agents autonomes et les équipes
• 2:09
  d'ingénierie déploient. Vite, trop vite ?
• 2:11
  Le problème n'est pas la vitesse en soi.
• 2:13
  Le problème, c'est que déployer un agent IA ressemble de
• 2:16
  l'extérieur, a déployé une API classique.
• 2:18
  Vous appelez un endpoint, vous Obtenez une réponse.
• 2:20
  Sauf que ce n'est pas une API classique, c'est un système non
• 2:23
  déterministe enchaîné à d'autres systèmes non déterministes qui
• 2:26
  s'exécutent dans des fenêtres de contexte limité, avec des
• 2:29
  modèles différents selon les tâches, servis par des
• 2:32
  fournisseurs différents selon le coût.
• 2:36
  Selon le rapport State of AI Engineering 2026 de Data Dog,
• 2:40
  69% des entreprises utilisent aujourd'hui 3 modèles d'i a ou
• 2:44
  plus. En parallèle, des comportements
• 2:46
  différents, des quotas distincts, des formats de
• 2:48
  réponse incompatibles, le tout dans un seul workflow que
• 2:52
  personne ne surveille de bout en bout et les frameworks d'agent
• 2:55
  long chain laminedex crue et I et leurs cousins ont.
• 2:59
  Vu leur adoption. Doubler en un an, ce doublement
• 3:01
  n'est pas un signe de maturité, c'est un signe d'accélération
• 3:05
  aveugle. Chaque nouveau framework ajoute
• 3:07
  une couche d'abstraction entre l'ingénieur et ce qui se passe
• 3:10
  réellement à l'exécution. Open AI reste le fournisseur
• 3:13
  dominant à 63% de parts, mais Google Gemini gagne 20 points,
• 3:16
  anthropic cloud en gagne 23. Résultat, des architectures en
• 3:19
  patchwork où chaque modèle est choisi pour une tâche précise,
• 3:24
  sans que personne n'ait vraiment cartographié les
• 3:26
  interdépendances. Imaginez une cuisine de
• 3:28
  restaurant étoilé où le chef de partie des sauces travaille avec
• 3:32
  une recette. Le chef des viandes avec une
• 3:35
  autre, le pâtissier avec une 3e et personne ne sait exactement
• 3:39
  ce que les autres ont mis dans leur préparation ce soir.
• 3:42
  Vous Obtenez parfois un repas brillant et parfois une
• 3:45
  intoxication silencieuse dans vos systèmes.
• 3:47
  IA, l'intoxication silencieuse, c'est l'erreur que personne ne
• 3:51
  voit. Le cas client qui a reçu une
• 3:53
  réponse fausse le workflow qui a tourné en boucle pendant 45 Min
• 3:56
  sans déclencher d'alerte le modèle qui a atteint son quota à
• 4:00
  03h00 du matin. Et que votre système a contourné
• 4:03
  avec un foldback dont personne ne se souvient avoir configuré ?
• 4:08
  Chapitre 3, le péage invisible data Dog ne subit pas la
• 4:12
  complexité IA, il en a besoin. Posez vous une question
• 4:15
  inconfortable. Data Dog AT il intérêt à ce que
• 4:19
  vos stacks deviennent plus simple techniquement, leur
• 4:21
  plateforme peut surveiller des architectures simples aussi bien
• 4:24
  que des architectures complexes. Mais économiquement, chaque
• 4:27
  agent IA que vous déployez est un nouveau point
• 4:30
  d'instrumentation, chaque modèle supplémentaire une nouvelle
• 4:32
  source de métrique et l'ensemble forme une couche d'abstraction
• 4:35
  que vous ne pouvez plus traverser à l'œil nu.
• 4:38
  Leur chiffre d'affaires croît exactement au rythme de votre
• 4:40
  complexité. Ce n'est pas un reproche, c'est
• 4:42
  une lecture structurelle et data Dog a joué cette position avec.
• 4:47
  Une précision remarquable, Regardez les lancements produits
• 4:50
  de ce premier trimestre 2026, le MCP serveur Data Dog il connecte
• 4:53
  les agents IA et les environnements de développement
• 4:55
  directement aux données d'observabilité en temps réel.
• 4:58
  Traduction, vos agents peuvent maintenant interroger data Dog
• 5:01
  pendant leur exécution. Ce n'est plus un outil que vos
• 5:05
  ingénieurs consultent après l'incident, c'est une dépendance
• 5:06
  active dans la boucle de décision de vos agents.
• 5:10
  Le GPU Monitoring en disponibilité générale à l'heure
• 5:12
  où chaque entreprise construit ses propres pailles.
• 5:17
  D'inférence, surveiller les GPU devient aussi critique que
• 5:20
  surveiller les CPU l'était en 2015, data Dog a mis la main sur
• 5:24
  ce marché avant qu'il explose beat AI, Security analyst, un
• 5:28
  analyste de sécurité autonome intégré au CM cloud de data Dog,
• 5:32
  capable de réduire le temps d'investigation des menaces
• 5:35
  jusqu'à 98%, 98%. Ce chiffre est vertigineux, mais
• 5:40
  il dit aussi quelque chose d'intéressant.
• 5:42
  Si un outil I à peut faire ce travail 98% plus vite, combien
• 5:46
  de ce travail ? Du bruit et qui vous vendez ce
• 5:49
  bruit jusqu'ici ? Datadog signe aussi un
• 5:51
  partenariat stratégique avec Sacana et I, laboratoire de
• 5:54
  recherche IA de nouvelle génération basée au Japon, avec
• 5:58
  un focus initial sur les grands comptes Enterprises en Asie, et
• 6:01
  obtient la certification Fedramp I le 6 mai 2026, ouvrant les
• 6:05
  marchés fédéraux américains pour les données classifiées les plus
• 6:08
  sensibles. Chaque mouvement suit la même
• 6:10
  logique, s'insérer comme couche incontournable entre votre
• 6:13
  infrastructure et votre IA, pas en vous forçant la main, en
• 6:16
  étant là avant que vous. Réalisiez que vous en aviez
• 6:18
  besoin. Chapitre 4, la sécurité qu'on
• 6:22
  voit et qu'on ne corrigé pas quand avoir les bonnes données
• 6:25
  ne change rien et ce que ça révèle sur vos organisations.
• 6:28
  En février 2026, Datadop publie son State of dev C COPS 2026.
• 6:31
  Le chiffre d'accroche, 87% des organisations tournent avec au
• 6:34
  moins une vulnérabilité connue et exploitable dans leurs
• 6:36
  services en production, 87%. Pas des vulnérabilités
• 6:44
  théoriques, des vulnérabilités répertoriées documentées avec
• 6:48
  des exploits publics disponibles.
• 6:50
  Et la médiane de retard sur les dépendances logicielles est de
• 6:53
  278 jours, 63 jours de plus que l'année précédente.
• 6:57
  Les services Java sont les plus exposés à 59%, suivi par potnet
• 7:02
  à 47%. Mais il YA1 détail que ce
• 7:04
  rapport révèle presque en passant et qui mérite qu'on s'y
• 7:06
  arrête. Seulement 18% des vulnérabilités
• 7:08
  labellisées critiques restent réellement critiques une fois le
• 7:11
  contexte d'exécution pris en compte. 18%, ça veut dire que
• 7:15
  82% des alertes critiques que vos équipes de sécurité
• 7:17
  reçoivent sont du bruit des alarmes incendie déclenchées par
• 7:19
  la vapeur d'un café. Résultat, vos équipes sont
• 7:22
  anesthésiées, elles voient tout et traitent peu parce que quand
• 7:26
  tout est critique, rien ne l'est.
• 7:32
  Ce phénomène a un nom dans les organisations matures, la
• 7:34
  fatigue d'alerte, et data Dog le documente avec soin dans son.
• 7:38
  Rapport. Parce que beat AI Security
• 7:40
  Analyst est précisément conçu pour résoudre ce problème, la
• 7:43
  boucle est parfaite. Data Dog publie un rapport qui
• 7:46
  démontre l'ampleur du problème. Data Dog lance un produit qui
• 7:49
  résout ce problème. Data Dog mesure l'adoption du
• 7:52
  produit via sa propre plateforme.
• 7:54
  Pas de la manipulation, une stratégie de marché exécutée
• 7:57
  avec une cohérence remarquable. Mais la vraie ?
• 7:59
  Question que ce rapport force à poser n'est pas avez-vous le bon
• 8:02
  outil ? C'est pourquoi voyez-vous le
• 8:05
  problème depuis des mois et ne bougez vous.
• 8:07
  Pas les 2. 178 jours de retard sur les dépendances ne viennent
• 8:11
  pas d'un manque de. Visibilité, vos équipes savent.
• 8:14
  Il manque de temps, de priorisation, d'arbitrage clair.
• 8:17
  Entre la dette technique. Et les nouvelles
• 8:19
  fonctionnalités ? L'outil ne règle pas ça,
• 8:21
  l'organisation le règle ou ne le règle pas.
• 8:25
  Chapitre 5, qui contrôle le regard ?
• 8:28
  Contrôle l'infrastructure, la grille de lecture pour la
• 8:31
  prochaine décennie ? Il y a une analogie qui éclaire
• 8:34
  bien ce que data Dog est en train de construire.
• 8:35
  Dans les années 2000, Amazon, Google et Microsoft ont compris
• 8:38
  avant tout le monde que l'infrastructure physique, les
• 8:41
  serveurs, les data centers, la connectivité allaient devenir le
• 8:45
  vrai actif stratégique de l'économie numérique.
• 8:47
  Pas les applications. Par-dessus l'infrastructure, par
• 8:50
  dessous, ils ont investi massivement, ils ont construit
• 8:52
  des positions incontournables. Et aujourd'hui, vous payez AWS
• 8:55
  ou Azure presque mécaniquement, parce que l'alternative serait
• 8:58
  de tout reconstruire, data Dog joue le même jeu, une couche
• 9:01
  au-dessus, l'infrastructure physique appartient aux
• 9:04
  hyperscalers. La couche d'observation de tout
• 9:07
  ce qui tourne sur cette infrastructure, c'est le terrain
• 9:09
  de data Dog. Et à l'heure où l'i a multiplie
• 9:11
  les composants dynamiques non déterministes distribués, la
• 9:14
  valeur de cette couche d'observation explose.
• 9:16
  Pensez y autrement, un hyperscaller vous loue de la
• 9:20
  puissance de calcul, Data Dog vous vend de la compréhension de
• 9:22
  ce que vous faites avec. Dans un monde où vos systèmes
• 9:25
  deviennent trop complexes pour qu'un humain les suive en temps
• 9:28
  réel, la compréhension vaut plus que la puissance brute.
• 9:31
  La certification fedrimp high obtenue le 6 mai 2026 n'est pas
• 9:34
  anodine. Elle dit data Dog est assez
• 9:36
  fiable pour surveiller les systèmes des agences fédérales
• 9:39
  américaines. Ce tampon, une fois obtenu,
• 9:41
  ouvre des marchés où la confiance se paie très cher.
• 9:44
  Le MCP serveur n'est pas un gadget, il transforme data Dog
• 9:46
  d'un outil consulté après coup en une dépendance active dans le
• 9:50
  raisonnement de vos agents. Même logique avec le.
• 9:54
  Partenariat sacana ai ai dont le focus initial cible le Japon
• 9:58
  marché Enterprise Dance, Culture de la fiabilité systémique,
• 10:02
  adoption IA accélérée dans les grands groupes industriels, la
• 10:05
  géographie n'est pas choisie au hasard.
• 10:07
  Ce que tout cela dessine, c'est un acteur qui ne veut plus être
• 10:10
  votre outil de monitoring, il veut être votre système nerveux.
• 10:13
  La question que vous devriez vous poser aujourd'hui n'est pas
• 10:16
  est ce que j'utilise data Dog ? C'est jusqu'où je laisse cette
• 10:19
  dépendance aller parce que le prochain incident dans votre
• 10:21
  organisation, qu'il vienne d'un agent IA qui boucle.
• 10:24
  Enfin d'une vulnérabilité connue jamais corrigée ou d'un pipeline
• 10:27
  GPU qui sature à 00h00, il sera visible dans data Dog avant
• 10:31
  d'être visible dans vos rapports.
• 10:33
  D'équipe et c'est. Exactement leur pari.
• 10:35
  Celui qui voit en premier décide en premier, vous écoutiez data
• 10:39
  Dog, le milliard que votre IA vous coûte sans que vous le
• 10:42
  sachiez. Merci d'avoir écouté jusqu'au
• 10:43
  bout. Si cet épisode vous a donné une
• 10:45
  grille de lecture utile, partagez le à quelqu'un qui
• 10:48
  déploie de l'i a en ce moment, il en a probablement besoin.