Datadog, Inc. est une entreprise technologique américaine qui fournit une plateforme d'observabilité pour les applications à l'échelle du cloud, offrant des services de surveillance, de sécurité et d'analyse pour les serveurs, les bases de données, les outils et les services via une plateforme d'analyse de données en tant que service (SaaS). Fondée et dont le siège social est situé à New York, l'entreprise est entrée en bourse sur le Nasdaq en 2019 et est depuis devenue un acteur majeur de la surveillance du cloud. Avec l'adoption croissante de l'IA, Datadog a étendu sa plateforme pour prendre en charge la surveillance des charges de travail d'IA, y compris les performances des modèles et les pipelines de données, se positionnant ainsi comme un fournisseur clé d'observabilité pour les opérations de machine learning.
Datadog se concentre sur l'aide aux équipes d'ingénierie pour gérer la fiabilité, les performances et les coûts de leur infrastructure et de leurs applications. Elle propose des tableaux de bord, des alertes et des visualisations de métriques, avec un vaste écosystème d'intégrations prenant en charge les principaux fournisseurs de cloud, les orchestrateurs de conteneurs et les outils de développement d'IA. En 2025, l'entreprise prend en charge plus de 750 intégrations, y compris pour les frameworks d'Artificial intelligence et de Machine learning.
Histoire
Datadog a été fondée à New York en 2010 par Olivier Pomel et Alexis Lê-Quôc, qui se sont rencontrés en tant qu'étudiants de premier cycle à l'École Centrale Paris et ont précédemment travaillé ensemble chez Wireless Generation, une entreprise de technologie éducative. Après l'acquisition de Wireless Generation par NewsCorp, ils ont cherché à créer un produit réduisant les frictions entre les développeurs et les administrateurs système, qui travaillaient souvent à contre-courant. Ils ont construit Datadog comme un service d'infrastructure cloud avec des tableaux de bord, des alertes et des visualisations de métriques, comblant rapidement un besoin alors que l'adoption du cloud augmentait.
En 2015, Datadog a ouvert un bureau de recherche et développement à Paris, élargissant ainsi son empreinte technique. Un an plus tard, elle a déplacé son siège social à New York dans le New York Times Building pour soutenir une équipe qui avait doublé de taille. La surveillance full-stack est arrivée avec la version bêta de l'APM (Application Performance Monitoring) en 2016, suivie d'une croissance dans d'autres domaines.
L'entreprise est entrée en bourse avec une introduction en bourse (IPO) le 19 septembre 2019, vendant 24 millions d'actions et levant 648 millions de dollars, pour une valorisation de 8,7 milliards de dollars. Avant l'IPO, Datadog avait rejeté une offre d'acquisition de 7 milliards de dollars de Cisco. Le jour de l'IPO, l'action a grimpé d'environ 37 %, portant la valeur marchande de l'entreprise à près de 10 milliards de dollars. Datadog a été ajoutée à l'indice S&P 500 en juillet 2025, reflétant sa maturité et sa solidité financière.
Acquisitions
Datadog a connu une croissance grâce à une série d'acquisitions stratégiques pour élargir ses capacités. En avril 2021, elle a acquis Sqreen, une entreprise de sécurité des applications cloud, ajoutant des fonctionnalités de protection et de sécurité d'exécution des applications à sa plateforme. Cela a ajouté une couche de sécurité applicative (AppSec) capable de détecter les menaces en temps réel, utile pour les applications d'IA où la manipulation des entrées peut présenter un risque.
L'entreprise a acquis Codiga en avril 2023, une plateforme d'analyse statique, élargissant ses outils pour les développeurs et la qualité du code. Cela soutient la surveillance des bases de code d'IA et l'examen automatisé du code pour les cas limites, ce qui est utile pour maintenir la qualité d'invocation des modèles. En 2025, elle a poursuivi son expansion avec deux acquisitions : Metaplane (avril 2025), une entreprise d'observabilité des données, et Eppo (mai 2025), une plateforme de gestion de fonctionnalités et d'expérimentation.
Grâce à Metaplane, Datadog a amélioré la surveillance des pipelines de données et des charges de travail d'IA, répondant au besoin de contrôles de qualité des données pour prévenir la dérive des modèles. Eppo a intégré des capacités de gestion de fonctionnalités et d'expérimentation dans la bibliothèque d'analyse de produits, utile pour tester les modèles d'IA dans des environnements de production. Ces acquisitions reflètent une stratégie visant à soutenir l'ensemble du cycle de vie du développement de l'IA.
Produits et services
Datadog propose une gamme de produits d'observabilité, chacun conçu pour prendre en charge les environnements cloud et hybrides. Les produits principaux incluent la surveillance de l'infrastructure, la surveillance des performances réseau et la surveillance des périphériques réseau, qui offrent une visibilité en temps réel sur la santé et les performances. La surveillance des serveurs sans serveur (serverless) étend cela aux charges de travail de type fonction-as-a-service, cruciales pour les services d'inférence d'IA qui s'exécutent souvent sur des architectures sans serveur.
La gestion des coûts cloud aide les entreprises à suivre les dépenses liées aux ressources cloud, y compris le calcul, le stockage et le transfert de données, qui sont significatives lors de l'entraînement de grands réseaux de neurones. La plateforme génère des tableaux de bord, configure des alertes et visualise les métriques, permettant aux équipes de répondre rapidement aux anomalies. Elle s'intègre avec les principaux fournisseurs de cloud, notamment AWS, Google Cloud et d'autres.
Pour les besoins spécifiques à l'IA, Datadog a introduit la surveillance des modèles. Cela se fait via la plateforme, bien que les détails soient peu nombreux. L'entreprise a acquis Metaplane pour gérer la traçabilité et la qualité des données, tandis qu'Eppo apporte l'expérimentation, utile pour les tests A/B de modèles avec différents hyperparamètres. Alors que l'IA générative se répand, Datadog aide à surveiller les modèles génératifs pour leur précision, leur réactivité et leur conformité aux niveaux de service.
Technologie
L'agent Datadog, installé sur les hôtes et les conteneurs, collecte et envoie des métriques au backend. L'agent est écrit en Go, basé sur une réécriture depuis la version 6.0.0 publiée le 28 février 2018. Il utilisait à l'origine Python, mais a été migré vers Go pour de meilleures performances. Le backend s'appuie sur des logiciels de pointe comme Apache Cassandra, PostgreSQL et Kafka, ainsi que sur D3 pour la visualisation des données.
Pour le machine learning, le backend de Datadog prend en charge l'intégration avec les frameworks ML populaires, bien que l'entreprise ne propose pas de formation de modèles. Au lieu de cela, elle agit comme une couche d'observabilité pour les systèmes d'IA. Par exemple, elle surveille les performances réseau pour les clusters d'inférence, et l'agent peut être étendu pour des métriques personnalisées. La plateforme utilise des analyses de données propriétaires pour détecter les anomalies.
Les modèles déployés sur des appareils Apple ou des puces basées sur Arm peuvent être surveillés via des intégrations qui capturent les métriques système. Datadog n'entraîne pas de modèles d'IA ; elle se positionne plutôt comme un outil garantissant que les applications construites avec de grands modèles de langage (LLM) ou d'autres approches fonctionnent de manière fiable, en aidant à résoudre des problèmes tels que la latence de réponse et la consommation de jetons.
Financement et données financières
L'histoire du financement de Datadog témoigne d'une forte confiance des investisseurs. En 2010, Datadog a été lancée avec un tour de table initial comprenant des participants comme NYC Seed, Contour Venture Partners, IA Ventures, Jerry Neumann et Alex Payne. Un tour de série A de 6,2 millions de dollars a suivi en 2012, co-dirigé par Index Ventures et RTP Ventures. La série B est arrivée en 2014, dirigée par OpenView Venture, et en 2015, une série C de 31 millions de dollars a été menée par Index. En 2016, ICONIQ a dirigé une série D de 94,5 millions de dollars, l'une des plus importantes levées de fonds pour une entreprise new-yorkaise cette année-là.
L'introduction en bourse de l'entreprise a établi une valorisation officielle de 8,7 milliards de dollars, et la hausse du cours de l'action a porté sa capitalisation boursière à près de 10 milliards de dollars à la clôture. Les offres publiques ultérieures et la croissance du cours de l'action ont marqué sa vie publique. En 2024, Datadog comptait environ 6 500 employés dans 33 pays, avec des bureaux à New York, Boston, Denver, San Francisco, Paris, Dublin, Amsterdam, Sydney, Tokyo et Singapour, et environ 59 % de ses employés basés aux États-Unis.
Surveillance de l'IA et écosystème
L'expansion de Datadog dans l'observabilité de l'IA s'inscrit dans une tendance plus large des plateformes de surveillance. Alors que des entreprises comme AWS Trainium et Groq fournissent une inférence accélérée par le matériel, Datadog offre la télémétrie logicielle pour suivre les performances et l'utilisation. Pour les charges de travail d'IA, elle fournit des tableaux de bord qui combinent des métriques d'infrastructure avec des métriques spécifiques aux modèles, telles que l'utilisation de jetons et les scores de confiance, aidant les équipes à diagnostiquer les goulots d'étranglement et à maintenir la précision du machine learning.
Les intégrations avec OpenAI et Anthropic sont probables, mais même sans elles, Datadog capture les appels API et leurs coûts. Dans le contexte de l'IA générative, la surveillance peut inclure la modération de contenu pour garantir la conformité des sorties aux politiques. La capacité de Datadog à gérer les flux de données en continu, token par token, utilise cette méthode dans son backend. Sa plateforme aide à atténuer les problèmes de déploiement des modèles, comme la dérive des modèles.
Les entreprises liées dans le domaine de l'observabilité de l'IA incluent des startups telles que Essential AI, mais Datadog se distingue par ses données d'infrastructure. Elle s'aligne également avec des fournisseurs de cloud comme Microsoft Azure, Amazon Web Services et Google Cloud pour aider leurs services d'IA. Bien que Datadog ne fournisse pas les modèles eux-mêmes, elle permet aux équipes ML de garantir que les applications construites sur des grands modèles de langage sont fiables.
Impact et orientations futures
Datadog est devenue un outil standard pour la surveillance du cloud, et son orientation vers l'IA reflète l'évolution du secteur. En 2025, elle a ajouté les acquisitions d'Eppo et de Metaplane, indiquant une volonté de devenir un atout dans le cycle de vie du développement de l'IA. Alors que les applications d'IA sont déployées dans des environnements critiques, l'observabilité est cruciale.
Il est probable que Datadog approfondisse ses capacités en matière d'IA, et l'entreprise, suivant les tendances de l'IA synthétique, n'a pas encore officialisé sa stratégie complète début 2025. Elle continue d'étendre ses intégrations chaque mois, adoptant le support des frameworks d'Artificial intelligence et ajoutant potentiellement des fonctionnalités telles que la surveillance de métriques spécifiques aux LLM. L'avenir pourrait voir davantage de produits d'observabilité des modèles.
En résumé, les revenus de Datadog ont augmenté à mesure qu'elle a ajouté des produits, et sa transition vers une surveillance prête pour l'IA est à la fois une opportunité stratégique et un défi. Avec des concurrents comme AWS Trainium et Groq absents de ce domaine d'observabilité, Datadog reste le choix par défaut pour les développeurs. Son inclusion dans le S&P 500 en 2025 reflète sa stabilité financière, et son orientation vers l'IA est susceptible de stimuler l'innovation dans les domaines du déploiement du Machine learning, de la fiabilité des modèles et de la qualité des données.