Plans tarifaires de Datadog

Le modèle d’abonnement de Datadog fonctionne comme un buffet « à la carte » : on commence par l’infrastructure de base, puis chaque fonctionnalité ajoutée vient augmenter le coût selon votre utilisation. Pour la base, Datadog propose un système de tarification par paliers – Gratuit, Pro et Enterprise – afin de regrouper les fonctionnalités standards de la surveillance d’infrastructure. Selon nous, cette organisation rend la découverte des fonctionnalités essentielles pour vos serveurs simple et claire ; néanmoins, la vraie complexité réside dans les modules complémentaires. Lorsque vous achetez "Datadog", vous prenez l’offre Infrastructure, puis vous pouvez ajouter l’APM (Application Performance Monitoring) pour votre code, la gestion des logs pour vos traces, et éventuellement le RUM (Real User Monitoring) si vous avez un frontend.

Selon nous, l’unité de facturation la plus précise chez Datadog est le « Host » ; cependant, il est crucial de comprendre comment cette notion est définie. Que ce soit une VM, un nœud Kubernetes ou une instance cloud, vous payez généralement un tarif fixe par host, par mois. Nous vous conseillons vivement de surveiller aussi leur système de facturation au « high-water mark », qui peut entraîner des frais supplémentaires en cas de pics d’utilisation temporaires. Ce modèle offre une grande flexibilité, mais il demande une gestion rigoureuse pour suivre tous les « compteurs » tels que les métriques personnalisées ou le volume d’ingestion des logs. Pour nous, c’est une plateforme évolutive, parfaitement adaptée à vos besoins, à condition d’accepter d’avoir plusieurs lignes sur votre facture chaque mois.

Datadog aide les organisations à transformer un volume ingérable de données brutes en une vue claire de l’activité de leurs systèmes. Datadog offre une “vue unifiée” qui regroupe les trois piliers de l’observabilité - métriques, logs et traces - afin que les équipes n’aient plus à naviguer entre dix outils pour trouver un bug. Selon nous, la vraie force de Datadog réside dans sa capacité à corréler les événements ; comme toutes les données sont associées aux mêmes métadonnées, lorsqu’une hausse de latence apparaît sur votre application Java, vous pouvez aller directement au pod Kubernetes ou à la requête base de données responsable du ralentissement. Pour nous, Datadog ne sert pas simplement à observer les défaillances : il est conçu pour réduire le temps de résolution des incidents (MTTR) de plusieurs heures à quelques minutes.

Nous pensons que l’optimisation est le domaine où Datadog révèle toute sa valeur. Grâce à la carte des services et à l’APM (Application Performance Monitoring), les équipes peuvent arrêter de supposer quel micro-service crée le goulot d’étranglement. Nous conseillons d’utiliser l’IA “Watchdog” de Datadog pour repérer les défaillances silencieuses comme une fuite mémoire lente, souvent invisibles avec des alertes statiques. Même si nous savons que le coût peut devenir élevé, surtout si l’ingestion des logs n’est pas maîtrisée, la visibilité accrue sur l’utilisation des ressources permet de prendre de meilleures décisions sur la gestion de capacité. Selon nous, la vraie différence réside entre ajouter des ressources sans comprendre la cause du problème, et identifier le code inefficace qui consomme votre CPU.

Les équipes qui tirent le plus parti de Datadog se trouvent généralement dans des environnements cloud natifs très vastes et dynamiques, où la “visibilité” est indispensable pour rester compétitif. En général, nous considérons que les équipes DevOps et SRE sont les principales bénéficiaires de Datadog, puisqu’elles gèrent principalement les microservices présents sur différents environnements (AWS, Azure, GCP). Si votre architecture comprend des centaines de conteneurs ou de fonctions serverless, il est impossible de tout gérer avec un simple système de logs. Selon nous, Datadog comble le vide entre les couches d’infrastructure et d’applications, offrant ainsi un atout majeur aux ingénieurs plateforme pour établir une base solide sur laquelle l’entreprise peut évoluer.

Nous pensons également qu’un autre public tire un grand bénéfice de Datadog – même s’il reçoit moins d’attention – à savoir les responsables produit et ingénierie. Si un déploiement échoue au point de démotiver l’équipe de développement, un tableau de bord partagé que développeurs et managers peuvent utiliser pour visualiser ce qui s’est passé permet d’éviter la question des responsabilités. Dans cette optique, nous recommandons Datadog à toutes les équipes qui adoptent un modèle “vous le développez, vous l’exploitez”, où les développeurs doivent pouvoir suivre en quasi temps réel l’impact de leur code en production. Bien que les petites équipes ou celles ayant une structure plus figée puissent trouver Datadog trop complexe à exploiter, toute entreprise qui mise sur la livraison rapide de produits et souhaite relier ses KPIs métiers à la performance technique y trouvera un outil clé dans son environnement. Pour nous, Datadog s’adresse aux équipes qui ne veulent plus avancer à l’aveugle et souhaitent faire de la visibilité un pilier de leur culture organisationnelle.

Que vous considériez l'observabilité comme une assurance « essentielle » ou un « centre de coûts », la valeur de Datadog pour la montée en charge et la fiabilité dépendra de votre approche vis-à-vis de votre plateforme d’observabilité. À notre avis, Datadog prend tout son sens pour garantir une infrastructure évolutive et fiable lorsque votre système repose sur un vaste réseau de microservices où cinq minutes d’interruption coûtent bien plus cher que votre abonnement SaaS annuel. Le côté tout-en-un de Datadog offre un réel avantage à vos SRE, qui peuvent arrêter de jouer les enquêteurs et se concentrer sur le développement. Je recommande vivement ce produit aux organisations en forte croissance, pour qui il devient impossible de continuer à gérer une stack ELK (ElasticSearch/Logstash/Kibana) ou des serveurs Prometheus.

D’après mon expérience, il faut toutefois rester vigilant face à la « taxe Datadog ». De nombreuses entreprises ont eu de mauvaises surprises sur leur facturation après avoir activé toutes les fonctionnalités du service sans maîtriser l’ingestion de logs ou la cardinalité des métriques personnalisées. Pour nous, Datadog s’apparente à une voiture de sport haut de gamme - elle vous amènera plus vite à destination que n’importe quel autre véhicule, mais son entretien et son carburant ont un coût. Je recommande donc Datadog aux organisations qui privilégient la rapidité des développeurs et la disponibilité, même si cela implique un investissement supérieur dans les outils. À mes yeux, Datadog est un excellent choix pour la fiabilité, à condition qu’une personne de l’équipe surveille l’utilisation du service afin que le retour sur investissement ne soit pas englouti par la facture mensuelle.

Nous avons constaté – et reçu de nombreux retours à ce sujet – que le plan Pro de Datadog est de loin le plus utilisé. Et il est facile de comprendre pourquoi. Le plan Pro correspond parfaitement à ce que l’on appelle le « juste milieu » parmi toutes les offres disponibles : il propose un ensemble de fonctionnalités adapté à la majorité des startups de taille moyenne et aux équipes techniques en croissance, pour un tarif raisonnable. Si la version gratuite est un peu trop limitée pour certaines entreprises et que la version entreprise représente un saut important en termes de coût et de complexité, alors Pro devient l’option idéale pour la plupart des responsables d’environnements de production, car il inclut les outils essentiels (15 mois de métriques et des systèmes d’alertes). C’est selon nous le niveau de base pour toute organisation ayant dépassé la phase d’expérimentation et dont les clients dépendent désormais de leur disponibilité.

Nous pensons également que sa popularité s’explique par son excellente intégration avec l’écosystème global. Les équipes avec lesquelles nous échangeons ne se contentent pas d’acheter un outil de supervision d’infrastructure, mais intègrent en parallèle l’APM ou la gestion des logs, et Pro constitue le point d’ancrage idéal pour ces modules complémentaires. Nous recommandons le plan Pro à environ 80% des organisations avec lesquelles nous travaillons, car il offre suffisamment d’historique pour tirer des enseignements sans vous imposer l’achat de solutions avancées de machine learning ou de fonctions de gouvernance coûteuses, souvent inutiles à ce stade. Selon nous, sauf si vous êtes une très grande entreprise soumise à des exigences strictes de conformité, ou un utilisateur individuel, Pro sera le choix privilégié pour la majorité des équipes car il correspond tout simplement à la façon de travailler de la plupart des développeurs aujourd’hui.

Pour tirer le meilleur parti de votre abonnement Datadog, il est essentiel d’équilibrer visibilité globale et gestion rigoureuse des coûts - sinon, ce “single pane of glass” peut vite devenir un luxe onéreux. Que vous débutiez ou que vous soyez en pleine croissance, l’objectif est de garantir que chaque euro investi génère des insights exploitables, plutôt que d’accumuler des données inutiles que personne ne consultera.

Voici nos meilleures pratiques d’experts pour garder une configuration efficace et optimisée :

1. Profitez de notre offre exclusive : Selon nous, la meilleure façon de commencer est de supprimer la barrière du coût initial. Vous pouvez bénéficier de 1 an gratuit sur le plan Pro grâce à notre offre Datadog. Cela vous donne une vraie longueur d’avance pour créer vos tableaux de bord et vos alertes sans penser à la facture pendant douze mois.

1. Engagez-vous à l’année pour 15% d’économies : Si vous avez dépassé la phase de test, nous conseillons de passer d’une facturation mensuelle à annuelle. Payer à l’année permet généralement d’obtenir 15% de réduction (le prix Pro passe de 18 $ à 15 $ par hôte), ce qui devient significatif à mesure que votre infrastructure s’agrandit.

1. Passez en revue votre formule tarifaire : Il est crucial de vérifier régulièrement votre utilisation. Si vous n’utilisez pas les fonctionnalités avancées comme Watchdog ou une gestion complexe des accès, il est possible de passer à une formule plus abordable pour économiser. À l’inverse, ne laissez pas un plan Pro freiner votre équipe si vous perdez du temps sur des tâches manuelles que l’IA de l’offre Enterprise pourrait automatiser.

1. Faites le tri dans vos extensions : La modularité de Datadog est un atout, mais peut aussi compliquer la gestion. Nous recommandons de limiter strictement les extensions superflues, comme les logs à forte rétention ou les métriques personnalisées en excès. Utilisez les “Ingestion Controls” pour filtrer jusqu’à 90% des logs de débogage dès l’entrée, afin de ne payer que pour les données réellement utiles.

Quand vous essayez de comprendre combien d’« événements » Datadog autorise par hôte, il est facile de se perdre dans leur terminologie. Chez Datadog, « événements » désigne généralement l’une de deux choses : les notifications système (comme la fin d’un run Chef ou le crash d’un conteneur) ou les « événements de logs ». Pour la surveillance d’infrastructure, leur gestion est plutôt flexible, mais il existe quelques limites importantes à connaître.

De notre point de vue, voici comment les limites s’appliquent concrètement :

1. Événements d’infrastructure (notifications système) : Pour la surveillance standard d’infrastructure, Datadog n’impose généralement pas de quota strict « par hôte » sur les événements système (ceux affichés dans votre flux d’événements). On parle ici d’une politique de « bon usage ». Tant que vous n’inondez pas l’API avec des millions d’événements sans valeur, aucun surcoût ne s’applique en principe.

1. Événements de logs : C’est là que les vraies limites s’appliquent. Si vous parlez d’« événements de logs », ils sont facturés séparément de votre plan hôte. Comptez généralement environ 1,70 $ par million d’événements indexés (pour une rétention de 15 jours). Selon nous, c’est ce compteur qu’il faut vraiment surveiller, car un seul hôte très bavard peut générer des millions d’événements en quelques heures.

1. Métriques personnalisées vs. événements : Beaucoup d’utilisateurs confondent ces deux notions. Votre offre Pro inclut 100 métriques personnalisées par hôte (et l’Enterprise en propose 200). Si vous souhaitez suivre des données numériques avec des « événements », nous conseillons plutôt d’utiliser des métriques personnalisées, bien plus rentables pour les données à haute fréquence.

1. Limites de moniteurs : À noter - il existe une limite par compte de 1 000 moniteurs d’événements par défaut. Ce n’est pas une limite « par hôte », mais il est important de la garder en tête si vous gérez un grand parc et souhaitez créer des alertes sur des schémas d’événements spécifiques.