L'IA réinvente la manière dont les équipes d'ingénierie écrivent du code, analysent les problèmes et exploitent leurs systèmes. Des interfaces conversationnelles aux investigations agentiques, en passant par les intégrations MCP approfondies et l’optimisation pilotée par l’IA, les nouveautés annoncées lors du DASH de cette année facilitent l’utilisation de l’IA sur l’ensemble de vos workflows, en s’appuyant sur la télémétrie à laquelle votre équipe fait déjà confiance.
Désormais, vous pouvez interroger votre environnement en langage naturel avec Bits Chat, lancer des investigations autonomes à partir d'un test en échec, connecter vos agents de codage préférés au contexte Datadog en direct et mesurer l'impact réel des outils d’IA sur vos livraisons. Ces fonctionnalités, parmi d’autres, aident les équipes à accomplir davantage tout en laissant aux ingénieurs le contrôle des décisions stratégiques. Découvrez ci-dessous toutes les nouveautés pour tirer parti de l’IA, et consultez nos autres articles récapitulatifs pour connaître les dernières avancées en matière d'observabilité, de mise à l’échelle et de sécurité.
Recherchez, analysez et agissez plus rapidement dans Datadog avec Bits Chat
Bits Chat est l'interface d’IA conversationnelle de Datadog qui aide les équipes à rechercher, analyser et agir sur l’ensemble de leurs données d’observabilité. Disponible dans Datadog, Slack et sur mobile, Bits Chat permet aux utilisateurs d’obtenir des réponses plus rapidement, sans changer d’outil ni reconstruire des requêtes. Utilisez Bits Chat pour effectuer des recherches dans votre environnement Datadog, générer des ressources comme des dashboards et des notebooks, analyser et dépanner des incidents, et bien plus encore, le tout via une interface en langage naturel.
Interagissez avec Bits AI par commande vocale dans l’application mobile Datadog
Bits IA disponible dans l'application mobile Datadog prend désormais en charge la saisie vocale. Interrogez Bits sur l’état de santé de votre système ou sur un incident actif, par commande vocale ou par texte, et obtenez des réponses enrichies par le contexte issu de la documentation publique de Datadog, des données de télémétrie et de la propriété des services. Pour commencer, ouvrez l'application mobile Datadog et appuyez sur Bits Chat.
Créez des dashboards à partir de prompts en langage naturel avec Bits Chat
Bits Chat peut désormais générer des dashboards Datadog complets et des widgets individuels à partir d’un simple prompt en langage naturel, transformant un objectif de surveillance en une visualisation prête à l'emploi en quelques secondes. Par exemple, vous pouvez demander à Bits Chat de créer un dashboard pour surveiller la latence de paiement et les taux d’erreur du service de boutique en ligne ; il sélectionnera les métriques, traces et logs appropriés, puis les assemblera dans un dashboard complet avec les types de widgets et les regroupements adaptés. Vous pouvez également itérer de manière conversationnelle : sélectionnez un widget pour modifier sa requête, ajouter une nouvelle visualisation ou restructurer une section. Le travail manuel de création des dashboards est ainsi réduit, ce qui permet aux équipes de passer plus rapidement de la question à la réponse. En savoir plus dans notre article de blog dédié.
Créez et mettez à jour des notebooks d’investigation à partir d’un prompt avec Bits Chat
Bits Chat peut désormais générer des notebooks Datadog complets à partir d’un simple prompt en langage naturel, transformant une question ou un objectif d’investigation en document structuré avec du texte, des visualisations et des requêtes en direct en quelques secondes. Demandez à Bits Chat de créer une investigation sur le récent pic d’erreurs dans le service de boutique en ligne : il recherche les données de télémétrie pertinentes et construit le notebook avec une hypothèse, des visualisations à l’appui et les principaux constats. Vous pouvez également modifier des notebooks existants de manière conversationnelle : il vous suffit de sélectionner une section et de demander à Bits de la réécrire, d'ajouter une autre requête SQL ou de générer un playbook à partir d'un incident. En savoir plus dans notre documentation.
Utilisez le langage naturel pour écrire des requêtes sophistiquées avec Bits Chat dans DDSQL Editor
Bits Chat apporte des requêtes en langage naturel à DDSQL Editor : décrivez ce que vous voulez en anglais courant et obtenez du SQL sans écrire les requêtes de zéro. Utilisez-le pour rédiger des requêtes complexes sans avoir à mémoriser la syntaxe, par exemple pour joindre des conteneurs à des métriques CPU afin de repérer les workloads surprovisionnés, agréger les logs d’erreurs entre les services afin d’identifier des schémas de latence d’ingestion, ou interroger RUM et Product Analytics pour suivre les tendances d’engagement des utilisateurs. Vous pouvez également demander à Bits Chat d'expliquer comment fonctionne une requête existante ou d'optimiser une requête lente à partir d’un simple prompt. Comme Bits Chat connaît vos schémas et sources de données disponibles, il génère des requêtes limitées aux tables qui vous intéressent. En savoir plus dans notre documentation.
Analysez les traces lentes ou en échec avec Bits Chat
Lorsqu'une requête est lente ou échoue, les développeurs doivent souvent examiner une trace span par span afin de comprendre quel service, quelle opération ou quelle dépendance a contribué au problème. La fonctionnalité APM Trace Analysis de Bits Chat aide à automatiser cette révision pour les traces individuelles. À partir d'une trace dans APM, les utilisateurs peuvent cliquer sur Fix with Bits pour lancer une analyse. Bits Chat examine la trace, corrèle les spans pertinents avec les logs associés lorsqu’ils sont disponibles, et met en évidence les traces de pile et le contexte d’erreur afin d’expliquer ce qui s’est passé, où le problème est survenu dans le chemin de la requête et ce qu’il faut analyser ensuite. Lorsque Source Code Integration est configuré, Bits Chat peut également suggérer un correctif au niveau du code en guise de suivi. Pour en savoir plus, lisez notre documentation.
Analysez la latence des services avec Bits Chat
Les investigations de latence nécessitent souvent de comparer le comportement normal et dégradé des requêtes, d’identifier où le temps est passé et de comprendre quels points de terminaison, dépendances et tags sont les plus corrélés à un ralentissement. Les investigations de latence APM dans Bits Chat intègrent ce workflow dans une expérience guidée en langage naturel, directement depuis les vues des services et ressources APM. Lorsque les utilisateurs demandent à Bits Chat d’examiner un problème de latence, Bits analyse les données de spans pertinentes, compare les traces lentes à des schémas de requêtes plus sains, identifie les goulots d’étranglement dans le chemin de la requête et met en évidence les dimensions les plus associées au ralentissement. Les ingénieurs peuvent ainsi passer du constat « quelque chose est lent » à une étape concrète successive, sans naviguer manuellement entre les dashboards. Pour en savoir plus, lisez notre documentation.
Analysez les pics de coûts et les dépassements de budget en quelques minutes avec la fonctionnalité Cloud Cost de Bits Chat
Identifier ce qui entraîne un changement de coût implique généralement de passer d’un dashboard à l’autre, de filtrer par équipe et par service, et de reconstituer le contexte à partir des données d’observabilité, ce qui peut représenter plusieurs heures de travail pour une seule investigation. La fonctionnalité Cloud Cost de Bits Chat transforme ce workflow en conversation. Demandez à Bits d’examiner une anomalie de coûts, une alerte de monitor ou un dépassement de budget : il renvoie un résumé indiquant l’impact en dollars, le coût annuel projeté, les équipes responsables, ainsi que le contexte lié aux tarifs et à l'utilisation. Vous pouvez ensuite explorer les principaux facteurs de coûts, corréler les dépenses avec des métriques comme l’utilisation CPU ou le volume de requêtes, comparer les coûts réels aux budgets, et consigner l’ensemble de l’investigation dans un Datadog Notebook afin de la transmettre à l’équipe responsable. La fonctionnalité couvre les coûts cloud, SaaS, IA et Datadog, offrant aux spécialistes FinOps et aux ingénieurs un point d’entrée unique pour répondre aux questions ponctuelles sur les coûts. Consultez notre documentation pour en savoir plus.
Analysez et résolvez les problèmes avec Bits AI.
Diagnostiquez les problèmes frontend plus rapidement avec RUM Agentic Investigations.
Pour les ingénieurs frontend, l’analyse des problèmes implique généralement de passer d’un outil à l’autre afin de corréler les données provenant de l’ensemble de leur stack. Datadog RUM Agentic Investigations aide les équipes à identifier plus rapidement les causes profondes en analysant automatiquement les événements RUM, les traces APM et les logs réseau, puis en générant des constats classés par priorité et étayés par des preuves. Les ingénieurs peuvent lancer des investigations directement à partir d'une session unique, d'une page lente ou d'un parcours critique, puis examiner les résultats structurés qui s'affichent dans l'interface utilisateur en temps réel. Les équipes peuvent poursuivre l’investigation via une interface de chat intégrée, enregistrer les résultats dans un Notebook ou ouvrir le contexte dans Bits Code afin de générer un correctif de code. Pour en savoir plus, lisez notre article de blog ou consultez notre documentation..
Obtenez des informations exploitables sur les performances via le profilage et Bits AI
Continuous Profiler offre une visibilité au niveau du code sur la manière dont les applications consomment le CPU, la mémoire et d’autres ressources. Toutefois, les données de profilage sont souvent denses et difficiles à parcourir pour les profils non experts, ce qui conduit la plupart des développeurs à sous-utiliser le profilage. Datadog expose désormais les données de profilage aux agents d’IA via de nouveaux outils MCP, Bits Chat et Bits Investigation, de sorte que tout ingénieur peut simplement demander : « Quels sont les principaux goulots d’étranglement de ce service au cours des 15 dernières minutes ? » Bits identifie automatiquement les données de profilage pertinentes pour le service et la fenêtre temporelle concernés, met en évidence les pics notables et les principaux consommateurs de CPU à travers le CPU, la mémoire et le temps d'exécution, puis traduit les résultats en synthèses en langage clair, accompagnées des étapes à suivre recommandées. En intégrant le profilage aux workflows agentiques que les développeurs utilisent déjà, cette fonctionnalité élargit l’accès à l’un des datasets les plus avancés de Datadog et réduit le temps nécessaire à la remédiation pendant les incidents.
Planifiez l’exécution récurrente de prompts et de correctifs avec Bits Code Automations
Même lorsque les équipes savent exactement quelle dette technique corriger, ce travail passe souvent après les priorités fonctionnelles. Bits Code Automations transforme ce backlog en workflow continu en permettant à Bits Code de s’exécuter selon un planning ou en fonction de déclencheurs de télémétrie, au lieu d’attendre qu’un ingénieur lance chaque session manuellement. Planifiez des prompts récurrents pour traiter une catégorie de problèmes au rythme de votre équipe, par exemple corriger cinq tests instables chaque semaine ou trier les principales nouvelles erreurs chaque matin. Vous pouvez également configurer Bits pour lancer un correctif dès qu’un signal de télémétrie admissible apparaît, selon les règles que vous définissez autour des services, des signaux et de la gravité. Chaque automatisation produit toujours une pull request prête pour révision, de sorte que les humains contrôlent ce qui est fusionné, et chaque exécution planifiée ou déclenchée est suivie depuis une vue unique parallèlement aux résultats et à l'état de la PR. Les automatisations sont disponibles dès aujourd’hui dans Error Tracking, Test Optimization, APM Recommendations, Code Security et les prompts personnalisés pour les tâches générales de codage, avec d’autres surfaces Datadog bientôt prises en charge. Pour en savoir plus, consultez notre article de blog et la documentation.
Triez plus rapidement les échecs de tests Synthetic avec Bits Investigation
Lorsqu’un test Synthetic de navigateur ou d’API échoue, deux questions se posent immédiatement : s'agit-il d'un véritable problème, et si oui, pourquoi ? Répondre à ces deux questions implique souvent de passer manuellement au crible les traces, les logs, les métriques d’infrastructure et l’historique des tests avant de pouvoir confirmer la portée du problème ou en identifier la cause. Bits Investigation intègre le triage assisté par l’IA à Synthetic Monitoring, en classant automatiquement les échecs comme des régressions probables ou des erreurs de configuration de test, et en générant des hypothèses sur la cause profonde étayées par des preuves liées, issues des traces APM, des métriques d’infrastructure et de l’activité de déploiement. Les investigations peuvent être lancées à la demande ou configurées pour se déclencher automatiquement selon la criticité du monitor. Pour en savoir plus, lisez notre article de blog.
Visualisez les alertes et lancez des investigations Bits AI sur un diagramme d'infrastructure en direct
Lorsque l'infrastructure ou les services sont défaillants, vous devez rapidement visualiser ce qui est impacté et corriger le problème. Le nouveau diagramme Monitors avec Bits Investigation affiche l’ensemble de vos monitors, afin que, lorsqu’une alerte vous est signalée, vous puissiez évaluer le périmètre d’impact en voyant quelles autres alertes se déclenchent sur l’infrastructure associée. Vous pouvez ensuite survoler n’importe quelle ressource ou n’importe quel service du diagramme afin que Bits AI lance une investigation et remonte jusqu’à la cause profonde. Essayez-le maintenant sur n'importe quelle ressource Monitor générant des alertes ; cliquez sur un événement spécifique pour afficher le diagramme. Vous pouvez également lancer une investigation depuis n’importe quelle ressource dans le diagramme Cloudcraft Monitors.
Intégrez Bits Investigation à votre workflow de réponse aux incidents
Lorsque les ingénieurs déclarent un incident, ils doivent souvent rassembler manuellement le contexte à partir de plusieurs outils avant de pouvoir commencer l’investigation. Vous pouvez désormais déclencher Bits Investigation directement depuis un canal Slack d’incident ou depuis Datadog Incident Management, en intégrant automatiquement la chronologie de l’incident, les données de télémétrie Datadog associées et tout contexte partagé dans une investigation active. Bits AI publie en temps réel des constats et une hypothèse de cause profonde dans le thread du canal Slack, et apparaît comme intervenant nommé dans l’enregistrement de l’incident. Les ingénieurs bénéficient ainsi d’un co-investigateur IA qui travaille en parallèle dès la déclaration de l’incident, sans configuration manuelle requise. Découvrez-en plus dans notre documentation Incident AI.
Analysez les problèmes de gouvernance détectés en quelques minutes avec Bits Investigations dans Governance Console
Governance Console met en évidence les schémas de télémétrie coûteux et les configurations obsolètes dans l’ensemble d’une organisation Datadog. Toutefois, agir sur un constat implique encore de reconstituer manuellement ce qui a changé, qui en est responsable et quel contrôle appliquer. Governance Agent, associé à Bits Investigations, comble cette lacune. Depuis un Insight produit ou un contrôle, les administrateurs lancent le moteur Bits Investigations alimenté par le contexte de gouvernance. Bits indique quand la croissance a commencé, les principaux services et équipes qui y contribuent, ainsi que le changement de configuration à l’origine du problème, puis oriente l’administrateur vers le contrôle approprié pour l’atténuer. Le même moteur Bits Investigations qui alimente les investigations d’incidents de production est désormais directement intégré au workflow de gouvernance. Pour plus d'informations, lisez notre documentation ou contactez votre représentant commercial.
Consultez les récapitulatifs de réunion générés par l’IA dans la chronologie unifiée des incidents
Les conférences de crise sont le lieu où se prennent la plupart des décisions liées aux incidents, mais consigner ce qui s’y dit nécessite toujours qu’une personne prenne des notes. Incident Meeting Summaries publie automatiquement des récapitulatifs générés par l’IA des conférences de crise Zoom, Microsoft Teams et Google Meet directement dans la chronologie de l’incident et le canal Slack. Les récapitulatifs sont générés à la fin de chaque appel, ainsi que toutes les 10 minutes pendant un appel actif, afin que les personnes qui rejoignent la réunion en cours de route puissent se mettre à jour sans interrompre les échanges. Vous pouvez contrôler quels incidents sont résumés selon le service, la gravité, la visibilité ou le tag. En savoir plus dans notre documentation Zoom Incident Management.
Intégrez le contexte Datadog à vos workflows d’IA
Intégrez la télémétrie Datadog en direct à vos agents d’IA grâce aux intégrations natives
Grâce aux connecteurs et plug-ins Datadog disponibles sur toutes les principales plateformes d’agents d’IA, telles que Claude Code, Claude Desktop, Claude Cowork, les applications ChatGPT, Codex CLI et Cursor, les développeurs peuvent exploiter tout le potentiel de la stack d’observabilité Datadog directement depuis les outils qu’ils utilisent déjà au quotidien. En se connectant à Datadog, votre agent d’IA peut récupérer les logs d’erreurs récents, visualiser un pic de métrique, résumer un incident ouvert ou inspecter une trace distribuée, le tout sans quitter votre éditeur, votre terminal ou votre interface de chat. Tous les agents web prennent également en charge les MCP Apps, afin d’offrir la même expérience de visualisation riche que celle à laquelle les développeurs sont habitués dans Datadog. En savoir plus dans notre article de blog. Pour découvrir l’ensemble des connecteurs et plug-ins disponibles, consultez le Datadog Agent Directory.
Octroyez à vos agents d'IA un accès en direct à Datadog depuis la ligne de commande
Les agents d’IA font désormais partie du quotidien des ingénieurs pour écrire, déployer et dépanner les logiciels. Pourtant, la plupart n’ont toujours pas d’accès direct à la télémétrie de production en temps réel et s’appuient sur des clés d’API à longue durée de vie, disséminées dans les pipelines CI et les environnements shell. Pup CLI offre aux agents de type shell un accès OAuth à périmètre défini à plus de 33 domaines produit Datadog, via un binaire unique proposant plus de 200 commandes et couvrant notamment Logs, APM, RUM, Cloud SIEM, Incident Management, et bien plus encore. Les agents peuvent récupérer le schéma de commande dynamiquement via pup agent schema, analyser les sorties JSON ou YAML structurées, et enchaîner les résultats avec des outils comme jq et grep. Les compétences incluses, dédiées au triage des incidents et à la corrélation entre logs et traces, s’intègrent directement aux workflows Claude Code et Cursor. Pup CLI s'associe au serveur Datadog MCP, qui couvre les agents de type chat dans les IDE et les assistants. Lisez notre article de blog ou consultez Pup sur GitHub pour commencer.
Intégrez la télémétrie Datadog dans vos workflows d'IA avec MCP Apps
Le serveur Datadog MCP prend désormais en charge MCP Apps, qui vous permettent de visualiser la télémétrie Datadog directement dans des outils d’IA comme Claude, Cursor, Codex et ChatGPT. Les workflows d’IA sont ainsi enrichis au-delà du texte et des tableaux avec l’ajout d’expériences interactives, notamment des séries temporelles, des graphiques circulaires, des cartes arborescentes, des top lists, et bien plus encore, dans les outils d’IA pris en charge. À partir de requêtes en langage naturel comme « Pourquoi la latence de paiement a-t-elle augmenté après un déploiement récent ? » ou « Comment évolue la conversion de paiement ce mois-ci ? », votre outil d’IA peut récupérer des graphiques de latence en direct ou des funnels Product Analytics, vous permettant de mener des investigations de bout en bout sans ouvrir de fenêtre distincte.
Découvrez comment les MCP Apps améliorent vos workflows d'IA existants dans notre article de blog dédié et consultez les autres intégrations d'IA récemment publiées par Datadog ici.
Mesurez l'impact des outils de codage d'IA sur vos livraisons de logiciels
Les responsables de l’ingénierie investissent massivement dans les assistants de codage d’IA, mais peinent à relier ces investissements à des résultats concrets en matière de livraison. Datadog AI Impact aide à combler cette lacune en reliant la télémétrie d’utilisation des outils de codage d’IA comme Claude Code, Cursor et Copilot à vos métriques de livraison, en étiquetant chaque commit avec l’outil et le modèle qui l’ont assisté à mesure que le code passe de la pull request à la production. Visualisez précisément le pourcentage de votre code assisté par l’IA, comparez côte à côte le travail assisté par l’IA et le code écrit par des humains en matière de vitesse et de stabilité, et évaluez les outils et modèles à partir des données de votre propre équipe (et non du classement d’autrui) afin que chaque décision d’adoption ou de renouvellement s’appuie sur vos données de livraison. Pour en savoir plus, consultez notre article de blog et la documentation.
Unifiez la visibilité Kubernetes multicluster avec les outils MCP de Datadog
L’investigation des problèmes Kubernetes sur plusieurs clusters nécessite d’exécuter les mêmes commandes kubectl sur chacun d’eux, puis de reconstituer manuellement le contexte de propriété, de service et d’environnement que kubectl ne peut pas fournir. Le serveur Datadog MCP inclut désormais un ensemble d'outils Kubernetes qui permet aux agents d’IA compatibles avec MCP d'interroger les ressources de l'ensemble de votre flotte de clusters en un seul appel, avec des résultats enrichis par les métadonnées de Datadog. Les agents peuvent enchaîner les outils de recherche, de description et de récupération de manifestes de cet ensemble dans des workflows de triage des incidents, de cartographie du périmètre d’impact, de détection de dérive, de contrôles de gouvernance et d’analyse des risques liés aux PR. Lisez notre article de blog pour en savoir plus.
Enrichissez le contexte APM des agents d’IA grâce à l’ensemble d’outils MCP d’APM
Le serveur Datadog MCP octroie déjà aux agents d’IA l’accès aux données de télémétrie APM essentielles via des outils tels que la recherche de traces et la recherche de spans. L’ensemble d’outils MCP d’APM étendu, désormais disponible en Preview, intègre davantage de données APM à la couche MCP, notamment la découverte des tags de spans, les recommandations APM et les déploiements issus du suivi des modifications. Avec ce contexte supplémentaire, les agents peuvent analyser les problèmes de service, comprendre les dimensions de spans pertinentes, identifier des opportunités d’optimisation et faire remonter les déploiements récents qui ont pu contribuer à un problème. Pour commencer avec l'ensemble d'outils MCP d’APM, lisez la documentation des outils du serveur Datadog MCP ou inscrivez-vous à la Preview.
Interrogez vos données de télémétrie Datadog en toute flexibilité avec l’API DDSQL et les outils MCP
L’API DDSQL et les outils MCP vous permettent d’exécuter par programmation des requêtes DDSQL sur vos données de télémétrie Datadog, à l’aide du même SQL compatible Postgres que celui disponible dans DDSQL Editor. L’ensemble d’outils MCP fournit également aux agents comme Claude et ChatGPT le contexte dont ils ont besoin pour rédiger des requêtes DDSQL à votre place, avec des outils de découverte de schémas permettant de parcourir les tables et colonnes disponibles, une recherche de champs entre les sources de données et une référence de syntaxe DDSQL. Cela ouvre la voie à des cas d’usage comme la gouvernance automatisée des tags sur vos comptes AWS, GCP et Azure, la jointure des taux d’erreur des logs avec la latence des spans pour mettre en évidence les services dégradés, ou l’analyse des traces LLM Observability afin de suivre l’utilisation des tokens et les performances des modèles sur l’ensemble de vos pipelines d’IA. Pour en savoir plus, consultez notre documentation ou initiez-vous au serveur Datadog MCP.
Concevez des workflows agentiques pour la réponse aux alertes et la remédiation avec Bits Agent Builder
À mesure que les systèmes évoluent, les workflows automatisés que les équipes créent pour gérer les alertes et la remédiation nécessitent des branches logiques de plus en plus complexes et codées en dur. Bits Agent Builder, désormais disponible en général, ajoute une orchestration pilotée par l'IA àBits Agent Builder, désormais disponible en disponibilité générale, ajoute une orchestration pilotée par l’IA à Datadog Workflow Automation, permettant aux ingénieurs de créer des agents sur mesure, capables de raisonner face à la complexité plutôt que de suivre un script figé. Les ingénieurs décrivent les objectifs d’un agent en langage naturel, contrôlent les sources de données et les outils auxquels il peut accéder, puis déploient des agents capables d’interpréter les données d’observabilité de Datadog et les signaux tiers afin d’agir automatiquement ou à la demande via le chat. En savoir plus dans notre article de blog.
Instrumentez votre application pour Datadog sans quitter votre environnement de développement avec Agentic Onboarding
Avec Agentic Onboarding, Datadog intègre l’instrumentation et la configuration directement aux workflows existants des développeurs, via AI Setup CLI ou le serveur Datadog MCP. Les développeurs peuvent ainsi configurer l’observabilité sans avoir à quitter leur environnement, parcourir la documentation ni appliquer manuellement des configurations complexes. Setup CLI s’exécute dans votre terminal, détecte votre stack et configure Datadog en instrumentant les configurations IaC ou le code de l’application. Le serveur MCP intègre ces mêmes outils d’onboarding aux assistants de codage IA, afin que la configuration s’effectue directement dans l’IDE. Les équipes passent ainsi de zéro à une instrumentation complète en quelques minutes, sans quitter leur environnement de développement ni avoir besoin d’un expert Datadog. Pour en savoir plus, lisez notre documentation.
Offrez aux agents d’IA et aux outils de développement un accès sécurisé et auditable aux hôtes d’infrastructure avec Datadog Agent MCP
Datadog Agent MCP est un nouvel ensemble d’outils d’actions à distance qui étend le serveur Datadog MCP. Il offre aux systèmes d’IA et aux CLI de développement un accès shell à la demande, direct, en temps réel, sécurisé et auditable à vos hôtes d’infrastructure, via un canal relayé par le backend et alimenté par Private Action Runner. En langage naturel, vous pouvez lire des fichiers de logs, inspecter l’état des processus, décrire des pods et événements Kubernetes, et diagnostiquer des problèmes réseau sans accès SSH ni envoi de données depuis l'hôte. Les agents d’IA comme Claude Code, OpenAI Codex et Bits AI peuvent exécuter des commandes shell et invoquer des scripts à la demande directement sur vos hôtes.
Pour être éligible à cette Preview, vous devez déjà exécuter Datadog Agent (v7.80+) et être en mesure d’installer Private Action Runner dans votre environnement.
Réduisez les coûts et améliorez les performances avec l'IA
Centralisez votre déploiement et gestion de Kubernetes Autoscaling
L'ajustement du dimensionnement des workloads Kubernetes à l’échelle de tout la flotte est l’une des optimisations de coûts à plus fort impact, mais il nécessitait jusqu’ici une expertise propre à chaque service, difficile à mettre à l’échelle. Datadog Kubernetes Autoscaling permet désormais d’étendre plus rapidement et plus sûrement l’autoscaling des workloads à l’ensemble de votre cluster, avec trois modes de déploiement : l’activation en masse depuis la page de configuration intégrée à l’application, la gestion des politiques en tant que code avec des profils de cluster GitOps, et la génération de manifestes assistée par l’IA. Le redimensionnement vertical en place applique les modifications d'ajustement aux demandes de ressources des conteneurs, en limitant les perturbations par rapport à une recréation des pods. Consultez notre article de blog pour en savoir plus.
Mettez en avant une gamme plus large d'optimisations de services avec AI Recommendations
AI Recommendations d’APM étend l’expérience APM Recommendations existante en utilisant l’IA pour mettre en avant un plus large éventail d’opportunités d’optimisation des services, notamment les caches manquants, la latence de traîne, la contention des ressources, la saturation des pools de connexions, la sérialisation excessive, les charges utiles non bornées, et bien plus encore. Les équipes peuvent examiner, trier et suivre AI Recommendations jusqu’à la résolution dans APM. Lorsque Source Code Integration est configuré, Datadog peut utiliser le contexte du code pour améliorer la précision des recommandations et aider les équipes à identifier où appliquer un correctif. Pour en savoir plus, consultez notre documentation.
Éliminez plus rapidement le gaspillage lié au stockage cloud avec Datadog Storage Management et Bits Chat
À mesure que l’IA et d’autres workloads gourmands en données entraînent une croissance exponentielle du stockage objet, les schémas de coûts les plus importants sont de plus en plus souvent masqués sous le niveau du bucket. Les nouvelles recommandations de Datadog Storage Management et son intégration avec Bits aident les équipes d’ingénierie et FinOps à identifier et réduire les principaux facteurs de coûts dans leur stockage cloud. Storage Management met automatiquement en évidence les sources de gaspillage ou d’inefficacité, comme les petits fichiers qui augmentent les frais par objet, les objets dupliqués et les données froides stockées dans des classes de stockage coûteuses. .Grâce à l’intégration avec Bits Chat, vous pouvez analyser les buckets de stockage en langage naturel afin d’identifier les facteurs de coûts et de générer des constats adaptés à la disposition de vos données, à vos schémas d’accès et à vos configurations existantes. Storage Management pour Amazon S3 est disponible dès aujourd’hui en disponibilité générale, tandis que Google Cloud Storage et Azure Blob Storage sont disponibles en Preview. Pour en savoir plus, lisez notre documentation.
Optimisez les tâches Spark et Databricks avec l’IA et Datadog Jobs Monitoring
Les tâches Spark et Databricks peuvent s’exécuter pendant des heures et coûter plusieurs milliers de dollars par mois. Pourtant, identifier le bon goulot d’étranglement parmi la configuration, la conception des requêtes, le code et l’infrastructure nécessite encore des heures d’investigation manuelle. Datadog Jobs Monitoring met en avant des recommandations prioritaires sur l’ensemble de vos pipelines, avec des estimations d’économies basées sur des données réelles d’exécution en production. Le serveur Datadog MCP apporte quant à lui le contexte d’exécution Spark directement dans votre agent de codage, afin que vous puissiez analyser et corriger les tâches sans quitter votre éditeur. Pour en savoir plus, lisez notre article de blog.
Analysez et normalisez automatiquement tous vos logs
Les pipelines de logs transforment les messages de logs bruts en attributs structurés qui alimentent la recherche, le filtrage, les dashboards et les monitors dans Datadog. Bien que Datadog fournisse des pipelines prêts à l’emploi pour de nombreuses sources de logs, les logs d’applications personnalisés nécessitent encore que les ingénieurs créent manuellement des règles d’analyse syntaxique Grok, des processeurs et des règles de remappage. Ce processus demande une expertise spécifique et une maintenance continue à mesure que les formats de logs évoluent. Auto-Processing réduit cette charge en détectant automatiquement les logs non parsés à l’ingestion, en générant des règles d’analyse syntaxique et en remappant les attributs clés comme l’horodatage, le statut, le service, l’ID de trace et l’ID de span, le tout sans configuration requise. Auto-Processing est également entièrement géré : Datadog surveille en continu la précision et s’adapte à l’évolution de vos formats de logs, afin que votre équipe n’ait plus jamais à maintenir de règle Grok. Inscrivez-vous à notre Preview d’Auto-Processing pour commencer.
Générez des règles d’analyse syntaxique Grok basées sur l'IA d'un simple clic
Les équipes DevOps gèrent souvent de grands volumes de logs personnalisés qui arrivent non structurés, mal formatés ou non analysés. Toutefois, rédiger des règles Grok personnalisées pour analyser ces données est difficile, sujet à des erreurs de syntaxe et chronophage. Désormais, Datadog Observability Pipelines prend en charge l’analyse syntaxique Grok assistée par l’IA, afin que les équipes puissent générer des règles d’analyse syntaxique en un clic depuis l’interface. Collez vos exemples de logs et produisez automatiquement des règles d’analyse syntaxique pour normaliser vos données selon la taxonomie de votre choix. Pour en savoir plus, lisez notre documentation ou contactez votre représentant commercial.
Créez des applications internes assistées par agent avec Datadog Apps
Les agents de codage IA accélèrent la création d’applications internes, mais ces applications ont toujours besoin d’un moyen fiable de s’exécuter, de se connecter à des systèmes externes et de s’intégrer aux workflows que les équipes utilisent au quotidien. Datadog Apps offre aux équipes une approche axée sur le code pour créer des applications à partir des agents, IDE et pipelines CI qu’elles utilisent déjà. Au lieu de déployer des outils autonomes qui entraînent des changements de contexte supplémentaires, les équipes peuvent intégrer ces applications directement dans les dashboards, notebooks, pages de service et la Page d'accueil des développeurs de Datadog. Les applications utilisent le modèle d’identité et d’autorisations de Datadog, et peuvent se connecter à des systèmes externes via des connexions configurées. Datadog instrumente également les applications pour vous aider à surveiller leur état de santé et leurs performances, notamment les erreurs, l’activité des utilisateurs et les tendances d’utilisation.
Pour commencer, lisez notre article de blog ou la documentation et inscrivez-vous à la Preview.
Gagnez en visibilité sur l’utilisation, les performances et les dépenses liées à l’IA grâce aux intégrations IA de Datadog
Les nouvelles intégrations Datadog avec les principaux outils et fournisseurs d’IA sur l’ensemble de la stack offrent aux équipes un point d’entrée unique pour suivre l’adoption de l’IA, mesurer son impact sur la productivité et maîtriser les coûts. Mettez en évidence la consommation de tokens, les schémas d’utilisation des modèles et les tendances de coûts sur l’ensemble de vos workloads de l’API Anthropic.. Intégrez les données de facturation et d’utilisation OpenAI dans Datadog afin de ventiler les dépenses par modèle, projet et période. Obtenez de la visibilité sur sur l’utilisation des licences, les taux d’acceptation des suggestions et l’usage actif de GitHub Copilot dans l’ensemble de votre organisation. Importez les métriques d’activité et d’adoption de Microsoft Copilot dans Datadog afin de comprendre quelles équipes utilisent activement l’assistance IA et si Copilot génère des gains de productivité mesurables. Suivez la manière dont vos équipes de développement utilisent les fonctionnalités de codage alimentées par l'IA de Cursor , notamment les interactions avec les modèles, la fréquence d’utilisation et les tendances d’adoption. Surveillez votre infrastructure Supabase Cloud , des performances des bases de données et de la mise en pool des connexions au volume de requêtes API et à l’activité d’authentification. Connectez également votre passerelle IA existante à Datadog LLM Observability afin d’exécuter des évaluations avec vos propres clés d’API et vos accès aux modèles. En savoir plus sur les intégrations IA de Datadog dans notre documentation.
