La conférence d’ouverture du DASH de cette année a mis en avant Bits AI de Datadog pour les workflows de développement et d’exploitation, avec des agents qui accompagnent vos équipes dans l’investigation, la validation et la correction des problèmes full-stack. La conférence d’ouverture a présenté des dizaines de nouvelles fonctionnalités couvrant la détection et la remédiation autonomes, la validation des versions et les tests pilotés par l’IA, la surveillance unifiée des parcours, ainsi qu’une nouvelle génération d’agents Bits AI capables de conserver les connaissances opérationnelles de vos équipes et d’agir dans le cadre des limites que vous définissez.
Qu’il s’agisse de combler automatiquement les lacunes de surveillance, de déployer du code généré par l’IA en toute sécurité, d’optimiser les requêtes de base de données lentes ou de permettre à des utilisateurs moins techniques d’analyser des systèmes complexes en langage naturel, Datadog aide les équipes à mieux construire avec l’IA. Découvrez dans cet article toutes les principales annonces de la conférence d’ouverture, et consultez nos autres articles récapitulatifs pour voir comment Datadog vous aide à exploiter pleinement l’IA, à bénéficier d’une observabilité de bout en bout, à opérer à grande échelle, ainsi qu’à sécuriser et gouverner votre environnement.
Boucler le cycle opérationnel de la détection à la remédiation
Surveiller de manière autonome les dégradations à fort impact avec Bits Detection
Les nouveaux services sont déployés plus vite que la configuration de surveillance ne peut suivre, laissant des points de terminaison sans alertes, des seuils calibrés sur d'anciens schémas de trafic, et un routage qui devient obsolète à mesure que les équipes se réorganisent. Bits Detection, désormais disponible en version Preview, utilise le contexte dont Datadog dispose déjà sur vos services, points de terminaison, dépendances et historique de déploiement pour créer et maintenir automatiquement une couverture de détection. Il concentre la couverture sur les points de terminaison les plus susceptibles d'affecter les utilisateurs, établit des références à partir du comportement historique plutôt que de seuils statiques, s'adapte à l’évolution des services et relie la détection à l’investigation et à la remédiation autonomes lorsque des problèmes surviennent. Pour commencer, inscrivez-vous à la Preview ou lisez l'article de blog.
Conservez les connaissances opérationnelles de votre équipe avec Bits Memories
La résolution des incidents les plus complexes dépend souvent d'un contexte que la télémétrie en direct ne peut pas fournir, tel que les schémas de défaillance que votre équipe a déjà rencontrés, les correctifs qui ont fonctionné ou échoué, et les détails spécifiques au service qui rendent votre environnement unique. Bits Memories aide à conserver les enseignements opérationnels utiles tirés du travail que votre équipe effectue déjà à travers les investigations, les runbooks, les post-mortems, les conversations Slack, les remédiations antérieures, et plus encore. Bits identifie automatiquement les détails importants et les enregistre en mémoire, de sorte que lorsque des problèmes similaires se présentent plus tard, il puisse utiliser ce contexte sans que les intervenants aient à le redécouvrir ou à le ressaisir sous pression. Pour commencer, inscrivez-vous à la Preview.
Résolvez automatiquement les problèmes avec Bits Remediation
Une fois que Bits a terminé une investigation et identifié une cause profonde, Bits Remediation aide à résoudre le problème. Bits peut exécuter des actions de remédiation sur vos services et votre infrastructure en appelant des API, en exécutant des scripts de remédiation entièrement configurés (comme des commandes kubectl pour redémarrer des déploiements Kubernetes), et en écrivant des correctifs de code que les équipes peuvent ouvrir en tant que de pull requests en un seul clic. Bits Remediation respecte les limites que votre équipe définit, de sorte que les actions soient alignées avec votre environnement et vos préférences en matière de risque. Les équipes passent ainsi moins de temps à convertir les conclusions d’investigation en actions concrètes, tout en laissant aux intervenants le contrôle des opérations exécutées. Pour en savoir plus, consultez notre documentation ou inscrivez-vous à la Preview.
Détectez les problèmes et remédiez-y avant qu’ils ne s’aggravent avec Bits Infrastructure Operations
À mesure que les environnements gagnent en taille et en complexité, et que de nouveaux workloads sont déployés chaque jour, les équipes infrastructure ne peuvent plus trier et corriger manuellement les problèmes sur toute l’étendue de leur infrastructure : hôtes, Kubernetes, serverless et réseaux. Ces problèmes incluent la saturation des disques sur les hôtes, les erreurs CrashLoopBackOff et OOMKilled dans Kubernetes, les limites de concurrence sur AWS Lambda, les certificats TLS arrivant à expiration sur les réseaux, la pression mémoire sur Amazon ECS, et bien plus encore.
Bits Infrastructure Operations, maintenant disponible en version Preview, détecte, analyse et corrige de manière autonome les problèmes d'infrastructure courants et répétitifs avant qu’ils ne dégénèrent en incidents. Il signale également les changements d'infrastructure risqués dans les pull requests avant qu'ils n'atteignent la production. Lorsque Bits Infrastructure Operations peut agir en toute sécurité dans les limites que vous définissez, il remédie automatiquement aux problèmes. Lorsque les correctifs nécessitent une validation humaine, il fait remonter les problèmes les plus prioritaires avec tout le contexte dont votre équipe a besoin pour examiner et approuver l’étape suivante. Les équipes peuvent commencer avec des limites basées sur la validation, puis les étendre progressivement à mesure que Bits apprend des validations répétées. Pour en savoir plus, lisez notre article de blog ou inscrivez-vous à la Preview.
Garantir la fiabilité
Passez d'une observabilité passive à une gestion proactive de l’état des appareils réseau et de leur remédiation
Les équipes réseau croulent sous les métriques, les événements, le trafic et les données de configuration des appareils, mais le volume à lui seul ne permet pas de savoir ce qui est critique ni quelle action entreprendre ensuite. Datadog Network Device Health corrèle automatiquement les signaux issus de vos appareils réseau et met en évidence les problèmes classés selon leur impact métier avant qu'ils ne se propagent. Lorsqu'un problème est détecté, un panneau latéral d'investigation explique ce qui s'est passé, le périmètre d’impact et le changement de configuration exact à annuler. Vous pouvez ensuite déployer le rollback en un clic, tandis que les métriques en temps réel vous permettent de suivre la récupération en toute confiance. Pour vos incidents les plus critiques, Bits Investigation accélère le dépannage avec un raisonnement étape par étape qui aide votre équipe à identifier plus rapidement la cause profonde. Pour commencer avec Network Device Health, consultez notre article de blog.
Tracez les changements de configuration à l’origine de problèmes réseau complexes avec Network Configuration Management
Datadog Network Configuration Management corrèle automatiquement la dégradation des performances des appareils au changement de configuration exact qui en est à l’origine. Lorsqu'un problème de performance survient, les équipes n'ont plus besoin de comparer manuellement les snapshots de configuration ou de passer d'un outil à l'autre pour trouver la cause profonde. Datadog suit les changements de configuration au fil du temps et met en évidence des résumés générés par l'IA qui traduisent même les changements les plus complexes en langage clair que tout ingénieur peut comprendre et sur lequel il peut agir. Lorsqu'un changement problématique est identifié, votre équipe peut revenir en un clic à la dernière configuration fiable afin de résoudre immédiatement le problème. Explorez la documentation de Network Configuration Management pour commencer.
Analysez les problèmes réseau, de l’application à l’appareil, grâce à une visibilité L7 à L1.
Une trace qui révèle de la latence ou des erreurs contient toute l’histoire réseau sous-jacente : les services échangeant du trafic, les flux les reliant, et le saut exact où un appareil physique introduit le problème. La visibilité L7 à L1 de Datadog offre aux ingénieurs une visibilité de bout en bout, depuis la couche d'application aux flux réseau entre les services, jusqu'aux sauts et appareils physiques où les performances se dégradent. Qu’il s’agisse d’un pare-feu mal configuré, d’un itinéraire inter-régional inattendu, ou d’un appareil présentant une forte perte de paquets, les SRE et les ingénieurs réseau identifient le problème directement dans l'onglet Réseau d'APM. Pour commencer avec la visibilité L7 à L1 dans les traces APM, lisez notre article de blog ou inscrivez-vous à la Preview.
Diagnostiquez les problèmes de sous-couche Internet avec BGP Centric View
Lorsque le chemin Internet se dégrade et que chaque signal pointe vers la couche Border Gateway Protocol (BGP), confirmer si un fournisseur de transit ou un problème de peering est la cause profonde implique généralement de quitter complètement la plateforme pour effectuer des recherches manuelles d’Autonomous System Numbers (ASN) et retracer des relations fragmentées. BGP Centric View de Datadog intègre ce contexte directement dans l’interface Network Path, au sein d’un onglet BGP dédié qui fait apparaître chaque ASN du flux. D'un simple clic, les ingénieurs peuvent identifier le fournisseur de services de chaque ASN, les voisins en amont et les voisins en aval, offrant aux équipes une vue complète du routage sans quitter la plateforme. Explorez la documentation de BGP Centric View pour commencer.
Optimisez automatiquement les requêtes de base de données avec Datadog Database Monitoring
Bits Database Optimization de Datadog Database Monitoring offre à chaque équipe d’ingénierie un parcours complet et automatisé, de la détection des requêtes lentes jusqu’au correctif en production, sans nécessiter d’expertise approfondie en bases de données. En validant les propositions de réécriture sur une copie simulée de votre schéma, Datadog aide à garantir que chaque optimisation s’avère plus rapide sur vos données spécifiques avant même d’atteindre votre base de code.
Lorsqu’un correctif est validé, Bits Database Optimization localise la ligne de code exacte à l’origine de la requête et ouvre une pull request prête à être fusionnée, avec les résultats de benchmark intégrés, afin que les équipes puissent examiner et déployer les améliorations dans leur workflow existant. Après le déploiement du changement, les équipes peuvent confirmer que le gain se maintient sous une charge de production réelle directement dans DBM Query Metrics. Pour en savoir plus, lisez notre article de blog.
Recherchez des logs sur l’ensemble de vos destinations de stockage avec Federated Logs
Les systèmes modernes génèrent d'énormes quantités de données de télémétrie, qui ne sont pas toutes centralisées au même endroit : les logs d'application et d'infrastructure affluent vers des plateformes d'observabilité, les tâches d’entraînement ML émettent des logs dans des lakehouses, les flux d'événements à fort volume se retrouvent dans des bases en colonnes, et les archives d'audit sont envoyées vers des stockages d’objets comme Amazon S3. La fragmentation peut compliquer les investigations, en obligeant les équipes à changer de contexte et à réécrire les requêtes dans différentes syntaxes. Federated Logs vous permet d'interroger des magasins de données externes, notamment Databricks et ClickHouse, depuis Log Explorer, en utilisant la même syntaxe de requête et les mêmes facettes, peu importe où se trouvent vos logs. Associé à Observability Pipelines, qui achemine, transforme et normalise les logs avant qu’ils n’atteignent leurs destinations, Federated Logs offre une expérience d’investigation cohérente sur l’ensemble des systèmes de stockage que vous utilisez déjà. Pour commencer, inscrivez-vous à la Preview ou apprenez-en plus dans notre article de blog.
Stockez et recherchez des logs à l’échelle du pétaoctet sur votre propre infrastructure avec Datadog BYOC Logs
La gestion des logs auto-hébergée offre aux équipes souveraineté et contrôle sur leurs données, mais ces solutions sont difficiles à maintenir et ne disposent pas de fonctionnalités clés propres aux plateformes SaaS, comme la corrélation de la télémétrie et l’analyse pilotée par l’IA. Datadog BYOC Logs offre aux équipes le meilleur des deux mondes. Il fonctionne dans votre propre infrastructure et reste entièrement intégré à la plateforme Datadog. Datadog BYOC Logs permet aux équipes de conserver un contrôle total sur l’emplacement de leurs données, sans renoncer à la recherche à l’échelle du pétaoctet, à la corrélation entre données de télémétrie, à l’investigation assistée par l’IA ni à la gouvernance centralisée. En savoir plus dans notre article de blog.
Validez l'intention
Surveillez les parcours utilisateur critiques avec Datadog Journey Monitoring
Sans une vue unifiée, les équipes d'ingénierie, de produit et DevOps analysent les mêmes problèmes avec des outils différents et arrivent à des conclusions différentes. Il devient alors presque impossible de déterminer si une baisse de conversion sur un parcours utilisateur critique est due à des facteurs techniques ou comportementaux. Datadog Journey Monitoring regroupe le trafic, les taux de conversion, le temps de disponibilité et les erreurs de Real User Monitoring, Synthetic Monitoring et Product Analytics dans une vue unique et partagée de chaque flux utilisateur critique, afin que les équipes d’ingénierie, produit et DevOps disposent toujours d’une compréhension commune des performances d’un parcours. Journey Monitoring est actuellement disponible en version Preview. Si votre organisation utilise déjà les trois produits DEM ( Real User Monitoring, Synthetics et Product Analytics), vous pouvez vous inscrire dès aujourd'hui. En savoir plus dans la documentation de Journey Monitoring et lisez notre article de blog.
Bouclez le cycle de développement, de la détection au correctif
Convertissez les problèmes détectés par Datadog en correctifs de code automatisés avec Bits Code
Les équipes d'ingénierie peuvent se retrouver enfermées dans un cycle de remédiation réactif. Chaque pic d'erreur, régression de performance, test instable ou nouvelle vulnérabilité déclenche le même cycle manuel : tri, localisation du code, rédaction d'un correctif, exécution des tests et ouverture d'une pull request. Bits Code, l'agent de codage de Datadog à l'échelle de la plateforme, ferme cette boucle. Il est intégré partout où Datadog fait remonter un problème, d’Error Tracking et APM Recommendations à Continuous Profiler, Test Optimization, Code Security, Database Monitoring, Kubernetes Remediation et Bits AI SRE. Ainsi, le même agent peut corriger une erreur récurrente à un moment donné, puis remédier à une vulnérabilité l’instant d’après.
Comme Bits Code mène ses investigations à partir des données de télémétrie auxquelles les ingénieurs font déjà confiance (logs, traces, métriques, profils, variables d’exécution et problèmes de sécurité détectés), chaque correctif proposé s’appuie sur le comportement réel en production, plutôt que sur les suppositions que les assistants de codage génériques formulent à partir du seul code source. Les équipes peuvent également demander directement à Bits Code des refactorisations et des tâches de codage ponctuelles, programmer des exécutions de remédiation récurrentes ou déclencher des exécutions automatiquement à partir des données de télémétrie. Bits Code est désormais disponible en disponibilité générale. Pour en savoir plus, consultez notre article de blog et la documentation de Bits Code.
Déployez du code en toute sécurité à la vitesse de l'IA avec Bits Release
Bits Release est un agent de validation des versions basé sur l’IA, qui vérifie chaque changement de code, de la pull request (PR) jusqu’à la production. Lorsqu'une PR est ouverte, Bits Release analyse l'impact prévu du changement, génère un plan de validation, exécute des vérifications de bout en bout en préproduction et surveille le déploiement en production.
Contrairement à la surveillance traditionnelle, Bits Release valide les versions en contexte : il vérifie que les améliorations attendues se produisent réellement tout en détectant les régressions et les effets secondaires indésirables. En cas de problème, il analyse les causes profondes probables et aide à générer des correctifs. Les validations réussies peuvent être promues en monitors de production persistants, créant ainsi une boucle de sécurité continue pour le code à haute vélocité et généré par l'IA. En savoir plus dans notre article de blog ou inscrivez-vous à la Preview.
Automatisez la couverture des tests synthétiques avec Bits Testing
Maintenir les tests synthétiques à jour est l'une des tâches les plus chronophages pour une livraison rapide. De nouveaux flux ne sont pas testés, les changements d'interface font échouer les scripts existants, et des lacunes de couverture suivent discrètement. Bits Testing Agent automatise la génération et la maintenance des tests synthétiques en explorant votre application de manière autonome, en identifiant les parcours utilisateur critiques, et en générant des suites de tests exécutables à partir d'une URL ou d'un objectif formulé en langage naturel. Pour les applications dynamiques où les interfaces et les sorties varient, les tests basés sur un objectif vous permettent de définir un résultat souhaité plutôt qu'une séquence fixe d'étapes, de sorte que les tests s'adaptent au lieu d’échouer. Des explorations programmées maintiennent la couverture à jour au fil du temps sans intervention manuelle. En savoir plus dans notre article de blog. Pour commencer à automatiser votre couverture de tests avec Bits Testing Agent, bénéficiez de la version Preview.
Le socle de données de la stack agentique
Obtenez des réponses de qualité aux questions métier avec Bits Data Analysis
Bits Data Analysis répond en langage naturel aux questions portant sur différents aspects de votre activité, tels que le chiffre d’affaires, le pipeline commercial, l’attrition client et l’adoption produit. Il s’appuie sur Datadog Data Context, une base de connaissances qui extrait les descriptions de tables, les définitions de métriques,les indicateurs d’actualisation et de qualité, ainsi que la lignée des données depuis des sources comme Tableau, Looker, Power BI, Fivetran, votre entrepôt de données et Data Observability. Il enrichit ensuite ces informations avec le contexte métier issu de Product Analytics, des applications en amont et du code source, remplaçant ainsi des mois de travail manuel sur la couche sémantique. Bits Data Analysis peut aller plus loin que les outils de BI traditionnels et expliquer pourquoi une métrique a changé, par exemple en retraçant une baisse de chiffre d'affaires jusqu’au déploiement d’un service de paiement ayant provoqué un pic de latence. Context Workbench offre aux équipes de données un espace dédié pour observer comment l'agent est utilisé à travers Slack, l'application web Datadog, des agents de codage comme Claude Code ou Codex, ainsi que l'API Datadog. À ce stade, les administrateurs peuvent définir des évaluations à partir de questions réelles d'utilisateurs et améliorer la qualité des réponses.
Avec Bits Data Analysis, les équipes de données bénéficient d'une gouvernance et d'une observabilité de bout en bout : état des pipelines, qualité des données, contexte des données, réponses de l’agent, indicateurs de confiance et suites d'évaluation qui conditionnent toute modification apportée à la couche de contexte. Pour en savoir plus sur Bits Data Analysis, lisez notre article de blog et inscrivez-vous à la Preview.
Utilisez des métriques personnalisées nouvelle génération avec Infinite Cardinality Metrics
Les systèmes modernes génèrent plus de données de télémétrie que jamais. Les équipes SRE suivent la latence par locataire, région et feature flag. Les ingénieurs utilisant l'IA suivent les signaux à chaque étape de l'exécution d'un agent. Les dimensions dont les équipes ont besoin continuent de se multiplier : locataire, utilisateur, appareil, modèle, région, chemin d'exécution. Mais à mesure que les données de télémétrie deviennent plus granulaires, la cardinalité devient un obstacle.
Aujourd’hui, nous lançons Infinite Cardinality Metrics, une nouvelle option de tarification pour les métriques personnalisées conçue pour le fonctionnement des systèmes modernes. Infinite Cardinality Metrics est pensé pour les requêtes et l’exploration agentiques, afin que vous et vos agents puissiez interroger vos métriques sans limite. Cette option vous donne la liberté de capturer chaque attribut et chaque dimension qui compte, quelle que soit la cardinalité. Infinite Cardinality Metrics est facturé par nom de métrique et évolue avec votre volume de données, et non avec la cardinalité, afin que les coûts restent prévisibles à mesure que vous ajoutez du contexte.
Infinite Cardinality Metrics est désormais disponible en disponibilité générale. Pour en savoir plus, visitez la documentation et lisez notre article de blog dédié.
Construisez et surveillez la stack agentique
Surveillez l'adoption des agents avec Datadog Agent Console
Alors que l'utilisation des agents de codage se généralise au sein des équipes, les responsables de l’ingénierie ont besoin de plus que de réussites anecdotiques pour justifier les dépenses : ils doivent savoir qui utilise les agents, mesurer leur impact sur les livraisons et identifier les coûts inutiles. Datadog Agent Console offre une vue unifiée de l’activité dans l’ensemble des agents de codage comme Claude Code, Cursor et GitHub Copilot, ainsi que sur les propres agents Bits AI de Datadog, avec des analyses d’adoption, des métriques d’impact sur l’ingénierie, l’attribution des dépenses et la détection automatisée du gaspillage intégrées. Agent Console vous aide à répondre à trois questions pratiques :
Quels membres de mon organisation utilisent le plus les agents de codage ?
Dans quels domaines les utilisateurs tirent-ils le meilleur parti des agents, et où rencontrent-ils encore des difficultés ?
Quel est le lien entre les dépenses liées à l’IA et les résultats des équipes d’ingénierie ?
Vous pouvez commencer à utiliser Agent Console dès aujourd'hui en consultant notre documentation. Pour en savoir plus sur ses fonctionnalités, lisez notre article de blog.
Analysez le comportement des LLM en production avec la fonctionnalité Patterns disponible dans Agent Observability
Lorsque vous déployez une application optimisée par un LLM, le trafic de production se comporte rarement comme vous l’aviez prévu : Les utilisateurs posent des questions en dehors du champ prévu, les objectifs évoluent en cours de conversation et des workflows émergent alors que vous ne les aviez jamais anticipés. La fonctionnalité Patterns disponible dans Datadog LLM Observability vous aide à comprendre ce qui se passe réellement en production en regroupant automatiquement les interactions en groupes comportementaux, sans nécessiter de catégories prédéfinies ou d'étiquetage manuel. Chaque cluster fait remonter des signaux opérationnels et de qualité, notamment le volume de trafic, la latence, le coût par interaction, le taux d’erreur et les scores d’évaluation. Vous pouvez ainsi identifier immédiatement les catégories de comportements utilisateur qui entraînent des régressions ou une hausse des coûts. Pour plus d'informations, lisez notre article de blog dédié. Pour demander un accès anticipé, inscrivez-vous à la Preview.
Améliorez la qualité des agents IA avec Bits Evals
Le processus de débogage et d'amélioration d'un agent IA suit un schéma cohérent : les équipes collectent les signaux utilisateurs, analysent les échecs dans les traces, modifient les prompts ou les workflows, valident ces changements avec des évaluations et des expérimentations, puis surveillent les résultats après le déploiement. Les ingénieurs doivent effectuer une grande partie de ce travail manuellement, alors que le contexte nécessaire ( traces, enregistrements de datasets et versions de prompts) est réparti entre plusieurs outils. Bits Evals est un ensemble de fonctionnalités agentiques qui gère les parties répétitives du cycle de développement des agents IA, tout en laissant aux ingénieurs le contrôle des décisions stratégiques. Avec une visibilité sur le contexte complet des performances de votre agent, Bits peut formuler une hypothèse et la vérifier immédiatement en recoupant les traces, les enregistrements de datasets et les résultats des évaluateurs comme éléments de preuve. Il peut également vous aider à résoudre le problème en suggérant une modification de prompt, en signalant une lacune dans le dataset, en proposant une nouvelle couverture d’évaluation ou en faisant remonter une régression que vous n'aviez pas envisagée. Les heures passées à lire manuellement les traces sont ainsi réduites, permettant aux ingénieurs de se concentrer sur les décisions plutôt que sur la collecte des éléments nécessaires pour les prendre. Pour en savoir plus, consultez notre article de blog dédié ou inscrivez-vous à la Preview.
Sécurisez la stack agentique
Protégez les applications d'IA agentique avec Datadog AI Guard
AI Guard aide à protéger les agents d'IA personnalisés contre l'injection de prompts, l'utilisation abusive d'outils, l'exfiltration de données et d'autres menaces répertoriées dans le Top 10 OWASP. Il découvre les agents non protégés dans votre environnement, analyse leur comportement et le contexte historique, et aide à détecter et bloquer les attaques en temps réel. Il fournit également une défense en profondeur pour les agents de codage contre les compétences, scripts, configurations et packages malveillants. AI Guard s'intègre directement dans le flux de vos agents pour fournir des limites de sécurité en temps réel, afin que vous puissiez déployer des agents d'IA rapidement sans compromettre la sécurité.
AI Guard est actuellement disponible en disponibilité limitée. Inscrivez-vous pour obtenir un accès anticipé.
Réduisez de plus de 95 % le bruit lié aux vulnérabilités grâce à Datadog Runtime Prioritization Engine
Les équipes de sécurité croulent sous les problèmes détectés, sans moyen fiable de savoir lesquels présentent un risque réel. Datadog Runtime Prioritization Engine combine le comportement à l’exécution, l’accessibilité, la propriété des services et l’impact métier en un seul modèle de priorisation qui met en évidence les vulnérabilités liées à vos services les plus critiques et les transmet directement aux équipes d’ingénierie capables de les corriger. La remédiation en un clic et Bits Code permettent de faire passer les problèmes de la détection à la résolution sans avoir à les trier ni à gérer des passages de relais mal coordonnés. Pour commencer, inscrivez-vous à la Preview.
