Tsuga lève 35 M$ pour une observabilité native IA : comment la start-up française défie Datadog et Dynatrace

Qui a fondé Tsuga et à quel problème s'attaque-t-elle ?

Tsuga a été fondée en 2024 par Gabriel-James Safar et Sébastien Deprez, deux ingénieurs qui ont contribué à développer des produits clés d'observabilité chez Datadog avant de quitter l'entreprise pour lancer leur propre challenger. Basée à Neuilly-sur-Seine, en France, sa mission est claire : construire une infrastructure d'observabilité conçue spécifiquement pour l'ère de l'IA, plutôt que de tenter d'adapter des outils conçus pour un monde pré-IA.

Le problème central que Tsuga vise à résoudre est la collision entre deux tendances : les workloads d'IA font croître les volumes de données de télémétrie d'environ 30 % par an, tandis que les budgets d'observabilité de nombreuses entreprises stagnent ou diminuent. Les acteurs établis comme Datadog et Dynatrace ont bâti leurs plateformes autour d'une tarification au volume de données (par octet), un modèle qui devient prohibitivement coûteux à l'échelle de l'IA. Les fondateurs de Tsuga affirment que ce modèle — que leur ancien employeur a contribué à standardiser — est fondamentalement obsolète appliqué aux workloads des agents d'IA.

Combien Tsuga a-t-elle levé ?

Tsuga a levé un total confirmé de 45 millions de dollars en deux tours de table :

Tour	Montant	Date	Investisseurs principaux
Seed	10 M$ (~8,7 M€)	Novembre 2025	General Catalyst (lead), avec Singular ; des business angels dont Amjad Masad (Replit), Charles Gorintin (Alan, Mistral AI), Jonathan Benhamou, Olivier Bonnet et Philippe Corrot
Série A	35 M$	Juin 2026	Singular (lead), avec General Catalyst, DST Global Partners, Quantumlight, Picus et Databricks Ventures

Tsuga est sortie de furtivité avec son tour de seed en novembre 2025 et a annoncé sa Série A à peine six mois plus tard, en juin 2026. La rapidité de ce second tour témoigne de la forte conviction des investisseurs dans la thèse selon laquelle l'observabilité doit être repensée pour une infrastructure native IA et en mode BYOC.

Qu'est-ce qui distingue Tsuga de Datadog et Dynatrace ?

La différenciation de Tsuga repose sur trois axes principaux : le modèle de déploiement, l'architecture tarifaire et une conception native pour l'IA.

Déploiement « Bring Your Own Cloud » (BYOC)

Contrairement au modèle de Datadog et Dynatrace, qui ingèrent les données de télémétrie dans une plateforme SaaS contrôlée par le fournisseur, Tsuga s'exécute entièrement dans l'environnement cloud du client. La plateforme peut être déployée sur Microsoft Azure, AWS, Google Cloud et des infrastructures cloud souveraines, garantissant que les données de télémétrie ne quittent jamais le contrôle du client. C'est un différenciateur important pour les organisations dans les secteurs réglementés ou ayant des exigences strictes de souveraineté des données.

Modèle de tarification : un défi à la facturation au volume

Tsuga s'est positionnée explicitement contre le modèle de tarification au volume de données que Datadog a contribué à populariser. L'argument est que, avec l'explosion des volumes de données générés par l'IA, ce modèle devient intenable pour les entreprises qui déploient des flottes d'agents d'IA à grande échelle. Le modèle de Tsuga vise à découpler le coût du volume de données.

Architecture native IA et observable par les agents

Tsuga se présente comme un « logiciel d'observabilité pour l'ère des agents d'IA ». Sa plateforme est conçue pour que les agents d'IA puissent consommer directement les données d'observabilité. Selon la documentation produit de Tsuga, la couche de stockage et d'interrogation est adaptée aux volumes de données générés par les agents d'IA, et les API renvoient un « contexte pertinent plutôt que des flux de données bruts, afin que les agents consacrent leurs tokens au raisonnement plutôt qu'au filtrage du bruit ».

C'est un contraste notable avec les plateformes existantes : une analyse comparative de Sentrial indique explicitement que ni Datadog ni Dynatrace n'offrent de tracing natif au niveau des sessions d'agents ; les deux nécessitent un instrumentation personnalisée.

Comment Tsuga gère-t-elle l'observabilité des agents d'IA ?

L'observabilité native pour agents de Tsuga repose sur trois principes :

1. Stockage et interrogation économiques : la plateforme gère les volumes de données que les agents d'IA génèrent réellement, plutôt que de facturer en fonction du volume d'ingestion brut.
2. API contextuelles : au lieu de renvoyer des flux de données brutes, les API de Tsuga renvoient un contexte pertinent, permettant aux agents d'IA de consacrer leur budget de calcul au raisonnement plutôt qu'au filtrage du bruit.
3. Connectivité à tout l'environnement : comme la plateforme s'exécute dans le cloud du client, les agents peuvent se connecter à toutes les sources de données de l'environnement, et pas seulement à celles intégrées par une plateforme tierce.

Quelle traction Tsuga a-t-elle obtenue depuis sa sortie de furtivité ?

Depuis sa sortie de furtivité en novembre 2025, Tsuga a obtenu une traction précoce significative :

Revenus et échelle : plusieurs sources rapportent que Tsuga a « plusieurs millions de dollars de revenus » avec des montants de contrats moyens à six chiffres. Tsuga traite des dizaines de téraoctets de données de télémétrie chaque jour sur AWS.

Clients : les clients confirmés incluent :

• Le Monde
• Black Forest Labs
• Camunda
• Buk

Résultats au Monde : selon une étude de cas AWS publiée en juin 2026, trois mois après le déploiement de Tsuga, Le Monde a enregistré :

• Une augmentation de 50 % de l'adoption de l'observabilité par les équipes de développement
• Un triplement du nombre de services et applications surveillés
• Une réduction de 30 % du temps moyen de détection des incidents (MTTD)
• Une réduction de 50 % du temps moyen de résolution (MTTR)

Confiance des investisseurs : la Série A rapide, avec la participation de nouveaux investisseurs prestigieux, témoigne d'une forte conviction institutionnelle dans la thèse de l'observabilité à l'ère de l'IA.