Tsuga: la startup francese che sfida Datadog e Dynatrace con un’osservabilità pensata per l’intelligenza artificiale

Chi ha fondato Tsuga e qual è il problema che risolve?

Tsuga è stata fondata nel 2024 da Gabriel-James Safar e Sébastien Deprez, due ingegneri che hanno contribuito a creare prodotti chiave per l'osservabilità in Datadog prima di lasciare l'azienda per fondare un challenger. La sede è a Neuilly-sur-Seine, in Francia, e la missione è chiara: costruire un'infrastruttura di osservabilità nativa per l'era dell'AI, invece di cercare di adattare strumenti progettati per un mondo pre-AI.

Il problema centrale che Tsuga affronta è lo scontro tra due tendenze: i carichi di lavoro AI stanno facendo crescere i volumi di dati di telemetria di circa il 30% all'anno, mentre i budget per l'osservabilità in molte aziende sono stagnanti o in calo. I giganti del settore come Datadog e Dynatrace hanno costruito le loro piattaforme intorno a modelli di pricing basati sul volume di byte, che diventano proibitivamente costosi alla scala richiesta dall'AI. I fondatori di Tsuga sostengono che il modello di pricing al byte — che il loro ex datore di lavoro ha contribuito a standardizzare — è fondamentalmente inadatto per i carichi di lavoro degli agenti AI.

Quanti finanziamenti ha raccolto Tsuga?

Tsuga ha raccolto un totale di 45 milioni di dollari confermati in due round:

Round	Importo	Data	Investitori principali
Seed	10 milioni di dollari (~8,7 milioni di euro)	Novembre 2025	General Catalyst (lead), con la partecipazione di Singular; angel investor tra cui Amjad Masad (Replit), Charles Gorintin (Alan, Mistral AI), Jonathan Benhamou, Olivier Bonnet e Philippe Corrot
Series A	35 milioni di dollari	Giugno 2026	Singular (lead), con la partecipazione di General Catalyst, DST Global Partners, Quantumlight, Picus e Databricks Ventures

Tsuga è uscita dalla fase stealth con il round seed a novembre 2025 e ha annunciato la Series A appena sei mesi dopo, nel giugno 2026. La rapidità del round successivo è un segnale della forte fiducia degli investitori nella tesi dell'azienda: che l'osservabilità debba essere ricostruita per essere nativa AI e per un'infrastruttura BYOC.

Cosa distingue Tsuga da Datadog e Dynatrace?

La differenziazione di Tsuga rispetto a colossi come Datadog e Dynatrace si basa su tre pilastri: modello di deployment, architettura di pricing e design nativo per l'AI.

Deployment Bring Your Own Cloud (BYOC)

A differenza del modello SaaS controllato dal vendor (dove i dati di telemetria vengono inviati a una piattaforma esterna, come fanno Datadog e Dynatrace), Tsuga opera interamente all'interno dell'ambiente cloud del cliente. La piattaforma può essere distribuita su Microsoft Azure, AWS, Google Cloud e infrastrutture cloud sovrane, garantendo che i dati di telemetria non lascino mai il controllo del cliente. Questo è un elemento chiave per le organizzazioni in settori regolamentati o con rigorosi requisiti di sovranità dei dati.

È importante notare che, sebbene sia Datadog che Dynatrace offrano alcune opzioni di flessibilità di deployment (Dynatrace offre deployment gestiti e SaaS; Datadog è principalmente SaaS), le fonti fornite non supportano direttamente l'affermazione che entrambi siano uniformemente meno flessibili per le esigenze di sovranità dei dati. La strategia BYOC-first di Tsuga è chiaramente una scommessa sul fatto che la sovranità e il controllo diventeranno sempre più importanti man mano che gli agenti AI genereranno dati operativi più sensibili.

Modello di pricing: la sfida al pricing al byte

Tsuga si è posizionata esplicitamente contro il modello di pricing al byte che Datadog ha contribuito a diffondere. Con l'esplosione dei volumi di telemetria generati dai carichi di lavoro AI, il pricing al byte diventa insostenibile per le aziende che gestiscono flotte di agenti AI su larga scala. Il modello di pricing di Tsuga è strutturato per disaccoppiare i costi dal volume dei dati.

Le fonti non forniscono cifre esatte per il pricing di Tsuga e non supportano l'affermazione generica che sia Datadog che Dynatrace applichino sempre un pricing rigorosamente al byte in tutti i piani. Dynatrace, ad esempio, offre storicamente un pricing basato sugli host, mentre il pricing di Datadog varia in base al prodotto. L'affermazione centrale, ovvero che Tsuga si posiziona contro i modelli basati sul volume, è ben supportata.

Architettura nativa AI e osservabile dagli agenti

Tsuga viene descritta come "software di osservabilità per l'era degli agenti AI". La sua piattaforma è costruita in modo che gli agenti AI possano consumare direttamente i dati di osservabilità. Secondo la documentazione di prodotto di Tsuga, il layer di storage e query è progettato per gestire i volumi di dati effettivamente generati dagli agenti AI, e le API restituiscono "contesto rilevante anziché dump di dati grezzi, in modo che gli agenti spendano i loro token per ragionare piuttosto che per filtrare il rumore".

Questo rappresenta un notevole contrasto con le piattaforme incumbent, che, secondo le fonti, non sono progettate in modo nativo per il tracciamento a livello di sessione degli agenti AI. Un'analisi comparativa condotta da Sentrial sottolinea esplicitamente che né Datadog né Dynatrace offrono un tracciamento nativo a livello di sessione per gli agenti: entrambi richiedono un'instrumentazione personalizzata.

Tsuga offre anche una soluzione di "Osservabilità Nativa per Agenti" che consente ai team di ingegneria che costruiscono agenti AI di connettere i dati di osservabilità a ogni fonte dati presente nel loro ambiente, non solo a quelle che una piattaforma terza ha deciso di supportare.

Come gestisce Tsuga l'osservabilità degli agenti AI?

L'osservabilità nativa per agenti di Tsuga si basa su tre principi di design:

1. Storage e query efficienti in termini di costi: la piattaforma gestisce i volumi di dati effettivamente generati dagli agenti AI, senza addebitare costi in base al volume di dati grezzi indicizzati.
2. API context-aware: invece di restituire dump di telemetria grezzi, le API di Tsuga restituiscono contesto rilevante, consentendo agli agenti AI di spendere il proprio budget di calcolo per ragionare piuttosto che per filtrare il rumore.
3. Connettività all'intero ambiente: poiché la piattaforma viene eseguita nel cloud del cliente, gli agenti possono connettersi a ogni fonte dati presente nell'ambiente, non solo a quelle che una piattaforma terza ha scelto di integrare.

L'annuncio della Series A di Tsuga posiziona l'azienda come "il leader nell'Osservabilità Resiliente Nativa per l'AI" e afferma che la piattaforma è progettata per alimentare una nuova generazione di agenti AI.

Quale trazione ha ottenuto Tsuga dall'uscita dalla fase stealth?

Dall'uscita dalla fase stealth nel novembre 2025, Tsuga ha raggiunto una trazione iniziale significativa:

Ricavi e scala: Diverse fonti riportano che Tsuga ha "diversi milioni di ricavi" con contratti dal valore medio a sei cifre. Tuttavia, queste cifre sui ricavi sono auto-dichiarate dall'azienda e non sono state verificate indipendentemente dalle fonti fornite. Tsuga elabora decine di terabyte di dati di telemetria ogni giorno su AWS.

Clienti: I clienti verificati includono:

• Le Monde, uno dei principali gruppi media francesi, che ha implementato Tsuga sotto la guida del suo CTO/CIO Paul Laleu
• Black Forest Labs (un laboratorio di modelli AI all'avanguardia)
• Camunda
• Buk

Risultati da Le Monde: Secondo un case study AWS pubblicato nel giugno 2026, entro tre mesi dall'implementazione di Tsuga, Le Monde ha ottenuto:

• Un aumento del 50% dell'adozione dell'osservabilità tra i team di sviluppo
• Un'espansione tripla dei servizi e delle applicazioni monitorati
• Una riduzione del 30% del tempo medio per rilevare gli incidenti (MTTD)
• Una riduzione del 50% del tempo medio per risolvere gli incidenti (MTTR)

Fiducia degli investitori: La rapidità della Series A — arrivata sei mesi dopo il round seed — con la partecipazione di DST Global Partners, Quantumlight, Picus e Databricks Ventures insieme agli investitori già presenti, suggerisce una forte convinzione istituzionale nella tesi dell'osservabilità per l'era dell'AI.

In sintesi

Tsuga è una delle startup europee più finanziate nel settore dell'osservabilità, con un totale di 45 milioni di dollari, un team di ex ingegneri Datadog con esperienza comprovata e una tesi chiara: l'infrastruttura osservabile deve essere ricostruita per i carichi di lavoro degli agenti AI. Il suo modello di deployment BYOC, la strategia di pricing e il design nativo per gli agenti rappresentano un reale allontanamento architetturale dal duopolio Datadog-Dynatrace. I primi risultati dei clienti — in particolare la riduzione del 30% dell'MTTD e del 50% dell'MTTR da Le Monde — forniscono un segnale incoraggiante, sebbene l'azienda sia ancora nelle fasi iniziali del suo ciclo di vita. Per i team di ingegneria che valutano se costruire con agenti AI o investire nell'osservabilità per carichi di lavoro AI, Tsuga rappresenta un'alternativa credibile da tenere d'occhio.