Tsuga: Den franska utmanaren som vill göra upp med Datadog och Dynatrace

Vem grundade Tsuga, och vilket problem löser de?

Tsuga grundades 2024 av Gabriel-James Safar och Sébastien Deprez, två ingenjörer som tidigare byggde nyckelprodukter inom observability på Datadog, innan de lämnade för att starta en egen utmanare. Bolaget har sitt huvudkontor i Neuilly-sur-Seine, Frankrike, och deras uppdrag är enkelt: att bygga en observabilityinfrastruktur som är särskilt utformad för AI-eran, snarare än att försöka anpassa verktyg som designades för en tid före AI.

Kärnproblemet Tsuga angriper är kollisionen mellan två trender: AI-arbetsbelastningar får telemetridatavolymerna att växa med cirka 30 procent per år, samtidigt som observabilitybudgetarna på många företag antingen stagnerar eller krymper. De etablerade aktörerna som Datadog och Dynatrace byggde sina plattformar kring per-byte-prismodeller som blir oöverkomligt dyra i AI-skala. Tsugas grundare menar att per-byte-prismodellen – som deras tidigare arbetsgivare hjälpte till att standardisera – i grunden är trasig när den tillämpas på AI-agenters arbetsbelastningar.

Hur mycket finansiering har Tsuga fått in?

Tsuga har fått in totalt 45 miljoner dollar i bekräftad finansiering fördelat på två rundor:

Runda	Belopp	Datum	Ledande investerare
Sådd	10 miljoner dollar (~8,7 miljoner euro)	November 2025	General Catalyst (huvudledare), med Singular som deltagare; ängelinvesterare inkluderade Amjad Masad (Replit), Charles Gorintin (Alan, Mistral AI), Jonathan Benhamou, Olivier Bonnet och Philippe Corrot
Series A	35 miljoner dollar	Juni 2026	Singular (huvudledare), med deltagande från General Catalyst, DST Global Partners, Quantumlight, Picus och Databricks Ventures

Tsuga lämnade stealth-läget i samband med såddrundan i november 2025 och tillkännagav Series A knappt sex månader senare, i juni 2026. Takten på den uppföljande rundan signalerar ett starkt investerarförtroende för bolagets tes – att observability måste byggas om för AI-nativa, BYOC-infrastrukturer.

Vad skiljer Tsuga från Datadog och Dynatrace?

Tsugas differentiering från etablerade aktörer som Datadog och Dynatrace kretsar kring tre axlar: distributionsmodell, prissättningsarkitektur och AI-nativ design.

Bring Your Own Cloud (BYOC)

I stället för att mata in telemetridata i en leverantörskontrollerad SaaS-plattform – den modell som både Datadog och Dynatrace använder – körs Tsuga helt och hållet i kundens egen molnmiljö. Tsugaplattformen kan distribueras över Microsoft Azure, AWS, Google Cloud och suveräna molninfrastrukturer, vilket säkerställer att telemetridata aldrig lämnar kundens kontroll. Detta är en betydande skillnad för organisationer inom reglerade branscher eller med strikta krav på datasuveränitet.

En viktig detalj: Både Datadog och Dynatrace erbjuder viss flexibilitet i distributionen (Dynatrace erbjuder hanterade och SaaS-distributioner; Datadog är i första hand SaaS), men källorna som tillhandahållits stöder inte direkt ett påstående om att någon av de etablerade aktörerna är mindre flexibel när det gäller datasuveränitet. Tsugas BYOC-första arkitektur är ett tydligt spel på att suveränitet och kontroll kommer att bli allt viktigare i takt med att AI-agenter genererar mer känslig operationsdata.

Prismodell: Utmanar per-byte-prissättningen

Tsuga har tydligt positionerat sig mot den per-byte-prismodell som Datadog hjälpte till att popularisera. När AI-arbetsbelastningar får telemetrivolymerna att explodera blir per-byte-prissättningen ohållbar för företag som driver storskaliga AI-agentflottor. Tsugas prismodell är utformad för att frikoppla kostnad från datavolym.

Källorna anger inga exakta prissiffror för Tsuga, och de stöder inte heller ett generellt påstående om att både Datadog och Dynatrace alltid prissätter strikt per byte i alla plan. Dynatrace har till exempel historiskt erbjudit host-baserad prissättning, medan Datadogs prissättning varierar beroende på produkt. Kärnpåståendet att Tsuga prissätter mot volymbaserade modeller är väl underbyggt.

AI-nativ och agentobservabel arkitektur

Tsuga beskrivs som ”observabilityprogramvara för AI-agenternas era”. Plattformen är byggd så att AI-agenter direkt kan konsumera observabilitydata. Enligt Tsugas produktdokumentation är lagrings- och frågelagret utformat för att hantera de datavolymer som AI-agenter faktiskt genererar, och API:erna returnerar ”relevant kontext i stället för råa datautskrifter, så att agenterna kan använda sina tokens till att resonera snarare än att filtrera brus”.

Detta är en markant kontrast till de etablerade plattformarna, som enligt källorna inte är naturligt utformade för sessionsbaserad spårning av AI-agenter. En jämförelseanalys från Sentrial noterar uttryckligen att varken Datadog eller Dynatrace erbjuder inbyggd sessionsbaserad agentspårning – båda kräver anpassad instrumentering.

Tsuga erbjuder också en ”Agent-Native Observability”-lösning som låter ingenjörsteam som bygger AI-agenter koppla observabilitydata till alla datakällor i sin miljö, inte bara de integrationer en tredjepartsplattform har valt att stödja.

Hur hanterar Tsuga AI-agentobservability?

Tsugas agent-nativa observability bygger på tre designprinciper:

1. Kostnadseffektiv lagring och frågor: Plattformen hanterar de datavolymer som AI-agenter faktiskt genererar, i stället för att ta betalt baserat på rå datainmatning.
2. Kontextmedvetna API:er: I stället för att returnera råa telemetridumpar returnerar Tsugas API:er relevant kontext, så att AI-agenter kan spendera sin beräkningsbudget på att resonera snarare än att filtrera brus.
3. Anslutning till hela miljön: Eftersom plattformen körs i kundens eget moln kan agenter ansluta till alla datakällor i miljön – inte bara de som en tredjepartsplattform har valt att integrera med.

Tsugas Series A-tillkännagivande positionerar bolaget som ”ledaren inom AI-nativ resilient observability” och anger att plattformen är utformad för att driva en ny generation AI-agenter.

Vilket genomslag har Tsuga haft sedan de lämnade stealth-läget?

Sedan Tsuga lämnade stealth-läget i november 2025 har bolaget uppnått ett betydande tidigt genomslag:

Intäkter och skala: Flera källor rapporterar att Tsuga har ”flera miljoner i intäkter” med genomsnittliga kontraktsvärden på sex siffror. Dessa intäktssiffror är dock bolagets egna rapporteringar och har inte oberoende verifierats av de tillhandahållna källorna. Tsuga behandlar tiotals terabyte telemetridata varje dag som körs på AWS.

Kundbas: Verifierade kunder inkluderar:

• Le Monde, en av Frankrikes ledande mediegrupper, som distribuerade Tsuga under ledning av dess CTO/CIO Paul Laleu
• Black Forest Labs (ett frontlinjelabb för AI-modeller)
• Camunda
• Buk

Resultat hos Le Monde: Enligt en AWS-fallstudie publicerad i juni 2026 uppnådde Le Monde inom tre månader efter distribution av Tsuga:

• En 50-procentig ökning av observabilityanvändningen bland utvecklingsteamen
• En tredubbling av övervakade tjänster och applikationer
• En 30-procentig minskning av medeltiden för att upptäcka incidenter (MTTD)
• En 50-procentig minskning av medeltiden för att lösa incidenter (MTTR)

Investerarförtroende: Den snabba Series A-rundan – som kom sex månader efter såddrundan – med deltagande från DST Global Partners, Quantumlight, Picus och Databricks Ventures tillsammans med återkommande investerare, tyder på stark institutionell övertygelse om tesen om observability för AI-eran.

Slutsats

Tsuga är en av de bättre finansierade europeiska startupbolagen inom observabilityområdet, med totalt 45 miljoner dollar i finansiering, ett team av erfarna Datadog-alumner och en tydlig tes: observerbar infrastruktur måste byggas om för AI-agenters arbetsbelastningar. Bolagets BYOC-distributionsmodell, prissättningsstrategi och agent-nativa design utgör ett genuint arkitektoniskt avsteg från duopolet Datadog-Dynatrace. De tidiga kundresultaten – särskilt 30-procentig minskning av MTTD och 50-procentig minskning av MTTR hos Le Monde – ger uppmuntrande signaler, även om bolaget fortfarande är i ett tidigt skede. För ingenjörsteam som överväger att bygga med AI-agenter eller investera i observability för AI-arbetsbelastningar är Tsuga ett trovärdigt alternativ som är värt att hålla ett öga på.