DoiT gave us the confidence to move from experimentation to production. They helped us understand the right way to build AI for the real world.
Milad Rezazadeh, CTO
Comparatif des plateformes FinOps
Cloud Intelligence™ vs. CloudZero
Les deux plateformes remontent les coûts cloud. Toute la question, c'est ce qui vient après. CloudZero est une solide plateforme de cost intelligence — allocation à 100 % via CostFormation, détection horaire des anomalies, recommandations sélectionnées dans Optimize, assistant agentique. Si votre périmètre s'arrête à *voici ce que ça a coûté et voici les pistes à envisager*, elle remplit ce rôle avec efficacité.
Cloud Intelligence™ pousse l'exécution plus loin. Composer identifie ce qu'il faut corriger, CloudFlow applique la correction, PerfectScale ajuste automatiquement Kubernetes et les entrepôts de données en right-sizing, et PerfectScale for Commitments échelonne vos Savings Plans face à l'usage horaire réel. Nous embarquons également des Forward Deployed Engineers qui écrivent du code directement dans votre environnement.
L'allocation, c'est le socle. L'exécution, c'est le plafond.
là où les plateformes divergent
Le tagging est structurellement défaillant — nous le corrigeons au niveau du kernel
Tout praticien FinOps connaît le secret de Polichinelle. L'attribution par tags s'effondre dès qu'il s'agit d'infrastructure partagée. Un cluster K8s multi-tenant n'a qu'un seul jeu de tags. Un GPU partagé qui fait tourner de l'inférence pour cinquante clients n'a qu'un seul jeu de tags. Egress, NAT, cross-AZ — rien de tout cela n'est taggable.
Attribution des coûts au runtime, sans tagging
- FonctionnementUn capteur léger au niveau du kernel (eBPF) observe le trafic et la consommation de ressources directement sur l'hôte. À partir du flux réseau, il reconstitue quel client a sollicité quel endpoint d'inférence, quelle fonctionnalité a appelé quel modèle, quel job de quelle équipe a consommé quel GPU-heure, et quel workload a généré quels octets d'egress.
Commitments — c'est là que se joue vraiment l'argent
L'Effective Savings Rate, c'est l'indicateur sur lequel la plupart des équipes FinOps ratent discrètement leur cible. La couverture et l'utilisation ont l'air bonnes sur le papier. L'ESR, lui, dit la vérité. CloudZero remonte la couverture et l'utilisation. La décision d'achat vous revient, éclairée par leurs chiffres et vos feuilles de calcul. Cloud Intelligence™ prend en charge la décision d'achat. Analyse horaire de l'usage (min, max, médiane) sur des fenêtres glissantes. Achats échelonnés sur AWS Savings Plans, Database Savings Plans et GCP CUDs. Seuils d'approbation, plafonds de dépense, contrôles de rythme. Fonctionnement entièrement autonome ou approbation humaine requise avant chaque achat.
Pourquoi le laddering compte
- Le risqueMiser 3 ans sur la courbe d'usage du mois en cours.
- Approche par paliersÉchelonner les achats, valider chaque étape
- RéévaluationEn continu, sur des données d'usage réelles
Les deux disposent d'un moteur de recommandations. Mais ils n'optimisent pas la même chose.
CloudZero Optimize propose une bibliothèque sélectionnée de recommandations conçues par des experts, avec un scoring impact/effort, intégrées aux workflows d'engineering que les équipes utilisent déjà. Une approche opinionnée et priorisée. Cloud Intelligence™ adopte une autre approche. Plus de 800 recettes s'exécutent en continu sur vos données, vos configurations de ressources, votre timeline d'événements et l'intégralité de votre graphe de ressources. La vraie différence, c'est la personnalisation : Composer intègre un éditeur de policies. Écrivez vos propres recettes sur vos données, simulez-les sur des périodes historiques, puis activez-les en production. Les recettes personnalisées sont traitées sur un pied d'égalité — même télémétrie, mêmes actions, même exécution que les recettes intégrées.
Des recettes absentes des recommandeurs des providers
- Moteurs RDS approchant l'EOL
- gp2 → gp3 selon les IOPS réels
- Fuites de time-to-tag
- Efficacité du cache Bedrock
- Dérive du support étendu EKS
- Détection de nouveaux services
CloudFlow exécute le changement. Optimize achemine la recommandation.
Les deux entreprises parlent d'*automatisation*. Autant être précis. CloudZero Optimize (disponibilité générale en juin 2025) achemine les recommandations vers Slack et Jira avec un scoring impact/effort et suit les économies réalisées. Utile pour faire avancer le travail d'optimisation. En revanche, il n'exécute pas de changements d'infrastructure — ce sont toujours les Engineers qui appliquent la modification. CloudFlow est une couche d'exécution. La recommandation devient l'action. Quand votre goulet d'étranglement, c'est *les Engineers savent quoi faire mais n'ont pas le temps de le faire*, un ticket Jira mieux formaté ne les débloque pas. Exécuter le changement, si.
CloudFlows déjà en production
- Conversion gp2 → gp3 avec rollback
- Nettoyage EC2 en sandbox
- Application de la rétention des logs à 365 jours
- Alerte sur première dépense SKU
- Surprovisionnement des disques GCE
- Détection de RI sous-utilisées
Coût de l'IA — visibilité à parité. L'optimisation fait la différence.
C'est la ligne la plus susceptible d'être présentée de façon trompeuse, autant être précis. CloudZero dispose d'une véritable cost intelligence pour l'IA — intégration directe à l'API Anthropic Cost & Usage, prise en charge de Bedrock, allocation par fonctionnalité/modèle/client. Sur la visibilité et l'allocation des dépenses IA, les deux plateformes sont à parité. Ce qui diffère, c'est ce que chaque plateforme fait de cette visibilité. L'optimisation GenAI de PerfectScale audite les pipelines d'inférence à la chasse au gaspillage — moins de tokens, modèles plus légers, GPU en right-sizing. Les recettes Composer couvrent l'efficacité du cache Bedrock avec des chemins de remédiation. L'attribution au runtime boucle la boucle entre l'appel d'inférence et le COGS par client.
Ce qui change vraiment
- Les deuxVisibilité au niveau du token, par fonctionnalité/modèle
- Cloud Intelligence™ uniquementAudit du pipeline d'inférence + right-sizing GPU
- Cloud Intelligence™ uniquementRecettes Composer avec chemins d'exécution
- Cloud Intelligence™ uniquementCOGS par client via capteur runtime
Snowflake et Databricks — au-delà de la visibilité
CloudZero apporte la visibilité des coûts pour les deux. Vous voyez ce que vous avez dépensé. PerfectScale pour Snowflake, Databricks et BigQuery va plus loin : right-sizing des warehouses, suspension des ressources inactives, recommandations d'efficacité des requêtes, human-in-the-loop avec aperçu de l'impact coût avant validation. Le point d'architecture : le coût d'une plateforme de données n'a rien à voir avec celui d'une infrastructure. Les warehouses scalent à la requête, le temps d'inactivité s'accumule sur de petits intervalles, et une seule jointure inefficace peut peser sur toute une journée de facturation. Il faut une optimisation qui comprend le workload, pas seulement de l'attribution.
// Périmètre d'optimisation des plateformes de données
- SnowflakeWarehouse, requêtes, inactivité
- DatabricksWarehouse, requêtes, inactivité
- BigQueryVisibilité et optimisation des requêtes et des slots
Pas de catégories marketing. Les vraies questions que se posent les praticiens FinOps au moment d'évaluer.
Une ligne par question de praticien.
| Capability | Cloud Intelligence™ | CloudZero |
|---|---|---|
| // Attribution & allocation | ||
| Allocation des coûts multi-cloud, K8s, plateformes de données, GenAI | Native Prête à l'emploi, multi-méthodes : % d'usage, utilisation, répartition des coûts partagés. | Native CostFormation alloue 100 %, quelle que soit la qualité du tagging. |
| Attribution des coûts sans tag / au runtime | Native Télémétrie au niveau du kernel. Aucun tagging requis. | Uniquement par tags/code via les règles CostFormation. |
| COGS par client | Native Observation runtime des identifiants clients ; aucun tagging requis. | via CostFormation Nécessite un investissement d'engineering pour être modélisé. |
| Attribution des coûts réseau (egress, NAT, cross-AZ) | Native Attribution au niveau du workload à partir du trafic runtime. | Non disponible Agrégée / inférée par tags |
| // Optimisation des workloads | ||
| Right-sizing K8s autonome (pod, container, GPU) | PerfectScale Conscient du workload, priorité à la stabilité, exécution autonome. Réduction typique de 30 à 50 %. | Recommandations de right-sizing Via Optimize ; pas d'exécution autonome. |
| Répartition des coûts GPU/cluster partagés selon l'usage réel | PerfectScale + attribution runtime | Inférence CostFormation |
| Optimisation Snowflake (warehouse + requête + inactivité) | PerfectScale pour Snowflake Right-sizing automatisé, suspension des ressources inactives, efficacité des requêtes. | Allocation + alertes uniquement Ni right-sizing des warehouses, ni tuning des requêtes. |
| Optimisation Databricks | Visibilité, Insights & Optimisation | Allocation + alertes |
| Visibilité des coûts IA — par fonctionnalité / par client | 9 fournisseurs d'IA & modèles personnalisés par client, par fonctionnalité, par unité | Anthropic + Bedrock natifs par profil d'inférence uniquement |
| Optimisation des workloads GenAI (inférence, GPU, choix de modèle) | PerfectScale GenAI + Composer | Visibilité uniquement |
| // Commitments & optimisation des tarifs | ||
| Achat de commitments (SPs / RIs / CUDs) | PerfectScale for Commitments Laddering ajusté au risque, autonome ou soumis à approbation. | Nécessite une solution tierce Dashboards intégrés au produit ; l'achat est géré par un partenaire. |
| Suivi de l'Effective Savings Rate (ESR) | Unifié, multi-cloud | Reporté |
| // Intelligence & automatisation | ||
| Moteur de recommandations sélectionnées | Composer — 800+ recettes Avec éditeur de policies personnalisées + simulation historique. | Optimize — bibliothèque sélectionnée Scoring impact/effort, routage Slack/Jira. |
| Rédaction de policies personnalisées avec simulation historique | Native | Non disponible |
| Détection d'anomalies | Temps réel, avec contexte topologique | À partir des données de facturation |
| Assistant IA agentique | FinOps AI | Ask Advisor |
| Automatisation / remédiation au niveau infrastructure | CloudFlow Visuel + code, plus de 40 templates, exécute les changements. | Route vers Slack/Jira Ce sont les Engineers qui exécutent le changement. |
| Graphe d'architecture / de ressources avec overlay de coûts | Cloud Diagrams | Non disponible |
| // Intégrations | ||
| Ingestion des sources de coûts / données de facturation | Large couverture AWS, GCP, Azure, K8s, Snowflake, Databricks, BigQuery, Datadog, MongoDB, OpenAI, Anthropic, et bien plus. | Large couverture Framework AnyCost + adaptateurs pour AWS, Azure, GCP, K8s, Snowflake, Databricks, MongoDB, NewRelic, Datadog, OpenAI, Anthropic. |
| Intégrations ticketing & suivi des tâches | Jira, Asana, GitHub Issues | Jira uniquement |
| Intégrations de communication | Slack, Teams, Discord, Gmail | Slack uniquement |
| Intégrations de gestion des incidents | PagerDuty | Non disponible |
| Intégrations observabilité / dashboard | Grafana, Datadog | Grafana, Backstage |
| Intégrations d'assistants IA pour l'analyse des coûts | ChatGPT, Claude, MCP Analyses pilotées par l'IA à partir des rapports de coûts. | Amazon Q Developer Chat Console AWS uniquement. |
| Automatisation des workflows générale | Zapier (2 000+ apps) + APIs de la plateforme | Non disponible |
| Outils SaaS branchés au moteur d'automatisation | Plus de 40 via CloudFlow Terraform, Cloudflare, Wiz, Confluent, Vercel, ClickHouse, PlanetScale, Looker, et bien plus. | N/A — pas de moteur d'exécution |
| // Procurement & experts | ||
| Procurement / facturation multi-cloud | Procurement cloud en option, sans marge AWS / GCP / Azure. Accès à la plateforme inclus. | Plateforme uniquement |
| Expertise incluse | Forward Deployed Engineers Écrivent du code dans votre environnement. | Équipe CS certifiée FinOps + AWS Support, onboarding, best practices. |
| Délai avant les premières économies réalisées | Quelques jours Les recettes prêtes à l'emploi se déclenchent dès la connexion. | Semaines pour l'allocation ; mois pour la configuration complète Temps de modélisation CostFormation. |
Native capabilityPartial / preview / via integrationNot available
What they say
Attribute™'s cost grouping technology took our cost visibility and allocation to a whole new level. Now, our teams are fully accountable for their budgets, significantly improving our cloud efficiency and helping us minimize unnecessary costs.
Eli Zilbershtein, Head of DevOps, Hippo
You can't tag a customer in a multi-tenant environment. Attribute™ finally shows us what each customer costs and what's driving those costs.
Omri Cohen, Director of Engineering, Platform
Attribute™'s data is truly unmatched. No other solution on the market could deliver the precise customer cost and usage profiles we needed in such a complex infrastructure. Within weeks, the data from Attribute™ transformed our understanding of cost structures, influencing key strategic decisions in pricing, renegotiations, and market positioning.
Jonathan Langer, COO, Claroty
Attribute™ simplified tracking customer costs in our multi-tenant environments. Customer cost measurement is now clear and standardized, and finance gets the business context they need. Integration was quick and required no changes.
Kfir Lippmann, CFO, Salt Security
Attribute™ translates complex cloud bills into actionable, business-centric insights that empower our engineering teams to take true ownership of their costs.
Balamurugan Mohandossgandhi, Head of IT and Infrastructure, PropertyGuru
This has let us get a better idea of what our cost of goods sold really is. It's not every day you come across something that delivers value as quickly as yours did for us. I was seeing useful insights inside the POC, and we had only deployed it to a couple of real clusters.
Jason Moore, Principal DevOps Engineer, Accrete AI
Eliminating the need to tag thousands of resources has freed up my team and we've invested our efforts in enhancing our platform significantly.
Ziv Sivan, VP of Engineering
Frequently asked
questions
DoiT est-il une alternative à CloudZero ?
Oui, et pour la plupart des équipes multi-cloud ou fortement orientées Kubernetes, une alternative bien plus complète. CloudZero est une plateforme de cost intelligence. Cloud Intelligence™ est une plateforme FinOps qui inclut la cost intelligence, mais aussi la remédiation automatisée (CloudFlow), l'optimisation des workloads (PerfectScale), l'automatisation des commitments (PerfectScale for Commitments), l'attribution des coûts au runtime et une expertise FinOps embarquée.
Quelle est la plus grande différence entre DoiT et CloudZero ?
L'exécution. CloudZero vous montre ce qu'il faut corriger. DoiT vous montre ce qu'il faut corriger et applique la correction — via l'automatisation CloudFlow, le right-sizing PerfectScale et les Forward Deployed Engineers qui font le travail aux côtés de votre équipe.
Puis-je obtenir un coût cloud par client sans tout tagger ?
Le tagging est structurellement incomplet pour les services partagés, les GPU, les bases de données et le réseau. D'après Gartner, seuls 43 % environ des coûts cloud sont alloués au niveau unitaire avec une approche par tags. L'attribution des coûts au runtime de DoiT s'appuie sur une télémétrie au niveau du kernel (eBPF) pour observer le trafic et la consommation de ressources réels, puis rattacher chaque dollar au client, à la fonctionnalité, à l'équipe ou à l'agent IA qui l'a généré.
L'approche de CloudZero est pilotée par le code via CostFormation — ce qui fonctionne, mais demande un investissement d'engineering pour être maintenu.
CloudZero optimise-t-il Kubernetes ?
CloudZero alloue 100 % des coûts Kubernetes grâce à un algorithme d'allocation CPU+mémoire propriétaire et remonte des recommandations de right-sizing via Optimize, acheminées vers Slack et Jira. PerfectScale pour Kubernetes va plus loin avec un right-sizing autonome et conscient du workload — la plateforme applique le changement, pas seulement la recommandation. Les clients constatent typiquement des réductions de coûts K8s de 30 à 50 %.
CloudZero peut-il automatiser l'achat de commitments ?
CloudZero remonte la couverture et l'utilisation mais n'achète pas les commitments lui-même — cela nécessite une solution tierce. PerfectScale for Commitments gère l'achat nativement : achats échelonnés sur AWS Savings Plans, Database Savings Plans et GCP CUDs, validés en continu face à l'usage horaire, avec des garde-fous configurables et une exécution autonome ou soumise à approbation. Azure figure sur la roadmap.
Comment DoiT gère-t-il les coûts Snowflake et Databricks ?
Les deux plateformes allouent les coûts Snowflake et Databricks et fournissent une détection d'anomalies. La différence se joue sur l'optimisation : PerfectScale pour Snowflake (anciennement SELECT, acquis par DoiT début 2026) fournit un right-sizing automatisé des warehouses, la suspension des ressources inactives et des recommandations d'efficacité des requêtes avec aperçu de l'impact coût avant validation. CloudZero fournit allocation et alertes ; le right-sizing des warehouses et l'optimisation des requêtes ne font pas partie de leurs intégrations Snowflake ou Databricks. L'optimisation Databricks figure sur la roadmap DoiT.
Ai-je encore besoin d'une équipe FinOps si j'utilise DoiT ?
Vous aurez toujours intérêt à en avoir une — le FinOps est une pratique, pas un produit. DoiT et CloudZero incluent tous les deux du personnel expert dans le prix de leur plateforme, mais les modèles diffèrent. CloudZero fournit une équipe customer success certifiée FinOps et AWS, centrée sur le conseil et l'onboarding de la plateforme. DoiT fournit des Forward Deployed Engineers qui écrivent du code dans votre environnement et prennent en charge les résultats sur l'optimisation des coûts, le tuning K8s, la réponse aux incidents, la migration et la fiabilité. Choisissez le modèle qui correspond aux besoins de votre équipe.
Comment DoiT prend-il en charge les coûts GenAI et des workloads IA ?
Sur la visibilité et l'allocation des dépenses IA, DoiT et CloudZero sont à parité — CloudZero dispose d'une intégration native de l'API Anthropic et prend en charge Bedrock ainsi que d'autres fournisseurs ; DoiT GenAI Intelligence couvre le même terrain via les recettes Composer.
La différenciation, c'est l'optimisation : l'optimisation GenAI de PerfectScale audite les pipelines d'inférence à la chasse au gaspillage (réduction de tokens, choix de modèle, right-sizing GPU). L'attribution au runtime boucle la boucle en rattachant les dépenses IA au client ou à la fonctionnalité qui les a déclenchées.
Comment se situe le pricing de DoiT ?
DoiT peut être souscrit en SaaS (BYO billing) ou groupé avec le procurement multi-cloud sans marge. De nombreuses équipes constatent que consolider la facturation AWS, GCP ou Azure via DoiT finance de fait la plateforme. CloudZero est uniquement en SaaS, avec un prix indexé sur un pourcentage de la dépense cloud annualisée.
Quand CloudZero est-il plus pertinent que DoiT ?
Les équipes dont le livrable principal est l'allocation des coûts, le reporting d'unit economics et des recommandations sélectionnées acheminées vers les workflows d'engineering — où ce sont ensuite les Engineers qui exécutent les changements. CloudZero est solide sur ce terrain, avec une vraie profondeur sur l'allocation, la détection d'anomalies et le workflow Optimize. L'adéquation s'amenuise dès qu'il faut de l'exécution autonome des changements d'infrastructure, un achat de commitments géré directement par la plateforme, une optimisation au niveau warehouse des plateformes de données, une attribution au runtime ou un procurement multi-cloud groupé avec l'outil.