on ne peut tout simplement pas taguer
Votre programme de tagging ne sera jamais terminé. Attribute™ alloue 100 % des dépenses cloud au runtime, sans tags, sans modification de code, avec une allocation complète dès la semaine prochaine.
le tagging a porté le FinOps pendant dix ans.
Même les programmes les plus matures ne suivent que 43 % des coûts cloud au niveau unitaire (Gartner, 2025). L'écart continue de se creuser, car les catégories de dépenses qui croissent le plus vite ne peuvent tout simplement pas être taguées.
Les clusters Kubernetes, Kafka, les bases de données et les files de messages servent plusieurs équipes à la fois. Un tag assigne un seul propriétaire : il ne peut pas répartir ce qui n'a jamais été séparable.
Les tags suivent l'infrastructure. Les clients, eux, la traversent. Dans une architecture multi-tenant, il n'existe aucune ressource à taguer : le coût par client reste un exercice manuel.
Les gateways LLM, les clusters GPU partagés et les agents IA ne produisent qu'une seule ligne sur la facture. Chaque appel d'inférence est identique au niveau de la facturation.
Egress, transferts inter-AZ, NAT gateways. La facture arrive, mais les exports de facturation n'indiquent jamais quel workload a généré le trafic.
le vrai problème
Les outils basés sur les tags lisent les exports de facturation. Or ces exports décrivent des ressources, pas des usages. Ils peuvent vous dire qu'une instance EC2 a coûté 40 000 $, mais jamais quelle équipe, quel client ou quelle fonctionnalité l'a consommée.
Attribute™ déploie un capteur eBPF léger qui lit le trafic réseau au runtime. Il voit quel workload a appelé quelle ressource, quel identifiant client accompagnait la requête et quel modèle a répondu à l'appel d'inférence. Chaque dollar est rattaché au consommateur qui l'a généré, sur la base de ce qui s'est réellement passé, et non d'étiquettes que quelqu'un a pensé à appliquer.
de workloads attribués
d'installation du capteur, sans modification de code
pour l'allocation, pas des mois de tagging
comment ça marche
01. Installation en 15 minutes. Un capteur eBPF léger se déploie sur votre cluster via Helm, complété par une intégration de facturation Terraform. Aucune modification de code ni de configuration.
02. Le capteur lit les données au runtime. eBPF observe le trafic vers chaque ressource cloud : compute, bases de données, stockage, Kafka, GPU et endpoints LLM. L'inspection approfondie des paquets extrait les identifiants (tokens JWT, en-têtes HTTP, IDs client) directement du trafic.
03. Les coûts atterrissent au bon endroit. Chaque dollar est attribué au client, à l'équipe, à la fonctionnalité ou à l'agent IA qui l'a généré. Les ressources partagées sont réparties selon la consommation réelle, pas selon des répartitions égales ou des estimations.
le tagging n'a jamais été la réponse au FinOps
| Capability | Attribute™ | Programme de tagging |
|---|---|---|
| Attribution et allocation | ||
| Délai avant des données exploitables | Dès le premier jour, dès que le capteur observe du trafic | Des semaines, voire des mois de travail de tagging |
| Couverture | 100 % des workloads attribués | 43 % des coûts suivis au niveau unitaire (moyenne du secteur) |
| Ressources partagées | Allouées selon la consommation réelle | Répartitions égales, prorata ou estimations approximatives |
| Coût par client | Détecté automatiquement à partir du trafic runtime | Aucune notion de client |
| Dépenses IA et LLM | Allocation au token près par client, fonctionnalité ou équipe | Dépense totale uniquement |
| Infrastructure auto-gérée (Kafka, Elasticsearch sur EC2) | Le capteur voit à l'intérieur du workload | Invisible dans les exports de facturation |
| Coûts réseau | Tracés jusqu'au workload à l'origine du trafic | Impossibles à attribuer |
| Maintenance continue | Aucune. L'attribution suit le trafic | Application des règles, relances des ingénieurs, nettoyage trimestriel |
déjà investi dans les tags ?
Les équipes qui ont passé des années à taguer craignent d'avoir investi pour rien. Ce n'est pas le cas : tout ce qu'elles ont construit continue de fonctionner.
Attribute™ ingère les tags existants comme un signal supplémentaire. La différence, c'est que l'attribution n'en dépend plus. Les 57 % de dépenses que vos tags n'ont jamais couvertes sont alloués malgré tout, et le backlog de tagging ne bloque plus le showback, le chargeback ni les marges par client.
Attribute™ remplace des mois de programme de tagging par un capteur runtime léger
Les autres outils FinOps lisent vos exports de facturation. Attribute™ lit les données au runtime et rattache les coûts au workload qui les a générés. Attribuez instantanément les dépenses IA, réseau, bases de données et autres ressources partagées à vos clients, workloads et fonctionnalités.
Le capteur est en lecture seule et s'exécute dans une sandbox au niveau du noyau. Attribute™ est certifié SOC 2 Type 2 et ISO 27001, et plateforme certifiée FinOps.
AICPA
SOC 2
AICPA
ISO 27001
FinOps
Platform
chaque pic a un responsable et une explication.
Ensuite, l'enquête commence : des journées d'archéologie de tags, d'exploration de dashboards et de fils de discussion Slack pour comprendre le pourquoi. Attribute™ vous épargne l'enquête.
trois choses enfin possibles
En temps normal, chacune de ces capacités dépend d'un programme de tagging qui ne se termine jamais. Avec Attribute, elles sont disponibles dès le premier jour.
Répartissez l'infrastructure partagée entre les équipes selon l'usage réel. Toutes les parties prenantes, de l'engineering à la finance, travaillent sur les mêmes chiffres : fini les rapports de coûts contestés.
COGS et marge par compte, détectés automatiquement à partir du trafic. Un client a identifié plus de 360 comptes dont le coût dépassait le revenu, soit plus de 1,3 M$ de pertes jusque-là invisibles.
Attribution au token près par client, fonctionnalité et équipe sur OpenAI, Anthropic, Bedrock et Vertex AI. Fonctionne avec les gateways LLM managées comme auto-hébergées.
Nous avons éliminé le besoin de taguer des milliers de ressources. Attribute nous a donné une visibilité complète sur les coûts, sans aucun tag.
Ziv Sivan, VP of Engineering at Akamai
Le FinOps sans tagging
Installation en 30 minutes, et dès la semaine prochaine une allocation par client, par fonctionnalité et par équipe. Conservez vos tags actuels, sans plus en dépendre.
Oui. Le tagging est une méthode d'allocation des coûts, pas une exigence du FinOps. L'attribution au runtime lit le trafic en direct pour déterminer quelle équipe, quel client ou quelle fonctionnalité a consommé chaque ressource, et produit une allocation hors de portée des tags : infrastructure partagée, workloads IA, trafic réseau et coûts par client en multi-tenant.
Le tagging présente trois problèmes structurels. La couverture se dégrade, car les tags exigent un effort humain permanent. L'infrastructure partagée ne peut pas être répartie précisément, car un tag assigne un seul propriétaire par ressource. Et les catégories de dépenses qui croissent le plus vite, l'IA et le réseau, n'offrent aucune surface de tagging. Les données du secteur montrent que seuls 43 % des coûts cloud sont suivis au niveau unitaire.
Non. Vos tags existants continuent de fonctionner et Attribute les utilise comme signal supplémentaire. L'attribution n'en dépend plus, si bien que les dépenses non taguées, ou impossibles à taguer, sont allouées malgré tout.
Un capteur eBPF léger observe le trafic réseau au runtime. L'inspection approfondie des paquets identifie les workloads, les identifiants clients et les appels de modèles directement dans le trafic, puis les corrèle avec les données de facturation pour allouer chaque dollar selon la consommation réelle. Aucune modification de code ni de configuration n'est requise.
La plupart des clients voient des données attribuées le jour même. Le capteur s'installe en 15 minutes environ et l'attribution démarre dès qu'il observe du trafic.
Oui. Le capteur lit le trafic entrant et sortant des gateways LLM et des endpoints API sur OpenAI, Anthropic, Bedrock, Azure OpenAI et Vertex AI, en attribuant la consommation de tokens au client, à la fonctionnalité ou à l'équipe à l'origine de chaque appel.
Oui. eBPF s'exécute dans une sandbox au niveau du noyau et repose sur la même technologie que les principaux outils d'observabilité et de sécurité. Le capteur est en lecture seule, ne nécessite aucune modification applicative, et Attribute est certifié SOC 2 Type 2 et ISO 27001.
We have worked with DoiT for many years, and there has been an increasing number of capabilities and features in DoiT Cloud Intelligence. We've embedded features such as Cloud Analytics and Reports in our own FinOps processes, it's become core to what we do.
Martin Lee, Director of Operations
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
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
