Langfuse
Plateforme d'ingénierie LLM open source — tracing et observabilité, gestion de prompts, évaluations, jeux de données, et un playground pour les équipes qui construisent des applications IA
Langfuse est une plateforme d'ingénierie LLM open source qui aide les équipes à développer, surveiller, évaluer et déboguer les fonctionnalités IA de leur produit — en traçant chaque appel LLM, en versionnant les prompts, en exécutant des évaluations et en testant sur des jeux de données, le tout auto-hébergeable ou sur son cloud managé. Elle compte 31,154 étoiles GitHub en date de juillet 2026, est sous licence MIT pour son cœur, construite en TypeScript, et est issue de la promotion W23 de Y Combinator (elle a rejoint ClickHouse en janvier 2026). Pour un fondateur qui livre un produit IA, elle répond à une vraie question — « mon modèle fait-il vraiment ce que je pense, et s'améliore-t-il ? » — mais elle améliore le produit, pas sa portée. Langfuse peut vous dire que votre IA est devenue plus précise ; elle ne peut dire à personne que votre produit existe.
Ce qu'est Langfuse
Langfuse (github.com/langfuse/langfuse) est une plateforme open source pour le travail d'ingénierie derrière une fonctionnalité IA. Une application normale a des logs et du suivi d'erreurs ; une application propulsée par un LLM a un problème plus flou — la sortie du modèle change, les prompts dérivent, et « est-ce que c'est bon ? » relève du jugement plutôt que d'un simple test qui passe ou échoue. Langfuse donne un foyer à ce travail : vous instrumentez votre application, et elle trace chaque appel LLM, stocke et versionne vos prompts, exécute des évaluations, et vous permet de tester des changements sur des jeux de données sauvegardés. Elle est construite en TypeScript, sous licence MIT pour son cœur, peut être auto-hébergée en quelques minutes ou exécutée sur Langfuse Cloud, et est issue de la promotion W23 de Y Combinator.
- Tracing et observabilité — voir chaque appel LLM, chaque récupération et chaque étape d'agent derrière une session utilisateur, pour déboguer pourquoi une réponse a mal tourné.
- Gestion de prompts — versionner et itérer sur les prompts de façon centralisée plutôt que de les coder en dur, sans ajouter de latence à votre application.
- Évaluations et jeux de données — noter les sorties avec un LLM-juge, des vérifications par code, ou des annotations humaines, et comparer un changement à un jeu de test sauvegardé avant de le livrer.
- Open source et auto-hébergeable — exécutez-la sur votre propre infrastructure, avec un cloud managé et un palier entreprise payant si vous préférez ne pas le faire vous-même.
Où Langfuse se situe dans la stack d'un fondateur
Pour le nombre croissant de fondateurs qui livrent des produits AI-native — ceux qui construisent avec un kit comme Open SaaS ou un starter kit SaaS, puis qui câblent un LLM au cœur de l'expérience — Langfuse comble un vrai manque : elle rend la partie IA observable et améliorable au lieu d'être une boîte noire. Cela compte, car une fonctionnalité IA qui se dégrade silencieusement est une fuite de rétention que vous ne voyez pas. Si vous construisez avec l'IA, pouvoir mesurer et resserrer la qualité du modèle fait vraiment partie du travail.
Mais il vaut la peine d'être précis sur ce que ce levier touche réellement. Langfuse opère à l'intérieur de votre produit — la qualité de ce que fait votre IA une fois que quelqu'un l'utilise déjà. Elle ne dit rien du problème séparé et plus difficile qui consiste à amener ces personnes en premier lieu.
Ce que ça ne fait pas — et comment faire grandir ce que vous construisez
Langfuse peut vous dire que votre IA est devenue plus précise cette semaine ; elle ne peut dire à une seule nouvelle personne que votre produit existe. De meilleures traces n'écrivent pas votre positionnement, ne classent pas vos pages, ne publient pas dans les communautés où vivent vos utilisateurs, et ne relancent pas quelqu'un qui vous a essayé une fois. C'est une discipline différente de l'ingénierie LLM, et c'est elle qui décide si le produit IA soigné que vous instrumentez finit par être utilisé.
- Mesure le produit — mais les premiers utilisateurs viennent toujours de lancements, de contenu, de communautés et de prospection que vous menez délibérément.
- Améliore la qualité du modèle — mais la qualité ne se cumule qu'une fois que les gens sont entrés ; faire le marketing d'un produit construit avec l'IA est une boucle à part entière.
- Instrumente ce qui existe — mais la distribution est la ressource rare pour une startup AI-native, et aucun outil d'observabilité ne la crée.
C'est ici que AgentCeres — the AI Growth Officer sur agentceres.com vient compléter un outil comme Langfuse. AgentCeres est une équipe marketing IA managée : des spécialistes étudient votre marché et rédigent le SEO, le social et la prospection qui amènent des gens vers le produit — avec un humain qui approuve tout ce qui part. Langfuse vous aide à construire un produit IA qui vaut la peine d'être utilisé ; AgentCeres vous aide à le faire utiliser. Les deux se situent aux deux extrémités du même objectif — l'un rend le produit meilleur, l'autre le fait connaître.
FAQ
- Langfuse est-il gratuit ?
- Langfuse est open source et sous licence MIT pour son cœur, donc vous pouvez l'auto-héberger gratuitement et garder la propriété de vos données. Elle propose aussi Langfuse Cloud, une version hébergée avec un palier gratuit et des offres payantes, plus des fonctionnalités entreprise pour les grandes équipes. Consultez le repository et langfuse.com pour les limites actuelles et savoir quelles fonctionnalités se trouvent dans les paliers payants.
- Langfuse est-il open source ?
- Oui — le cœur est public sur github.com/langfuse/langfuse sous licence MIT et peut être auto-hébergé, ce qui est la principale raison pour laquelle les équipes le choisissent plutôt qu'un outil d'observabilité entièrement fermé. Certaines fonctionnalités entreprise avancées relèvent d'une licence commerciale séparée, le schéma classique de l'open-core, mais la plateforme est réellement utilisable et auto-hébergeable gratuitement.
- Ai-je besoin de Langfuse si j'ajoute juste une fonctionnalité IA ?
- Pas dès le premier jour. Si vous avez un seul prompt et qu'il fonctionne, une simple journalisation suffit. Tournez-vous vers Langfuse une fois que la partie IA devient difficile à raisonner — plusieurs prompts, agents ou étapes de récupération, ou le sentiment persistant que la qualité dérive sans que vous puissiez voir où. Elle mérite sa place quand « est-ce que le modèle est toujours bon ? » devient une question à laquelle vous avez besoin de vraies preuves pour répondre.
- En quoi Langfuse diffère-t-elle d'un outil comme Umami ?
- Elles mesurent des couches différentes. Umami et l'analytique produit vous disent comment les gens se déplacent dans votre application — pages, inscriptions, rétention. Langfuse vous dit à quel point l'IA à l'intérieur de votre application performe — traces, versions de prompts, scores d'évaluation. L'un surveille le comportement des utilisateurs ; l'autre surveille le comportement du modèle. Une équipe qui livre un produit IA veut souvent les deux, plus le marketing qui amène d'abord les utilisateurs à mesurer.
You built it. Now grow it.
AgentCeres is a managed AI marketing team — specialists draft the SEO, social, and outreach that fill your links, you approve what ships. 14-day free trial, from $19/month.