Dans AIntOps : 90 secondes pour voir où part vraiment votre budget IA

Une liste de fonctionnalités et des captures d'écran ont leurs limites. Alors plutôt que de décrire le cycle — connecter, voir, être alerté, agir — on l'a filmé. Voici ce qui se passe dans les 90 secondes qu'il faut à AIntOps pour passer d'une clé API collée à une recommandation d'économie chiffrée.

Regarder la démonstration

Ce que vous regardez, minute par minute

On n'a pas scénarisé un argumentaire de vente — on a filmé le produit réel en train de faire les quatre choses pour lesquelles il existe, à la suite, sur les données d'une organisation de démo.

1. 0:00 — Connecter un provider. Paramètres → Providers → coller une clé Admin API OpenAI. C'est tout. La clé est chiffrée au repos avec Fernet avant même de toucher le disque, et le premier sync — 30 jours d'historique récupérés automatiquement — démarre en arrière-plan dès que les identifiants sont validés.
2. 0:20 — Le dashboard se remplit en direct. Coût, tokens et volume de requêtes, ventilés par provider et par modèle, mis à jour à mesure que les données arrivent. C'est la même architecture TimescaleDB (hypertables + agrégats continus) qui garde une requête sur 30 jours sous les 50ms même au-delà de 100M d'événements — vous regardez l'infrastructure de production, pas un raccourci de démo.
3. 0:45 — Une anomalie est signalée. Le seuil basé sur un z-score détecte un pic de dépense par rapport à l'historique des 7 derniers jours de l'organisation et le remonte en insight — exactement comme il alerterait un canal Slack en production.
4. 1:05 — Une recommandation, avec un chiffre. Le moteur de recommandations a déjà repéré que l'essentiel de cette charge tourne sur un modèle plus cher que ce que la tâche exige, et il ne dit pas juste « envisagez un modèle moins cher » — il dit passez à gpt-4o-mini et économisez 432 $/mois, calculé à partir du volume de tokens réel de cette organisation sur 30 jours.

Pourquoi c'est construit comme ça

Rien de tout ça n'est un habillage posé sur le dashboard de quelqu'un d'autre. Le backend est en FastAPI avec SQLAlchemy 2 async de bout en bout ; la couche time-series est PostgreSQL 16 avec des hypertables TimescaleDB et des agrégats continus, découpés et compressés pour qu'un dashboard sur 30 jours reste rapide, que vous ayez 10 000 événements ou 100 millions. Chaque requête est filtrée par organization_id — le multi-tenant n'est pas un filtre ajouté après coup, c'est la première chose que vérifie chaque route. Les identifiants des providers ne sont jamais stockés en clair : chiffrement Fernet au repos, déchiffré uniquement au moment de l'appel API.

Le détecteur d'anomalies et le moteur de recommandations ne sont pas des boîtes noires non plus — ce sont des seuils z-score simples et un moteur de règles de substitution qui calcule le coût projeté à partir de votre propre volume de tokens, pas d'un benchmark générique. Vous pouvez voir exactement pourquoi un chiffre est apparu.

Essayez-le sur vos propres chiffres

Les 432 $/mois dans la vidéo sont la charge réelle sur 30 jours d'une organisation. Chaque compte voit son propre chiffre, calculé à partir de son propre usage — connecter votre premier provider prend à peu près les mêmes 30 secondes que dans la vidéo.