L'architecture est véritablement différente des solutions basées sur ClickHouse et Postgres. Le stockage d'objets est de première classe (pas une réflexion après coup de hiérarchisation), ce qui permet de maintenir des coûts prévisibles à mesure que le volume de télémétrie augmente. L'ingestion native OTLP signifie que nous sommes passés du SDK au SQL interrogeable sans file d'attente, sans travailleurs, sans pipeline de transformation. Pour l'observabilité de l'IA spécifiquement, les conventions sémantiques Gen-AI se traduisent directement en colonnes, ce qui rend la création de tableaux de bord de coûts et de latence simple.