Probant ou Eppo

Les deux outils comparés point par point, d’après la documentation publique d’Eppo, consultée le 11 novembre 2026. Chaque affirmation sur Eppo renvoie à sa source.

57 sources tirées de 36 pages officielles, consultées le 11 novembre 2026.

Ce qu’Eppo propose.

Eppo est une plateforme d’expérimentation « warehouse-native » : les calculs se font dans l’entrepôt de données du client.¹ Rachetée par Datadog, elle est désormais vendue sous le nom Datadog Experiments.^2,3 Le test séquentiel est sa méthode par défaut ; horizon fixe et lecture bayésienne sont proposés.^4,5

Probant s’adresse aux sites qui veulent des tests A/B dont le verdict tient : un plan fixé avant le lancement, et des garde-fous suivis jusqu’au déploiement. Il mesure ce que vaut vraiment chaque conversion : la marge d’une commande, le lead qualifié ou signé, l’abonnement payé.

Les différences, point par point.

À gauche, ce que dit la documentation publique d’Eppo, chaque phrase avec sa source. À droite, ce que fait Probant. « Non mentionné » signifie que rien n’a été trouvé dans cette documentation : ce n’est pas la preuve qu’une fonction n’existe pas.

Probant et Eppo, point par point. Les appels de note renvoient aux sources, en bas de page.
Point comparé	Eppo	Probant
Méthode statistique	Quatre méthodes : fréquentiste séquentiel (par défaut), fréquentiste à échantillon fixe, séquentiel hybride (séquentiel puis fixe à la date cible) et bayésien. Méthode réglable par défaut au niveau de l’organisation.^4,5	Fréquentiste, avec un plan séquentiel fixé avant le lancement : effet visé, durée et points de contrôle. Le verdict s’écrit en une phrase, avec une fourchette à 95 %.
Coup d’œil (peeking)	L’analyse par défaut est séquentielle : intervalles « confidence sequence » (mélange normal de Howard et al.) valides à chaque consultation. Le mode hybride permet d’arrêter tôt sur une dégradation et de décider des gains à la date prévue.^6,7,8	On ne décide qu’aux points de contrôle prévus, avec les bornes d’O’Brien-Fleming : très strictes au début, proches du seuil classique à la fin. Pendant un déploiement, les fourchettes sont toujours valides (mSPRT) : on peut les consulter à tout moment.
Répartition des visiteurs (SRM)	Datadog détecte le SRM par un test du khi-deux de Pearson ; un déséquilibre s’affiche comme un diagnostic en échec sur la page de résultats, et la documentation demande de le traiter comme bloquant pour lire les résultats.^9,10,11,12	La répartition des visiteurs est contrôlée par un test du khi-deux à chaque lecture du rapport. En cas de déséquilibre, le test passe au statut « bloqué » : aucun gagnant n’est annoncé.
Garde-fous	Métriques garde-fous (métriques secondaires, seuil de dégradation tolérée). Les déploiements « canary » de Datadog Feature Flags mettent en pause ou arrêtent automatiquement le déploiement si un garde-fou se dégrade significativement ; la doc des expériences mentionne des « automated guardrail actions » sans les détailler.^13,14,15	Les métriques garde-fous sont suivies avec leur fourchette ; un garde-fou n’est franchi que si toute la fourchette dépasse la limite. Un garde-fou franchi bloque le verdict du test, arrête seul un test en cours et, pendant un déploiement, ramène les visiteurs sur l’originale automatiquement.
Déploiements progressifs	Déploiements progressifs par paliers de pourcentage planifiés ; les canaries surveillent des garde-fous (erreurs, latence…) et reviennent automatiquement en arrière en cas de régression.^16,17	Paliers 25 % → 50 % → 100 % par défaut, 10 % → 25 % → 50 % → 100 % en mode prudent. Retour arrière automatique quand un garde-fou est franchi ; un visiteur exposé le reste aux paliers suivants.
Multi-armed bandit	Bandit manchot adaptatif et bandits contextuels documentés chez Eppo ; la doc Datadog Experiments ne cite les bandits qu’en passant (exclus des approbations).^18,19,20	Test d’optimisation : échantillonnage de Thompson, réalloué au plus une fois par jour, avec une part minimale par variante. Il maximise un taux de conversion, ou un montant par visiteur comme le chiffre d’affaires : probabilité d’acheter et panier moyen tirés de leurs lois, valeurs plafonnées au centile comme dans un test A/B. En option, des parts par appareil (mobile, tablette, ordinateur) : un tirage par appareil, chacun avec son apprentissage et son plancher. Un visiteur garde toujours sa variante : une nouvelle répartition ne vaut que pour les visiteurs arrivés après elle. Dit à l’écran : il maximise les conversions (ou le montant par visiteur) pendant le test, il ne prouve pas qu’une variante est meilleure. L’écart se lit époque par époque (et appareil par appareil), sans gagnant proclamé ; l’export CSV donne la même lecture.
Revenu et marge par visiteur	Chaque métrique (dont un revenu par utilisateur) est affichée avec écart relatif et intervalle de confiance ; le panier moyen se définit comme métrique de ratio.^21,22 La page « À propos » d’Eppo (citation d’un investisseur) mentionne la marge parmi les métriques business ; techniquement, une métrique de marge se définit en SQL si les coûts sont dans l’entrepôt. Aucune fonction de coût produit dédiée n’est documentée.²³	CA et marge par visiteur, chacun avec sa fourchette ; le gain est chiffré en euros. La marge est calculée sur le serveur, à partir des commandes rapprochées, du coût de chaque produit (Shopify ou CSV) et des frais de la boutique ; pas de verdict en marge sous 90 % du CA couvert par des coûts connus.
Biais du gagnant	L’impact cumulé corrige la malédiction du gagnant par un modèle hiérarchique (Bayes empirique) ajusté sur toutes les expériences d’une métrique ; l’estimation corrigée de chaque test est visible sur sa page. Il faut au moins cinq expériences éligibles.^24,25,26	Le gain annoncé est corrigé du biais du gagnant, par rétrécissement bayésien vers les effets des tests passés de la boutique.
Mode bayésien	Mode bayésien avec prior normal ou de Student (qui rétrécit les estimations bruitées), intervalle crédible et probabilité d’un effet positif. La perte attendue n’est pas mentionnée.^27,28,29	En option, désactivée par défaut : une lecture bayésienne à côté du verdict, avec la probabilité que la variante fasse mieux, l’intervalle de crédibilité et la perte attendue de chaque choix. L’a priori est centré sur zéro et aussi large que les effets mesurés par les tests arrêtés de la boutique ; tant qu’ils sont trop peu nombreux pour l’estimer, pas de lecture : aucun a priori par défaut n’est inventé. La décision suit toujours le plan scellé ; quand les deux lectures divergent, le rapport dit pourquoi.
Comparaisons multiples	Correction de Bonferroni « préférentielle » sur variantes × métriques, avec une part d’alpha réservée à la métrique principale. Non proposée en mode bayésien.^30,31	Les comparaisons de segments sont corrigées par la méthode de Holm. Avec plusieurs variantes, le risque d’erreur se partage entre les comparaisons (Bonferroni).
Test multivarié	Plusieurs variations par flag (A/B/n, dit « multivariate ») ; pas de plan factoriel complet documenté. Eppo documente la détection d’interactions entre expériences parallèles.^32,33	Plan factoriel complet généré par Probant : de deux à quatre sections, chacune de deux à quatre niveaux, seize combinaisons au plus, chacune servie comme une variante. Effets principaux de chaque section sur tout le trafic et interactions entre deux sections, corrigés par la méthode de Holm sur les comparaisons annoncées au plan. Le plan dit, au trafic mesuré de l’espace, si le test peut conclure, et propose de retirer un niveau ou une section ; aucune meilleure combinaison n’est proclamée sans contrôle.
Réduction de variance (CUPED)	CUPED activé par défaut, dans une version augmentée (CUPED++) qui utilise aussi les autres métriques et les attributs d’assignation comme covariables. Pas de CUPED sur les segments ni les filtres ad hoc.^34,35,36,37	CUPED appliqué aux rapports des tests réels, sur l’historique de chaque visiteur avant sa première exposition ; sans historique, l’écart reste brut et le rapport le dit.
Éditeur visuel	Un éditeur visuel n’est pas mentionné dans leur documentation publique (consultée le 11 novembre 2026).	Deux façons d’éditer, qui produisent les mêmes modifications : un aperçu de la page chargé par Probant, sans ses scripts, ou la vraie page du site, scripts compris. Sur le site, l’éditeur est chargé par le script déjà installé, avec un lien signé, de courte durée, pour un brouillon et une variante ; sans extension de navigateur. Il n’envoie à Probant que les modifications choisies.
Widgets	Des widgets prêts à l’emploi ne sont pas mentionnés dans leur documentation publique (consultée le 11 novembre 2026).	Bandeau, compte à rebours, pop-in, badge, réassurance, barre d’action, date de livraison, preuve sociale, code promo, livraison offerte et enquête, réglés sans code dans l’éditeur et gardés dans la bibliothèque de l’espace pour d’autres tests. Un widget n’est qu’une suite de modifications ordinaires : textes échappés, liens en https ou vers le site, styles posés sans attribut style, donc sans assouplir une politique CSP stricte. Le compte à rebours suit le fuseau du site et disparaît à l’échéance ; la pop-in s’ouvre à l’arrivée, à l’intention de sortie ou après défilement, se ferme au clavier et ne réapparaît plus de la visite si le consentement le permet. Leurs petits modules ne se chargent que pour les visiteurs de la variante. La date de livraison est recalculée chez le visiteur (heure limite, jours ouvrés, jours fériés) ; la preuve sociale compte exactement les achats reçus sur une semaine glissante et ne s’affiche qu’à partir d’un seuil : Probant n’affiche jamais de faux « X personnes regardent ce produit ». L’enquête pose une question à réponses fermées ou une échelle de recommandation, sans texte libre ; chaque réponse part avec les conversions, après l’accord du visiteur quand l’espace l’exige, et se lit par variante, avec sa fourchette.
Script et clignotement	Aucun snippet visuel n’est documenté : SDK JavaScript (OpenFeature chez Datadog) qui récupère des assignations précalculées ; l’initialisation Eppo est non bloquante. Aucun mécanisme anti-scintillement intégré ni poids publié ; un guide conseille de masquer les éléments au départ.^38,39,40	Script de moins de 6,5 Ko compressé, chargé en asynchrone, qui ne masque jamais la page. Affectation côté serveur possible, pour un affichage sans aucun clignotement.
Permissions fines	Rôles personnalisés Datadog et permissions par flag ; Eppo proposait quatre rôles plus des équipes propriétaires.^41,42,43	Quatre rôles fixes, et des rôles personnalisés que le propriétaire compose à partir d’un catalogue de permissions nommées : préparer, lancer et arrêter, déployer, approuver un lancement, écrire le JavaScript des variantes, gérer les drapeaux, les métriques, la marge, les membres, les clés. Aucune élévation : la facturation, les rôles, le transfert et la suppression de l’espace restent au propriétaire ; on n’attribue jamais plus que ses propres permissions, et une clé d’API ne dépasse pas celles de son auteur.
Hébergement des données	Datadog propose un site EU1 en Allemagne ; Experiments n’est exclu que des sites gouvernementaux américains. En mode warehouse-native, les données brutes restent dans l’entrepôt du client. Eppo tournait sur Google Cloud.^44,45,46,47	Base de données et fonctions en région Paris (Supabase, Vercel cdg1).
Consentement par défaut	Le SDK RUM (métriques côté navigateur) collecte par défaut (« granted ») et garde un identifiant anonyme jusqu’à un an dans un cookie ; le refus doit être passé par le site. Le SDK Eppo peut différer l’envoi des assignations jusqu’au consentement.^48,49,50	Consentement exigé par défaut : aucun cookie, aucune affectation et aucun envoi avant l’accord du visiteur. Accord donné en cours de lecture : la page ne change pas sous les yeux du visiteur, sa variante commence à la page suivante. Cookie interne au site, de 390 jours au plus, jamais prolongé.
Modèle de prix	Facturation par expérience lancée (au moins 500 sujets et 3 jours de données) : à partir de 450 $ par expérience et par mois en annuel, 575 $ à la demande ; sièges illimités. Feature flags facturés au million de requêtes au-delà du premier.^51,52,53,54	Forfait mensuel fixe, sans dépassement : la facture ne dépasse jamais le forfait choisi.

Ce qu’Eppo fait aussi.

Ces points, Probant les partage avec Eppo. Ils ne sont pas propres à Probant.

Un test séquentiel
L’analyse par défaut est séquentielle : intervalles « confidence sequence » (mélange normal de Howard et al.) valides à chaque consultation. Le mode hybride permet d’arrêter tôt sur une dégradation et de décider des gains à la date prévue.^6,7,8
Des arrêts automatiques sur garde-fou
Métriques garde-fous (métriques secondaires, seuil de dégradation tolérée). Les déploiements « canary » de Datadog Feature Flags mettent en pause ou arrêtent automatiquement le déploiement si un garde-fou se dégrade significativement ; la doc des expériences mentionne des « automated guardrail actions » sans les détailler.^13,14,15
Une correction des comparaisons multiples
Correction de Bonferroni « préférentielle » sur variantes × métriques, avec une part d’alpha réservée à la métrique principale. Non proposée en mode bayésien.^30,31
Une réduction de variance (CUPED)
CUPED activé par défaut, dans une version augmentée (CUPED++) qui utilise aussi les autres métriques et les attributs d’assignation comme covariables. Pas de CUPED sur les segments ni les filtres ad hoc.^34,35,36,37
Une correction du biais du gagnant
L’impact cumulé corrige la malédiction du gagnant par un modèle hiérarchique (Bayes empirique) ajusté sur toutes les expériences d’une métrique ; l’estimation corrigée de chaque test est visible sur sa page. Il faut au moins cinq expériences éligibles.^24,25,26

Quand choisir Eppo plutôt que Probant.

D’après la documentation publique d’Eppo.

Vos données vivent déjà dans un entrepôt
Analyse warehouse-native : les calculs tournent dans l’entrepôt du client et les métriques sont définies en SQL.⁵⁵
Probant mesure les événements de son script et les commandes reçues par son API.
Vous utilisez déjà Datadog
Datadog Experiments associe les méthodes statistiques d’Eppo à l’observabilité de Datadog, qui sert de garde-fou en temps réel.⁵⁶
Vous voulez des bandits contextuels
Personnalisation par bandits contextuels (documentés chez Eppo) ; leur impact se mesure dans une expérience à deux variations, le bandit contre un contrôle.^19,57
Probant propose un test d’optimisation par échantillonnage de Thompson, avec des parts par appareil en option.

Ce qui distingue Probant.

Ces points ne figurent pas dans la documentation publique d’Eppo, consultée le 11 novembre 2026. Une absence de mention n’est pas une preuve d’absence : s’ils comptent pour vous, posez la question à Eppo.

La marge par visiteur
Probant mesure le CA et la marge par visiteur, chacun avec sa fourchette.
EppoLa page « À propos » d’Eppo (citation d’un investisseur) mentionne la marge parmi les métriques business ; techniquement, une métrique de marge se définit en SQL si les coûts sont dans l’entrepôt. Aucune fonction de coût produit dédiée n’est documentée.²³ Une marge par visiteur dans les rapports de test n’y est pas mentionnée (consultée le 11 novembre 2026).
En savoir plus
Le consentement exigé par défaut
Aucun cookie, aucune affectation et aucun envoi avant l’accord du visiteur.
EppoLe SDK RUM (métriques côté navigateur) collecte par défaut (« granted ») et garde un identifiant anonyme jusqu’à un an dans un cookie ; le refus doit être passé par le site. Le SDK Eppo peut différer l’envoi des assignations jusqu’au consentement.^48,49,50 Un consentement exigé par défaut n’y est pas mentionné (consultée le 11 novembre 2026).
Un éditeur visuel
Les variantes se créent sans développeur, dans un aperçu de la page ou sur le vrai site, sans extension de navigateur.
EppoUn éditeur visuel n’est pas mentionné dans leur documentation publique (consultée le 11 novembre 2026).
En savoir plus
Des widgets prêts à l’emploi
Bandeau, compte à rebours, pop-in, preuve sociale, enquête : des widgets réglés sans code dans l’éditeur.
EppoDes widgets prêts à l’emploi ne sont pas mentionnés dans leur documentation publique (consultée le 11 novembre 2026).

Questions fréquentes.

Combien coûte Eppo ?

Facturation par expérience lancée (au moins 500 sujets et 3 jours de données) : à partir de 450 $ par expérience et par mois en annuel, 575 $ à la demande ; sièges illimités. Feature flags facturés au million de requêtes au-delà du premier.^51,52,53,54 Probant est vendu au forfait mensuel fixe, sans dépassement : la facture ne dépasse jamais le forfait choisi.

Où Eppo héberge-t-il les données ?

Datadog propose un site EU1 en Allemagne ; Experiments n’est exclu que des sites gouvernementaux américains. En mode warehouse-native, les données brutes restent dans l’entrepôt du client. Eppo tournait sur Google Cloud.^44,45,46,47 Probant héberge base de données et fonctions en région Paris.

Eppo mesure-t-il la marge ?

La page « À propos » d’Eppo (citation d’un investisseur) mentionne la marge parmi les métriques business ; techniquement, une métrique de marge se définit en SQL si les coûts sont dans l’entrepôt. Aucune fonction de coût produit dédiée n’est documentée.²³ Probant mesure le CA et la marge par visiteur, chacun avec sa fourchette, à partir des commandes et du coût de chaque produit.

Peut-on regarder les résultats d’Eppo en cours de test ?

L’analyse par défaut est séquentielle : intervalles « confidence sequence » (mélange normal de Howard et al.) valides à chaque consultation. Le mode hybride permet d’arrêter tôt sur une dégradation et de décider des gains à la date prévue.^6,7,8 Probant fixe ses points de contrôle avant le lancement (O’Brien-Fleming) et utilise des fourchettes toujours valides pendant les déploiements.

Sources.

Pages officielles d’Eppo, consultées le 11 novembre 2026. Les citations sont reproduites dans leur langue d’origine.

Source 1 : www.geteppo.com
Warehouse-native architecture powers a world class statistical engine without becoming a black box.
Source 2 : www.datadoghq.com/about/latest-news/press-releases/datadog-acquires-eppo-to-expand-its-ai
today announced it has acquired Eppo, a feature flagging and experimentation platform, which will tightly integrate with Datadog’s existing Product Analytics suite.
Source 3 : www.geteppo.com
Eppo is now Datadog Experiments
Source 4 : docs.datadoghq.com/experiments/statistics/analysis_methods
Sequential frequentist analysis is the default because it lets you monitor results and make ship or rollback decisions without inflating the false positive rate.
Source 5 : docs.geteppo.com/statistics/confidence-intervals/analysis-methods
Eppo has four different methods for estimating the expected lift from experiment data and constructing a confidence interval around that estimate.
Source 6 : docs.datadoghq.com/experiments/statistics/analysis_methods
Sequential analysis controls the false positive rate while allowing repeated checks of the results.
Source 7 : docs.datadoghq.com/experiments/statistics/lift_and_interval_calculations
The boundary follows the normal-mixture construction of Howard et al. (2021).
Source 8 : docs.geteppo.com/statistics/confidence-intervals/analysis-methods
We chose to make sequential analysis the default because it allows for maximum flexibility while still making ship/no-ship decisions relatively straightforward: you can peek—and make a decision—at any time, without risking unacceptably high rates of detecting phantom effects.
Source 9 : docs.datadoghq.com/experiments/diagnostics
Datadog detects SRM with Pearson's chi-squared goodness-of-fit test.
Source 10 : docs.datadoghq.com/experiments/diagnostics
Treat SRM as a blocker for interpreting results.
Source 11 : docs.datadoghq.com/experiments/diagnostics
When a check finds an issue, Datadog displays it on the experiment results page as a warning, metric message, or failed diagnostic check.
Source 12 : docs.geteppo.com/experiment-analysis/reading-results/experiment-status
AND there is no traffic imbalance
Source 13 : docs.datadoghq.com/experiments/plan_and_launch_experiments
(Optional) Click the Secondary metrics button to add guardrail metrics, which monitor unintended effects of the experiment on other areas such as performance, engagement, or revenue.
Source 14 : docs.datadoghq.com/feature_flags/use_cases/progressive_rollouts
When the canary detects a statistically significant adverse change in a guardrail metric, it automatically pauses or stops the rollout.
Source 15 : docs.datadoghq.com/experiments/approvals
Secondary metrics that evaluate experiment health are supported. They are separate from automated guardrail actions.
Source 16 : docs.datadoghq.com/feature_flags/use_cases/progressive_rollouts
Progressive rollouts release new functionality gradually by incrementing the percentage of subjects exposed to the feature over time.
Source 17 : www.datadoghq.com/pricing
Automate risk mitigation with telemetry-driven canary rollouts with automatic rollbacks
Source 18 : www.geteppo.com/experimentation
Hone in on winning creatives, AI models, and product changes with an adaptive multi-armed bandit.
Source 19 : docs.geteppo.com/contextual-bandits
Eppo's Contextual Bandits allows us to automatically optimize personalized user experiences.
Source 20 : docs.datadoghq.com/experiments/approvals
Experiment approvals are not supported for canary deployments, bandits, or experiments with externally managed randomization.
Source 21 : docs.datadoghq.com/experiments/reading_results
Confidence interval: A range of lift values consistent with the observed data, shown as a bar centered on the relative lift estimate.
Source 22 : docs.geteppo.com/data-management/metrics/ratio-metric
Average order value is defined as the total amount of revenue divided by the total number of orders:
Source 23 : www.geteppo.com/about-us
Rather than measuring basic click-throughs, Eppo leverages core business metrics such as revenue, margin, and subscriptions
Source 24 : docs.datadoghq.com/experiments/concepts/cumulative_impact
Datadog Experiments performs this correction automatically by fitting a statistical model across all of your team's experiments on a metric and producing a corrected estimate of cumulative impact.
Source 25 : docs.datadoghq.com/experiments/concepts/cumulative_impact
Selecting an experiment from the list opens its result page, where you can see the original measured lift, the shipping decision, and the corrected estimate used in the cumulative calculation.
Source 26 : docs.datadoghq.com/experiments/concepts/cumulative_impact
The model requires at least five eligible experiments.
Source 27 : docs.datadoghq.com/experiments/statistics/analysis_methods
Bayesian analysis uses experiment data to update a prior belief about plausible lift values.
Source 28 : docs.datadoghq.com/experiments/statistics/analysis_methods
Both priors shrink noisy lift estimates toward the prior mean.
Source 29 : docs.datadoghq.com/experiments/statistics/lift_and_interval_calculations
The posterior also gives the probability of a positive effect:
Source 30 : docs.datadoghq.com/experiments/statistics/multiple_testing_correction
Datadog uses preferential Bonferroni correction.
Source 31 : docs.datadoghq.com/experiments/statistics/multiple_testing_correction
Multiple testing correction is available for frequentist analysis methods.
Source 32 : docs.datadoghq.com/feature_flags/guide/headless_cms
Datadog flags also allow for multiple variations on a flag, enabling A/B/n and multivariate tests.
Source 33 : docs.geteppo.com/statistics/interaction-detection
Effect Interaction: The effect of one variant depends on exposure in some other experiment.
Source 34 : docs.datadoghq.com/experiments/statistics/cuped
CUPED is enabled by default.
Source 35 : www.datadoghq.com/pricing
Built-in variance reduction with CUPED++
Source 36 : docs.geteppo.com/data-management/definitions/overview
Assignment tables contain subject-level properties. These categorical columns are used to filter and segment experiment results, and are also used as additional control variables in Eppo's CUPED++ variance reduction model.
Source 37 : docs.geteppo.com/experiment-analysis/deep-dive/segments
We do not compute CUPED results for neither segments nor ad-hoc filters due to the computational cost of computing CUPED results.
Source 38 : docs.datadoghq.com/feature_flags/client/javascript
Use DatadogProvider for most applications. It fetches precomputed assignments, retrieves updated assignments when the evaluation context changes, and manages built-in telemetry.
Source 39 : docs.geteppo.com/sdks/best-practices/non-blocking-initialization
Eppo's SDK initialization is non-blocking by default.
Source 40 : docs.geteppo.com/guides/marketing/integrating-with-webflow
By making sure our elements are “blank” to start with, we can completely reduce any flicker that would be caused by re-writing and element with Javascript.
Source 41 : docs.datadoghq.com/account_management/rbac
By default, Datadog offers three roles, and you can create custom roles so you can define a better mapping between your users and their permissions.
Source 42 : docs.datadoghq.com/feature_flags/concepts/permissions
Datadog Feature Flags supports organization-level permissions and granular per-flag access controls.
Source 43 : docs.geteppo.com/administration/users-and-permissions
Four roles are provided that can be assigned to users to specify their level of access: "Admin," "Data Owner," "Experiment Editor," and "Viewer."
Source 44 : docs.datadoghq.com/getting_started/site
EU (Germany)
Source 45 : docs.datadoghq.com/experiments
Important note for users on the following Datadog sites: app.ddog-gov.com, us2.ddog-gov.com
Source 46 : docs.geteppo.com/reference/architecture-and-security
Queries to process raw data execute on Customer DW — raw data never leaves Customer DW.
Source 47 : docs.geteppo.com/reference/architecture-and-security
Eppo infrastructure is built entirely using GCP in an environment that is SOC2 Type 2 compliant.
Source 48 : docs.datadoghq.com/real_user_monitoring/application_monitoring/browser/advanced_configuration
"granted" (default): The RUM Browser SDK starts collecting data and sends it to Datadog.
Source 49 : docs.datadoghq.com/real_user_monitoring/application_monitoring/browser/advanced_configuration
Lifetime: Persists for up to one year across sessions in the Datadog session cookie (_dd_s_v2).
Source 50 : docs.geteppo.com/sdks/client-sdks/javascript/gdpr-compliance
In certain situations, you may wish to hold off on logging assignments until a later time, such as the user granting the relevant permission.
Source 51 : www.datadoghq.com/pricing
Datadog Experiments is priced based on the number of successfully launched experiments.
Source 52 : www.datadoghq.com/pricing
Starting At $ 450 per launched experiment, per month
Source 53 : www.datadoghq.com/pricing
Billed annually or $575 on-demand
Source 54 : www.datadoghq.com/pricing
An experiment becomes billable once it has launched and reached at least 500 subjects and 3 days of data.
Source 55 : docs.datadoghq.com/experiments
In warehouse native mode, Datadog runs experiment analysis directly in Snowflake, BigQuery, Redshift, or Databricks.
Source 56 : www.datadoghq.com/about/latest-news/press-releases/datadog-experiments-launches
Powered by Datadog’s acquisition of Eppo, Datadog Experiments pairs best-in-class statistical methods with real-time observability guardrails so companies can test what matters, move quickly and ship with confidence.
Source 57 : docs.geteppo.com/bandit-quickstart
To evaluate the impact of the Contextual Bandit, we run an experiment with exactly two variations: the bandit and a control.

Probant Ou pas encore…

Créez votre espace, ou explorez d’abord la démo avec les données d’une boutique fictive.

Créer mon espace Explorer la démo

Démo ouverte, sans inscription
Forfait fixe, jamais de dépassement
Données hébergées à Paris

Probant ou Eppo

Ce qu’Eppo propose.

Les différences, point par point.

Ce qu’Eppo fait aussi.

Un test séquentiel

Des arrêts automatiques sur garde-fou

Une correction des comparaisons multiples

Une réduction de variance (CUPED)

Une correction du biais du gagnant

Quand choisir Eppo plutôt que Probant.

Vos données vivent déjà dans un entrepôt

Vous utilisez déjà Datadog

Vous voulez des bandits contextuels

Ce qui distingue Probant.

La marge par visiteur

Le consentement exigé par défaut

Un éditeur visuel

Des widgets prêts à l’emploi

Questions fréquentes.

Sources.

Probant Ou pas encore…