PostHog

PostHog est une plateforme d'analyse open source pour développeurs créée par James Hawkins et Tim Glaser, lancée lors de la promotion W20 de Y Combinator en 2020. La promesse de l'entreprise est simple : réunir tous les outils logiciels liés aux clients dont une équipe d'ingénierie a besoin, au même endroit, sur un modèle de données unique, avec une tarification transparente et sans frais par utilisateur. Plus de 190 000 équipes utilisent PostHog aujourd'hui, dont 65 % de chaque promotion de Y Combinator, et la plateforme s'est développée pour servir environ 250 000 ingénieurs dans le monde.

La plateforme intègre l'analyse produit, l'analyse web, le replay de session, les feature flags, l'expérimentation A/B, le suivi des erreurs, les enquêtes utilisateurs, un data warehouse intégré, des pipelines de données clients et l'observabilité LLM sous un seul SDK et tableau de bord. Les ingénieurs instrumentent une seule fois et accèdent à l'ensemble de la stack : ils peuvent écrire des requêtes SQL directement dans le data warehouse sans pipeline ETL séparé, lier les enregistrements de session à des abandons spécifiques dans le tunnel de conversion, exécuter des tests A/B sur des cohortes de feature flags, et désormais tracer les coûts et la latence des appels LLM aux côtés des métriques de comportement produit. Le code source principal est sous licence MIT avec 34.2k étoiles GitHub ; une version entièrement FOSS (posthog-foss) est disponible, expurgée de tout code d'entreprise.

Ce que fait réellement PostHog en avril 2026

PostHog est passé d'un outil d'analyse mono-produit à ce que l'entreprise appelle une « infrastructure client ». En avril 2026, la plateforme se décline en huit produits intégrés fonctionnant sur la même couche d'ingestion d'événements :

• Analyse produit : tendances, tunnels de conversion, rétention, parcours, analyse de corrélation et requêtes SQL personnalisées. Jusqu'à 1M d'événements/mois gratuits.

• Replay de session : enregistrements vidéo complets des sessions utilisateurs avec chronologie des événements, requêtes réseau et journaux de console. 5,000 enregistrements/mois gratuits. Le replay sur desktop est de haute qualité ; le replay sur mobile présente des limites connues.

• Feature flags : déploiements au pourcentage, ciblage par propriétés utilisateur, évaluation locale pour des lectures sans latence, gestion des accès anticipés et planification. 1M de requêtes/mois gratuites.

• Expérimentation A/B : tests de signification statistique construits directement sur les cohortes de feature flags, avec l'analyse des tunnels et des tendances comme principaux types de métriques.

• Suivi des erreurs : capture des exceptions avec stack traces et corrélation des événements. 100K exceptions/mois gratuites.

• Enquêtes : micro-enquêtes intégrées au produit, liées aux propriétés des utilisateurs et aux feature flags. 1,500 réponses/mois gratuites.

• Observabilité LLM : capture chaque appel LLM comme un événement PostHog, enregistrant le modèle, la latence, l'utilisation des tokens, le coût, l'entrée et la sortie. Les tableaux de bord détaillent l'utilisation par modèle, fournisseur, fonctionnalité, utilisateur et organisation. La gestion des prompts (en bêta) permet aux équipes de créer et de versionner des prompts récupérés à l'exécution. 100K événements LLM/mois gratuits.

• Data warehouse et pipelines : stockage en colonnes intégré permettant des requêtes SQL directes sur toutes les données produit sans exportation vers un entrepôt tiers. Prend en charge les pipelines de données pour l'ingestion depuis des sources externes.

La plateforme a levé $70M en série D en juin 2025 pour une valorisation de $920M, menée par Stripe (l'anecdote mérite d'être connue : en novembre 2023, le PDG de Stripe, Patrick Collison, a tweeté spontanément que le site web de PostHog était « très bien fait », ce que les fondateurs ont utilisé comme point d'entrée pour finalement faire de Stripe leur investisseur principal). Y Combinator, GV et Formus Capital y ont participé. Au moment de la levée de fonds, PostHog affichait plusieurs dizaines de millions d'ARR et une croissance de 3x d'une année sur l'autre.

Où se situe PostHog par rapport à Mixpanel et Amplitude

Les trois plateformes se disputent le même budget d'analyse du comportement utilisateur, mais sont architecturalement très différentes, et ces différences ont de réelles conséquences sur la propriété des données, la tarification et l'adéquation avec les équipes.

PostHog vs. Mixpanel : Mixpanel est un SaaS cloud uniquement et à code source fermé, sans option d'auto-hébergement. Son modèle de données nécessite d'acheminer les données via un entrepôt externe avant de pouvoir les combiner avec d'autres sources, tandis que le data warehouse intégré de PostHog permet aux équipes d'interroger toutes les données produit sur place via SQL. Mixpanel facture uniformément tous les événements, quel que soit le statut d'identification de l'utilisateur (les forfaits de croissance commencent autour de $28/mois pour 10K événements) ; PostHog facture jusqu'à 80 % de moins pour les événements d'utilisateurs anonymes et inclut le replay de session, les feature flags et les enquêtes dans la même version gratuite. Mixpanel a relancé l'expérimentation et ajouté des feature flags fin 2025, mais ces fonctionnalités sont plus récentes et moins matures que les équivalents de PostHog, qui prennent en charge l'évaluation locale, le bootstrapping et la gestion des accès anticipés depuis des années. Le compromis principal : Mixpanel est plus abouti pour les chefs de produit qui souhaitent des rapports en quelques clics ; PostHog offre aux ingénieurs un accès direct aux données et une consolidation des outils.

PostHog vs. Amplitude : Amplitude est également cloud uniquement et à code source fermé, traitant plus de 10 billions d'actions utilisateurs par mois dans des centres de données régionaux conçus pour la conformité des entreprises. La différenciation d'Amplitude réside dans l'analyse prédictive et la segmentation avancée des utilisateurs, y compris des capacités de prévision comportementale que PostHog n'offre pas. Amplitude facture par utilisateur suivi mensuellement (50K MTUs gratuits), ce qui peut devenir coûteux à grande échelle par rapport au modèle basé sur les événements de PostHog. Amplitude a ajouté le replay de session et les heatmaps, mais reste avant tout axé sur l'analyse plutôt que sur l'infrastructure d'ingénierie. Le compromis principal : Amplitude s'adresse aux équipes d'entreprise qui ont besoin de cohortes prédictives, de prévisions comportementales et d'une gouvernance stricte des données ; PostHog s'adresse aux équipes d'ingénierie qui veulent un contrôle au niveau du code et ne veulent pas payer pour cinq outils distincts.

« La profondeur de compréhension que j'obtiens sur le comportement des utilisateurs grâce aux enregistrements, etc., est absolument transformatrice. J'ai presque toujours un onglet ouvert. PostHog guide les prises de décisions majeures. » - Markham Nolan, Product Hunt, 2025

À quoi ressemble la réalité d'une plateforme tout-en-un

En pratique, adopter PostHog signifie instrumenter une seule fois et débloquer les huit produits simultanément. Une startup en phase de démarrage peut remplacer Mixpanel, Hotjar, LaunchDarkly et Typeform par une seule intégration SDK, un seul modèle de données et une seule facture (généralement de zéro). L'événement qui se déclenche lorsqu'un utilisateur termine son paiement est le même événement qui alimente un tunnel d'analyse, déclenche un signet de replay de session, qualifie l'utilisateur pour une cohorte de feature flag et compte comme une conversion dans un test A/B.

Pour les équipes produit IA, la couche d'observabilité LLM pousse cette intégration encore plus loin. Chaque appel à OpenAI, Anthropic ou à un modèle auto-hébergé devient un événement PostHog, ce qui signifie que les équipes peuvent construire des tunnels combinant les métriques de performance du modèle avec le comportement de l'utilisateur, regarder des replays de session où les utilisateurs ont rencontré des réponses LLM lentes ou échouées, et tester en A/B des variantes de prompts par rapport aux métriques de rétention, le tout au sein d'une seule plateforme. PostHog affirme que cette approche permet un suivi des coûts environ 10x moins cher que les outils d'observabilité LLM dédiés, car elle réutilise l'infrastructure d'ingestion d'événements existante.

La version gratuite est véritablement le produit, pas un essai. PostHog rapporte que plus de 90 % des entreprises utilisent la plateforme de manière entièrement gratuite car leur volume se situe dans les limites mensuelles. Le niveau de paiement à l'usage s'active automatiquement lorsqu'une équipe dépasse une limite gratuite, sans aucun engagement initial requis.

« La configuration avec PostHog a été si facile que nous avons simplement continué, et la version gratuite est plutôt bonne. » - Hadar Sharvit, Product Hunt, 2025

Ce que PostHog n'est pas

Malgré son positionnement « tout-en-un », il existe des catégories où PostHog est à la traîne par rapport à des concurrents spécialisés :

L'auto-hébergement à grande échelle est plus difficile qu'annoncé. L'option auto-hébergée nécessite de faire tourner ClickHouse, PostgreSQL, Redis, Kafka et Zookeeper, une stack que plusieurs ingénieurs sur Hacker News décrivent comme peu pratique sur du matériel inférieur à 64GB de RAM. Un utilisateur a signalé que son serveur Hetzner à 64 cœurs « faisait tourner les 16 cœurs à 100 % et n'a finalement pas fonctionné ». PostHog recommande désormais son cloud géré pour les volumes supérieurs à 100K événements/mois. Le dépôt open source communautaire (posthog-foss) existe pour les équipes qui ont besoin de 100 % FOSS, mais le dépôt principal inclut un répertoire propriétaire ee/.

Une divulgation de sécurité en octobre 2024 a ajouté du contexte : des chercheurs ont trouvé une chaîne de vulnérabilités dans le déploiement auto-hébergé, notamment une SSRF dans la configuration des webhooks, une faille d'échappement SQL ClickHouse et des identifiants PostgreSQL par défaut permettant une RCE. PostHog a corrigé la SSRF dans les 24 heures, et les clients cloud n'ont pas été affectés (le cloud disposait de protections SSRF depuis mai 2024), mais l'incident a mis en évidence les risques opérationnels liés à l'auto-hébergement d'une stack multi-services complexe sans expertise dédiée en infrastructure.

L'observabilité LLM est large, mais pas profonde. Comparé à Langfuse (la plateforme d'ingénierie LLM open source), les outils spécifiques aux LLM de PostHog manquent de suites d'évaluation matures, de workflows LLM-as-judge, de visualisation détaillée des traces et de profondeur dans la gestion des prompts. Langfuse répertorie plus de 78 fonctionnalités spécifiques aux LLM. PostHog recommande d'utiliser Langfuse aux côtés de PostHog pour les équipes ayant de sérieux besoins d'évaluation LLM, et une intégration officielle existe. Cela signifie que les équipes construisant des produits fortement axés sur les LLM exécutent souvent les deux outils en parallèle plutôt que de tout consolider dans PostHog uniquement.

Pas d'analyse prédictive. Amplitude propose des prévisions comportementales et des cohortes prédictives que PostHog n'égale pas. Les équipes d'entreprise qui ont besoin de prédire le taux de désabonnement, de prévoir l'engagement ou de construire une segmentation basée sur le ML trouveront la couche d'analyse de PostHog insuffisante.

Le replay de session mobile est immature. Le replay sur desktop est une véritable force du produit. La qualité de l'enregistrement mobile est largement critiquée : l'expérience de visionnage des sessions d'applications mobiles implique des blocages de défilement (scroll-trapping) et une fidélité limitée par rapport à la version web.

Les scénarios où il vaut mieux passer son chemin : les équipes non techniques qui veulent un tableau de bord d'analyse soigné sans SQL ; les équipes d'achats d'entreprise qui ont besoin d'analyses prédictives et d'une gouvernance des données conforme SOC2 ; les organisations qui exigent un auto-hébergement complet à grande échelle sans consacrer de temps d'ingénierie à l'infrastructure ; et les équipes construisant des produits axés sur les LLM qui ont besoin d'outils d'évaluation approfondis plutôt que d'une analyse produit généraliste.