CSRD, ESRS E1 et pourquoi les émissions LLM appartiennent à votre divulgation climatique

La directive sur la publication d'informations en matière de durabilité des entreprises (CSRD) et les normes européennes de reporting de durabilité (ESRS) poussent les entreprises vers des données climatiques vérifiables, granulaires — pas une simple diapositive qui dit « nous nous soucions de l'IA verte ». Pour les équipes produit et plateforme, l'implication est claire : l'utilisation de l'IA générative et des LLMs devient un problème de données, pas seulement un problème de communication.

De la CSRD à l'ESRS E1

La CSRD impose aux entreprises concernées de publier une déclaration de durabilité fondée sur les ESRS. Parmi les thématiques environnementales, ESRS E1 — Changement climatique est là où la plupart des équipes financières et développement durable rencontrent des exigences concrètes : non pas des intentions, mais des émissions de gaz à effet de serre (GES), des objectifs, des plans de transition, et des divulgations de risques — présentés de manière comparable dans le temps.

Sur le plan méthodologique, ESRS E1 s'aligne sur ce que les praticiens carbone utilisent déjà : le cadre du GHG Protocol avec Scope 1 (direct), Scope 2 (énergie achetée), et Scope 3 (autres émissions indirectes tout au long de la chaîne de valeur). Le défi du reporting n'est pas la physique — c'est la traçabilité : les périmètres d'émission, les facteurs d'émission, et les preuves qu'un auditeur peut suivre.

Où se situe l'inférence LLM : généralement en Scope 3

Pour la plupart des organisations qui consomment des modèles tiers ou des API cloud, les charges de travail d'inférence relèvent du Scope 3 — services achetés et émissions en amont de la chaîne de valeur — et non de la combustion de carburant sur site. Cela ne les rend pas sans importance : pour les éditeurs de logiciels et les produits à forte composante IA, le volume de tokens croît rapidement, les modèles varient considérablement en intensité, et les clients demandent de plus en plus des empreintes par tenant ou par produit.

Les attentes réglementaires et la pression des parties prenantes convergent : les estimations approximatives (« notre IA équivaut à peu près à un court vol par mois ») vieillissent mal quand l'usage est récurrent, multi-modèles, et multi-tenants.

Double matérialité : deux rôles pour les LLMs

La CSRD repose sur la double matérialité : les impacts sur les personnes et la planète, et les risques et opportunités liés à la durabilité affectant la valeur d'entreprise. Cette approche distingue deux « histoires IA » très différentes :

• L'IA comme sujet de durabilité : l'empreinte carbone des appels de modèles de votre produit, la gouvernance, la feuille de route de réduction.
• L'IA comme outil de reporting : les LLMs aidant à rédiger des divulgations narratives conformes aux ESRS — souvent une grande part de la charge de travail car le contenu développement durable est en grande partie qualitatif.

carbon-llm se concentre sur le premier aspect : instrumenter la mesure avec des appels API uniquement sur les métadonnées, afin que les prompts ne quittent jamais votre infrastructure, tout en produisant des données d'activité auditables pour le calcul de l'empreinte carbone.

De l'« IA moyenne » aux données d'activité

ESRS E1 ne prescrit pas de formule unique pour « grammes de CO₂ par appel LLM », mais elle récompense les méthodologies cohérentes, les facteurs documentés, et les divulgations qui relient les chiffres aux systèmes de gestion. En pratique, les équipes passent de :

• tableurs ponctuels mis à jour trimestriellement, à
• un comptage continu : tokens, identifiant de modèle, environnement (test vs production), et plage temporelle — alimenté en coefficients avec un niveau de confiance et des sources déclarés.

C'est le même schéma que le travail classique sur les catégories Scope 3 — seul le facteur d'activité est l'inférence plutôt que les kilogrammes expédiés.

Ce que les éditeurs de logiciels doivent capturer

Si vous exposez des LLMs à des clients, vous avez généralement besoin d'une attribution au moins au niveau du tenant et du modèle, avec une piste d'audit claire :

• Données d'activité : nombre de tokens en entrée et en sortie depuis le payload usage du fournisseur.
• Identité du modèle : des clés de modèle stables pour que les coefficients s'appliquent proprement.
• Facteurs d'émission : analyses de cycle de vie (LCA) ou estimations validées — versionnées et citées.
• Confidentialité : des pipelines uniquement sur les métadonnées, afin que les prompts des clients ne soient pas copiés chez un tiers.

Une intégration de type REST /v1/track laisse votre code applicatif presque inchangé tout en alimentant l'inventaire que votre processus CSRD va exiger.

Feuille de route pratique

1. Cartographiez chaque chemin de production qui appelle un LLM (API directes, passerelles, traitements batch).
2. Enregistrez les tokens et les identifiants de modèle automatiquement — test et production séparés.
3. Appliquez des coefficients documentés ; conservez les références et l'historique des révisions.
4. Attribuez aux clients ou aux lignes métier là où la matérialité l'exige.
5. Intégrez les totaux dans votre narrative climatique, vos objectifs et votre planification de transition — pas comme une ligne « green IT » isolée.

Conclusion

ESRS E1 ne crée pas de ligne magique « CO₂ LLM » dans la loi — elle exige une divulgation GES sérieuse pour les impacts liés au climat. Pour les produits à forte composante IA, le schéma gagnant est simple : ce qui est mesuré et traçable peut être défendu lors d'une assurance ; ce qui reste une moyenne approximative ne peut pas l'être.

Si vous livrez déjà des fonctionnalités LLM, la démarche productive n'est pas un autre slogan développement durable — c'est de câbler la mesure dans le même chemin de code que la facturation et les analyses.