Loi REEN, PCAET et IA générative : comment les collectivités peuvent mesurer l'inférence LLM

La loi REEN (2021) oblige les collectivités de plus de 50 000 habitants à élaborer une stratégie numérique responsable et à intégrer ces actions dans leur PCAET. Dans le même temps, l'essor de l'IA générative fait exploser la consommation électrique des data centers. Résultat : la plupart des plans climat actuellement en vigueur ont une ligne aveugle — l'inférence LLM n'y figure pas.

1. Ce que la loi REEN impose concrètement

L'article 35 de la loi du 15 novembre 2021 visant à réduire l'empreinte environnementale du numérique (loi REEN) impose aux communes et EPCI de plus de 50 000 habitantsd'élaborer une stratégie numérique responsable depuis 2025. Cette stratégie doit être intégrée dans le PCAET via une modification du code de l'environnement introduite par la même loi.

Le décret d'application du 29 juillet 2022 précise les termes : réduction de l'empreinte environnementale du numérique, sensibilisation des agents, politique d'achat responsable. Ce que le décret ne précise pas encore, c'est la méthode de comptage pour l'IA générative — un vide que les prochaines révisions de PCAET devront combler avec les données disponibles.

2. Pourquoi l'IA générative crée une urgence nouvelle

Selon l'ADEME (janvier 2025), la consommation électrique mondiale des data centers devrait doubler d'ici 2026, tirée principalement par l'essor des modèles de langage. En France, le numérique représente déjà 4,4 % de l'empreinte carbone nationale et 11 % de la consommation électrique (ADEME–Arcep, 2022, mis à jour janvier 2025). Les data centers concentrent 46 % de cette empreinte.

Un chiffre particulièrement utile pour les collectivités : 53 % des usages numériques français sont hébergés à l'étranger, souvent dans des pays utilisant des sources d'énergie plus carbonées. La question « où tournent nos calculs ? » n'est donc pas seulement réglementaire — elle a un impact carbone direct et mesurable.

Les collectivités déploient des copilotes, des assistants métier et des outils cloud LLM à un rythme qui dépasse souvent celui des révisions PCAET. Résultat : la feuille de route IA et le plan climat s'ignorent mutuellement dans la majorité des organisations territoriales.

3. Deux questions que le comité climat va poser

Avant la prochaine révision de PCAET, deux questions reviennent systématiquement dans les commissions climat et les dossiers de commande publique :

• « Savons-nous, service par service, ce que nos copilotes et outils cloud représentent en consommation électrique réelle — et quelle est l'empreinte carbone de nos données hébergées ? »
• « Notre stratégie IA est-elle lue au même regard que notre plan climat — ou ces deux dossiers s'ignorent-ils mutuellement dans notre organisation ? »

Si la réponse à l'une de ces deux questions est « non » ou « nous ne savons pas », il n'existe pas de données d'activité vérifiables à intégrer dans le PCAET. La sobriété numérique reste alors un affichage sans chiffre — exactement ce que la loi REEN cherche à éviter.

4. Comment mesurer : deux modes sans grand projet

La mesure de l'inférence LLM n'implique pas un audit carbone complet ni un projet pluriannuel. Deux niveaux existent selon le contexte :

Postes de travail : l'extension navigateur

Les agents et directeurs qui utilisent ChatGPT, Claude ou Copilot au quotidien peuvent installer une extension navigateur qui affiche le CO₂e indicatif par réponse. Aucune intégration IT, aucun compte requis. Les prompts ne quittent pas le navigateur — seuls le modèle et le volume de tokens sont utilisés pour l'estimation, via une API publique. Résultat : un ordre de grandeur immédiat, utile pour cadrer les enjeux avant d'aller plus loin.

Applicatifs métier : l'API côté serveur

Dès qu'un assistant est déployé par la DSI — service social, urbanisme, éducation — il est possible d'ajouter un appel HTTPS après chaque réponse LLM pour enregistrer le modèle et le volume d'usage, rattachés à un identifiant de service. Le dashboard agrège le CO₂e par service ou programme, et génère des exports mensuels utilisables directement dans un bilan RSE ou un dossier PCAET.

Ce qui ne transite jamais sur la plateforme : le contenu des conversations. Les données de comptage (modèle, tokens, identifiant de service) sont des métadonnées techniques sans données personnelles — ce qui simplifie la qualification réglementaire et rend SecNumCloud ou HDS hors sujet pour cette couche.

5. Ce que ces données permettent de produire

Une fois le comptage en place, les données d'activité (tokens × coefficients documentés) produisent :

• Une ligne CO₂e par service intégrable dans le bilan numérique du PCAET, avec une piste de preuve (coefficients étiquetés Mesuré / Benchmark / Estimé)
• Des séries temporelles comparablesd'une révision à l'autre — la même métrique, pas un recalcul à chaque bilan
• Des exports PDF mensuels avec méthodologie, utilisables comme socle de dossier pour les commissions climat ou les réponses aux questionnaires de commande publique
• Une réponse concrète à l'exigence Alt IMPACT de l'ADEME : « mesurer et piloter la sobriété numérique, en identifiant et partageant les données et des outils fiables »

6. Limites : ce que cet outil ne fait pas

carbon-llm cible exclusivement le pan inférence LLM en production. Il ne remplace pas un bilan carbone territoire complet (tous les scopes, tous les postes), les outils d'inventaire national ou régional, ni la certification d'un PCAET. C'est la ligne d'activité numérique liée aux modèles de langage — le maillon souvent absent des plans actuels — pas un outil de planification climatique généraliste.