Carbonlog(par Cnaught, début 2026) est un excellent plugin Claude Code en SQLite locale. On l'adore pour la sensibilisation individuelle. carbon-llmcouvre toute votre flotte d'outils IA (Claude Code + Cursor + API serveur + extension navigateur) avec un seul dashboard CO₂, et ajoute un rappel anti-fuite de données au moment de la saisie. Voici comment choisir.
TL;DR : Carbonlog si vous êtes un dev solo qui veut voir son impact en local sur Claude Code. carbon-llmsi vous pilotez une équipe / un produit : agréger l'usage IA dans un dashboard partagé et rappeler à chacun de ne pas y coller de données confidentielles.
Sources : Cnaught — Carbonlog launch post (2026), dépôt GitHub Carbonlog (MIT). Mis à jour mai 2026.
| Critère | Carbonlog | carbon-llm |
|---|---|---|
| Open source | Code dashboard public, plateforme hébergée | |
| Périmètre client | Claude Code (Anthropic uniquement) | Claude Code + Cursor + OpenAI/Mistral/Gemini API + extension navigateur + bridge LLM local |
| Installation | Plugin Claude Code par développeur | MCP endpoint ou POST /api/v1/track — installation unique côté organisation |
| Stockage | SQLite locale dans ~/.carbonlog | Cloud géré (Cloudflare + Supabase) |
| Agrégation équipe | no — chaque dev a sa base | yes — un seul dashboard pour N développeurs et N projets |
| Attribution par projet / business unit | yes (tenant_id + ingestion_source) | |
| Méthodologie sous-jacente | Jegham et al. 2025 (PUE 1.14, 0.287 kgCO₂e/kWh AWS) | Jegham 2025 + Mistral LCA + Google Gemini + coefficients ajustables |
| Backfill historique JSONL | yes (CLI lit ~/.claude transcripts) | yes — endpoint /v1/track/import accepte CSV/JSON Anthropic Usage |
| Anonymous sync | Optionnel (token counts, modèles, hashed project) | Pas d'anonymisation forcée — données dans votre tenant uniquement |
| Rappel anti-fuite de données à la saisie | ||
| Mesure dans le navigateur (ChatGPT, Claude, Gemini, Le Chat, Copilot) | ||
| Multi-fournisseurs LLM dans un seul dashboard | ||
| Reasoning tokens / extended thinking séparés | yes (champ reasoning_tokens dans /track) | |
| Status line live Claude Code | yes (via MCP statusline) + dashboard web | |
| Prix | Gratuit (OSS) | Phase d'accès anticipé, tout est gratuit |
Si vous voyez une ligne incorrecte, écrivez à hello@carbon-llm — on corrige sous 48 h.
La plupart des équipes ont besoin d'un seul des deux. Certaines utilisent les deux : Carbonlog en local pour le pilotage individuel du dev, carbon-llm pour la consolidation organisationnelle.
Développeur solo qui veut voir son impact Claude Code
Équipe / produit / RSE qui consolide tous les canaux IA
On a installé Carbonlog et regardé son architecture. Voici les arbitrages qui changent réellement la décision.
Carbonlog est, par design, attaché à Claude Code. C'est une décision produit propre et cohérente. Si votre équipe utilise uniquementClaude Code, c'est suffisant. Mais dès qu'un seul dev utilise Cursor, GitHub Copilot, ChatGPT en navigateur ou que votre backend fait des appels OpenAI/Mistral en production, vous avez besoin d'un agrégateur multi-canal. C'est l'intention principale de carbon-llm :ingestion_source distingue chaque canal, mais le total imputable à un développeur ou à une business unit est consolidé.
La base SQLite de Carbonlog est sur la machine du développeur. Plus simple, plus privé, mais aussi impossible à consolider pour un manager sans collecter manuellement N fichiers. La sync anonyme est optionnelle et ne contient pas l'identité utilisateur. carbon-llmstocke côté serveur avec contrôle d'accès, export CSV/JSON, et historique requêtable par période / projet / modèle, dans une vue CO₂ agrégée pour l'organisation.
Carbonlog mesure, point. carbon-llmajoute une seconde mission : au moment où un collaborateur s'apprête à coller un e-mail usager ou un secret dans un chat IA, un rappel configurable s'affiche (« ne collez pas de données confidentielles ») avec le lien vers votre charte IA. Sans bloquer, et sans jamais lire le contenu du prompt.
Carbonlog utilise les bornes Jegham et applique AWS PUE 1.14 + grid 0.287 kgCO₂e/kWh à tous les modèles Anthropic. C'est une simplification raisonnable. carbon-llm ajuste par modèle : LCA Mistral pour Mistral, méthodologie Google pour Gemini, Jegham + ajustement extended thinking pour Anthropic et OpenAI. La méthodologie est publique sur /methodology, versionnée, et citée à la même version dans tous vos exports.
Les 6 questions qu'on nous pose le plus souvent au sujet du choix Carbonlog vs carbon-llm.
Le pire choix, c'est de ne pas mesurer du tout. Si Carbonlog vous suffit, parfait — il est OSS. Si vous voulez consolider l'usage IA de toute l'équipe et rappeler les bons réflexes données,carbon-llm démarre gratuitement, et vous gardez vos données en Europe.