EcoLogits est une excellente librairie Python open source — on la respecte beaucoup. carbon-llm est une plateforme managée focalisée sur la conformité CSRD. Voici comment choisir sans se tromper.
TL;DR : EcoLogits si vous êtes une équipe Python qui veut instrumenter en interne et pousse les chiffres dans son propre stack. carbon-llm si vous voulez un dashboard multi-tenant + un export ESRS E1-6 + un bundle signé pour le commissaire aux comptes — sans rien construire.
Sources : EcoLogits — Documentation, dépôt GitHub mlco2/ecologits (MPL-2.0). Mis à jour mai 2026.
| Critère | EcoLogits | carbon-llm |
|---|---|---|
| Open source | Code dashboard public, plateforme hébergée | |
| Hébergement | Self-hosted (chez vous) | Cloudflare EU + Supabase EU géré |
| Intégration | import + EcoLogits.init() (Python) | POST /api/v1/track (n'importe quel langage) |
| Langages clients | Python uniquement | REST → Node, Go, Ruby, Java, Python, .NET… |
| Métriques | Énergie kWh, GWP kgCO2e, eau, embodied + usage | CO2e gCO2e/req + tokens (focus CSRD) |
| Coefficient public + daté | ||
| Multi-tenant (1 dashboard, N clients finaux) | ||
| Quotas + facturation par usage | ||
| Export ESRS E1-6 structuré (JSON / CSV datapoints) | ||
| Bundle d'audit signé HMAC-SHA256 (recompute_proof) | ||
| Connecteur OpenAI / Anthropic Admin Usage API | ||
| PDF mensuel (commissaire aux comptes) | ||
| Prix | Gratuit (MPL-2.0) | Free 100k events/mois → Pro 49 €/mois |
Si vous voyez une ligne incorrecte, écrivez à hello@carbon-llm — on corrige sous 48 h. C'est une comparaison, pas un disclaimer commercial.
La plupart des équipes ont besoin d'un seul des deux. Quelques-unes utilisent les deux : EcoLogits en local pour le R&D, carbon-llm en prod pour le reporting officiel.
Équipe Python, contrôle total de l'infra, focus dev
Équipe produit / RSE / cabinet d'audit, focus conformité
On a regardé les deux outils en détail. Voici les arbitrages qui changent réellement la décision.
EcoLogits patche les SDK LLM côté client (OpenAI, Anthropic, Mistral, HuggingFace, LiteLLM). Avantage : pas de réseau supplémentaire, métriques riches dès l'import. Inconvénient : Python uniquement. Si votre stack mélange Node, Go, Ruby ou Java, vous devez wrapper les appels — ce qui annule l'avantage.
carbon-llm utilise un POST /api/v1/track avec model + token counts. Une seule ligne de code, n'importe quel langage. Inconvénient : un hop réseau de plus (latence ~30 ms côté Cloudflare EU).
Avec EcoLogits, vous avez les chiffres bruts. Pour passer un audit CSRD vous devez : agréger par période, formater au standard ESRS E1-6 (datapoints E1_6_03..05), prouver que les coefficients sont publics + datés, signer le bundle pour qu'il soit vérifiable… Tout ça est à votre charge (≈ 4-6 semaines / data eng).
carbon-llm fournit l'export ESRS E1-6 structuré et le bundle d'audit signé HMAC-SHA256 en un clic depuis le dashboard. C'est la valeur du ticket Pro.
EcoLogits agrège tout dans un seul process — parfait pour mesurer votre propre consommation. Si vous êtes un SaaS qui revend de l'IA à plusieurs clients finaux, vous devez construire votre couche d'isolation par client (DB, query, dashboard, PDF par tenant). Encore quelques semaines.
carbon-llm traite tenant_id comme citoyen de première classe : un dashboard agrégé pour vous + un PDF / dashboard read-only par client.
EcoLogits couvre énergie (kWh), GWP (kgCO2e), eau, embodied carbon, phases (usage / fabrication). C'est un avantage pour la recherche, l'analyse cycle de vie complète, les rapports techniques.
carbon-llmse concentre sur le CO2e (gCO2e/req + tokens) et la traçabilité — c'est ce que demande le cadre CSRD ESRS E1-6. On documente honnêtement les limitations dans la méthodologie : eau et embodied carbon ne sont pas dans nos exports — pas de faux claim.
Honnêtement : c'est une combinaison qui marche. Quelques équipes utilisent EcoLogits en R&D pour ses métriques larges (eau, embodied) et carbon-llm en production pour la livraison ESRS + le PDF mensuel. Les deux outils peuvent recevoir des coefficients identiques (les nôtres viennent du Stanford AI Index 2026 — on les expose dans /sources).
Si vous êtes dans ce cas et que vous avez un retour, on est preneurs : hello@carbon-llm.
Plan Free : 100 000 events / mois sans CB. Trial Pro : 14 jours gratuits, annulable à tout moment depuis le portail Stripe.