CSRD & Scope 3 pour les LLMs — Guide de reporting pas à pas

La Corporate Sustainability Reporting Directive (CSRD), en vigueur depuis l'exercice 2024 pour les grandes entreprises de l'UE, impose des déclarations selon les ESRS (European Sustainability Reporting Standards). ESRS E1 couvre le changement climatique, y compris un inventaire GES complet.

ESRS E1-6 impose la déclaration des Scope 1, 2 et des catégories Scope 3 significatives. Pour les entreprises exploitant des produits IA ou utilisant des API LLM, les émissions liées à l'inférence sont significatives et doivent être quantifiées.

Le standard Scope 3 du GHG Protocol — référencé par les ESRS — classifie les services API cloud achetés en Catégorie 1 (biens et services achetés). Si vous vendez des produits alimentés par l'IA, l'énergie consommée par l'usage de vos clients relève de la Catégorie 11 (utilisation des produits vendus).

Contrairement à l'énergie d'un data center (Scope 2), vous n'avez pas d'accès direct aux kWh consommés par une API LLM tierce. L'approche de mesure validée par les cadres émergents (par exemple, les recommandations sectorielles GHG Protocol ICT) est :

Données d'activité × Facteur d'émission = CO₂e

Pour l'inférence LLM : données d'activité = tokens d'entrée + tokens de sortie par appel modèle. Les facteurs d'émission convertissent les comptes de tokens en énergie (Wh) à l'aide de benchmarks spécifiques aux modèles, puis en CO₂e à l'aide de l'intensité du réseau (gCO₂/kWh) pour la région où s'exécute l'inférence.

carbon-llm collecte automatiquement les comptes de tokens et applique ces facteurs en temps réel. Vous n'avez jamais à manipuler de données énergétiques brutes.

carbon-llm s'appuie sur une combinaison de recherche publiée et de données régionales d'intensité du réseau de l'AIE :

Energy per token:
  GPT-4o:         ~0.00030 Wh / 1k tokens (input), ~0.00120 Wh / 1k tokens (output)
  Claude 3.5:     ~0.00025 Wh / 1k tokens (input), ~0.00100 Wh / 1k tokens (output)
  Mistral Large:  ~0.00020 Wh / 1k tokens (input), ~0.00080 Wh / 1k tokens (output)

Grid intensity (gCO₂/kWh):
  US East (Virginia):    ~385 gCO₂/kWh
  EU West (Ireland):     ~290 gCO₂/kWh
  EU Central (Frankfurt): ~320 gCO₂/kWh

Source: IEA Electricity 2024, MLPerf Inference benchmarks, academic literature.
carbon-llm updates factors quarterly.

Ajoutez une ligne après chaque réponse LLM. Le SDK accepte le nom du modèle et les comptes de tokens — il ne reçoit jamais le texte du prompt :

import { CarbonLLM } from "@carbon-llm/sdk"

const carbon = new CarbonLLM({ apiKey: process.env.CARBON_LLM_API_KEY })

// After your LLM call:
await carbon.track({
  model: response.model,           // e.g. "gpt-4o"
  inputTokens: usage.prompt_tokens,
  outputTokens: usage.completion_tokens,
  tenantId: org.id,                // optional — for multi-client reports
})

Le tableau de bord affiche les CO₂e cumulés par modèle, par jour et par tenant. Utilisez le sélecteur de plage de dates pour récupérer les chiffres de votre période de reporting (par exemple, du 1er janvier au 31 décembre).

Indicateurs clés pour ESRS E1-6 :

• Total CO₂e (tonnes métriques) — ligne de votre inventaire Scope 3

• CO₂e par modèle — supporte l'analyse d'efficacité et la définition des objectifs de réduction

• CO₂e par tenant — requis pour les déclarations multi-clients ou multi-lignes de produit

Allez dans Rapports → Générer un rapport ESRS E1. Sélectionnez :

• Période de reporting (date de début / fin)

• Périmètre (tous les tenants, ou des tenants spécifiques)

• Format (PDF pour les auditeurs, JSON pour votre outil d'inventaire GES)

Le PDF inclut : total CO₂e, description méthodologique, sources des facteurs d'émission et ventilation par modèle. Il est conçu pour être joint à votre rapport de durabilité comme preuve technique.

ESRS E1-1 impose un plan de transition assorti d'objectifs de réduction des GES. Leviers pratiques pour les émissions LLM :

Efficacité des modèles : remplacez GPT-4o par GPT-4o-mini ou Claude Haiku pour les tâches qui ne nécessitent pas une capacité de pointe — typiquement 8 à 12× moins d'énergie par token.

Caching sémantique : mettez en cache les embeddings des requêtes fréquentes et renvoyez les réponses mises en cache. Un taux de hit cache de 30 % réduit les tokens facturables dans la même proportion.

Batching : traitez les tâches non temps réel (génération de rapports, analyse en masse) en heures creuses, lorsque l'intensité du réseau est plus faible.

Compression de prompts : des prompts plus courts utilisent moins de tokens d'entrée. Des bibliothèques comme LLMLingua atteignent une compression 4× avec une perte de précision minimale.

Documentez les mesures retenues dans le plan de transition et suivez l'avancement trimestriellement via la vue tendance du tableau de bord.

La CSRD impose une évaluation de double matérialité (DMA) avant la déclaration. Pour les émissions LLM :

Matérialité financière : évaluez si les risques de transition climatique (taxes carbone, volatilité du prix de l'énergie, évolutions tarifaires des fournisseurs de modèles tirées par les coûts énergétiques) pourraient affecter votre activité.

Matérialité d'impact : évaluez l'impact environnemental réel de votre activité d'inférence. Même limité en valeur absolue, il peut être significatif par rapport à votre empreinte Scope 3 totale ou à la proposition de valeur de votre produit.

Les exports PDF de carbon-llm incluent les données nécessaires pour soutenir les deux axes de votre DMA.