Sources & citations
Références publiques utilisées dans notre méthodologie et notre sourcing des coefficients. Pour les formules et le comportement API, voir la page méthodologie.
Méthodologie · Sécurité & traitement des données
Régulateurs et institutions françaises
- Arcep, « IA générative : quels défis environnementaux ? » (mai 2026, PDF, 91 pages, co-rédigé avec le PEReN)
- Pôle d'Expertise de la Régulation Numérique (PEReN)
- RGESN, Référentiel général de l'écoconception des services numériques (Arcep + Arcom, 2024)
- Étude ADEME × Arcep, empreinte environnementale du numérique (2020 / 2030 / 2050)
- Inria, Livre blanc Frugalité de l'IA (2025)
- Green Algorithms (Lannelongue, 2021), outil France 2030
Énergie d’inférence & benchmarks
- Jegham et al.; Ni et al., benchmarks d’inférence (arXiv:2505.09598)
- Luccioni et al., Power Hungry Processing : comparaison par tâche (2023, arXiv:2305.11013)
- Samsi et al., From Words to Watts : inférence LLaMA 7B/13B/65B (2023)
- De Vries, The growing energy footprint of artificial intelligence (Joule, 2023)
- Dauner et al., Frontiers in Communication (2025)
- Nature Scientific Reports, empreinte LLM comparative (2024)
Opérateurs & méthodologies cloud
Contexte macro & perspectives
Standards reconnus mondialement
- GHG Protocol, norme Corporate
- GHG Protocol, norme Scope 3
- GHG Protocol, guide de calcul Scope 3
- ISO 14067:2018, empreinte carbone des produits
- ISO 14064-1:2018, inventaires GES organisationnels
- EFRAG, ESRS E1 (climat, CSRD)
- IFRS S2, Climate-related Disclosures
- TCFD, Task Force on Climate-related Financial Disclosures
- CDP, Climate Change questionnaire
- Science Based Targets initiative (SBTi)
Liens fournis pour transparence ; carbon-llm ne contrôle pas les sites tiers. Coefficients et réponses API sont documentés sur /methodology.