Comment une entreprise inscrit-elle son usage de l'IA dans le scope 3, et la CSRD s'applique-t-elle ?

Lorsqu'une entreprise comptabilise son usage de l'IA, celui-ci relève de la catégorie 1 du scope 3 du GHG Protocol, les achats de biens et services. On estime l'empreinte carbone en multipliant l'activité (tokens, messages ou, à défaut, dépenses) par un facteur d'émission. Ce facteur dépend de la taille du modèle et de la région où il tourne. Le résultat figure dans l'inventaire avec sa marge d'incertitude, et la consommation d'eau est indiquée à part, jamais convertie en CO₂e. SOMA AI (somaai.earth) publie ces facteurs sous forme de jeu de données ouvert, SOMA AI Emission Factors (SAEF), sous licence CC BY 4.0 et avec un DOI. Ce sont des estimations fondées sur des données publiées, pas des valeurs communiquées par les fournisseurs.

Dans la plupart des cas, non. La directive (UE) 2026/470 (Omnibus I) limite l'obligation de la CSRD aux entreprises qui emploient en moyenne plus de 1 000 salariés et réalisent plus de 450 millions d'euros de chiffre d'affaires net. Les deux conditions sont cumulatives et s'appliquent aux exercices ouverts à compter du 1er janvier 2027, de sorte que les premiers rapports dans ce nouveau périmètre paraissent à partir de 2028. Les États membres ont jusqu'au 19 mars 2027 pour transposer ces dispositions. Les seuils ne dépendent pas de l'usage de l'IA, et l'ESRS E1 ne mentionne pas l'IA expressément. Pour une entreprise hors de ce périmètre, une ligne IA dans l'inventaire des émissions de gaz à effet de serre est un choix volontaire ou une demande d'un client.

La France a été parmi les premiers États membres à transposer la CSRD, par l'ordonnance n° 2023-1142 du 6 décembre 2023, publiée au Journal officiel du 7 décembre 2023 et complétée par le décret n° 2023-1394 du 30 décembre 2023. La loi n° 2025-391 du 30 avril 2025 a ensuite reporté de deux ans les échéances des entreprises des deuxième et troisième vagues, en remplaçant 2025 par 2027 et 2026 par 2028 à l'article 33 de l'ordonnance.

À notre connaissance, les seuils de l'Omnibus ne sont pas encore inscrits dans le droit français. Le projet de loi portant diverses dispositions d'adaptation au droit de l'Union européenne (DDADUE) a été adopté par le Sénat en première lecture le 18 février 2026. Dans cette version, un amendement adopté renvoie à un décret la fixation des seuils, pour les aligner sur ceux de l'Omnibus. Le texte a été transmis à l'Assemblée nationale le 20 février 2026, et nous n'avons trouvé ni adoption définitive ni promulgation à la date ci-dessus. L'état du texte se suit sur le dossier législatif du Sénat et sur celui de l'Assemblée nationale. Une entreprise qui publie déjà un rapport de durabilité doit vérifier avec son commissaire aux comptes ou son conseil comment les règles s'appliquent à elle.

C'est une obligation française distincte de la CSRD. L'article L. 229-25 du code de l'environnement l'impose notamment aux personnes morales de droit privé de plus de 500 salariés (plus de 250 en outre-mer). Depuis le décret n° 2022-982 du 1er juillet 2022, le bilan doit comptabiliser l'ensemble des émissions indirectes significatives, donc une partie du scope 3. Les achats de services d'IA en font partie s'ils sont significatifs pour l'entreprise, ce qui sera rarement le cas au vu des ordres de grandeur de l'exemple ci-dessous. Depuis la loi n° 2025-391, une entreprise soumise au rapport de durabilité qui y publie un bilan d'émissions et un plan de transition est dispensée du BEGES, à condition que ce bilan comporte une description propre aux activités exercées en France. La méthode réglementaire du BEGES a sa propre nomenclature de postes, à faire correspondre avec la catégorie 1 du GHG Protocol.

Parce que des clients, des banques et des appels d'offres envoient des questionnaires, et qu'une entreprise qui applique une norme volontaire veut un inventaire complet. L'Omnibus encadre l'une de ces voies. Une entreprise soumise à la CSRD ne peut plus exiger des entreprises de sa chaîne de valeur davantage que ce que couvre la norme volontaire, et les entreprises de 1 000 salariés au plus peuvent refuser les demandes qui vont au-delà dans ce cadre. Les points de données couverts figurent à l'annexe II du règlement délégué (UE) 2026/1560, et le scope 3 n'en fait pas partie. Beaucoup de fournisseurs répondent malgré tout, pour des raisons commerciales ou parce qu'une banque ou un appel d'offres le demande par une autre voie.

L'ESRS E1 révisée demande les émissions de scope 3 de chaque catégorie significative (paragraphe 30). L'exigence d'application AR 24 renvoie à la norme scope 3 du GHG Protocol, demande un examen des quinze catégories et, le cas échéant, la publication des émissions des services cloud et de centres de données achetés au sein de la catégorie 1. Que les API et les licences d'IA en fassent partie relève de notre interprétation, car le texte ne les nomme pas. Le caractère significatif du montant se décide dans votre analyse de matérialité et avec vos auditeurs. La norme scope 3 du GHG Protocol n'est pas une loi, mais elle demande de couvrir toutes les catégories ou de justifier les exclusions.

Tous, y compris ceux qui n'ont pas été achetés par la DSI. Dans un inventaire IA, l'erreur la plus fréquente n'est pas un mauvais facteur mais un service oublié, payé avec la carte bancaire d'une équipe. Croisez trois listes : le référentiel logiciel de la DSI, le fichier fournisseurs de la comptabilité et les journaux de l'authentification unique (SSO).

• API facturées à l'usage. OpenAI, Anthropic, Azure OpenAI, AWS Bedrock, Google Vertex AI, Mistral.
• Licences par utilisateur. ChatGPT Enterprise ou Team, Claude for Work, Microsoft 365 Copilot, GitHub Copilot, Gemini pour Google Workspace.
• Logiciels avec IA intégrée. CRM, comptes rendus de réunion, service client. On ne dispose souvent que des dépenses.
• Outils internes construits sur l'API d'un fournisseur. L'usage figure dans vos propres journaux.

Demandez les tokens par modèle et par mois sur la période de déclaration. Les consoles d'OpenAI et d'Anthropic les exportent, tout comme Azure, Bedrock et Vertex, qui indiquent en plus la région. Microsoft 365 Copilot et GitHub Copilot ne fournissent pas de tokens, seulement des licences et des utilisateurs actifs. Selon les données disponibles, chaque service entre dans l'un de ces niveaux :

• Niveau 3, valeur du fournisseur. Une valeur justifiée par le fournisseur pour votre compte, reprise telle quelle.
• Niveau 2a, tokens exacts. Millions de tokens × facteur de la classe et de la région. Écart entre les modèles d'une même classe ±48 % pour la classe A, ±39 % pour la classe B et ±67 % pour la classe C, calculé sur le réseau moyen mondial.
• Niveau 2b, messages ou licences. Chaque message est converti en 1 210 tokens (928 en entrée, 282 en sortie), et la sortie est multipliée par 2,20 pour couvrir les modes de raisonnement (des modèles qui « réfléchissent » par étapes avant de répondre). C'est une hypothèse, signalée comme telle.
• Niveau 1, la facture seule. Dépenses en euros × 0,09613 kg CO₂e par euro (déflaté aux prix de 2019), un facteur sectoriel (EXIOBASE) avec une incertitude de ±300 %. Il donne en général un chiffre nettement plus élevé, de 1,7 à 12,3 fois l'estimation fondée sur l'usage dans la comparaison de l'article de méthode.

Un inventaire combine souvent plusieurs niveaux. Le niveau s'attribue service par service, pas pour toute l'entreprise.

C'est la classe de modèle qui compte, pas le nom du produit, car les fournisseurs ne publient pas la taille de leurs modèles.

• Classe A, petits modèles. Par exemple gpt-4o-mini, gpt-4.1-mini, gpt-4.1-nano.
• Classe B, modèles de taille moyenne. Par exemple gpt-4o, chatgpt-4o-latest, gpt-4.1.
• Classe C, modèles de pointe (frontier). Par exemple gpt-4, gpt-4-turbo, gpt-5.

La région est le lieu où le fournisseur fait tourner le modèle, pas l'adresse de vos bureaux. Sur une plateforme cloud, elle figure dans l'export. Si vous ne la connaissez pas, retenez la région habituelle du fournisseur et notez-le comme hypothèse. Les facteurs de Paris figurent sur AI carbon footprint in EU West - France, et la comparaison des régions sur la page sur l'empreinte carbone de l'IA par pays.

Une entreprise de 100 salariés. 80 d'entre eux utilisent un assistant conversationnel avec un modèle de taille moyenne, à raison d'environ 2 000 messages par mois chacun, servi depuis la région de Paris. Il n'existe pas d'export de tokens, donc le niveau 2b s'applique.

1. Messages par an. 80 × 2 000 × 12 = 1 920 000.
2. Tokens, avec la majoration de raisonnement sur la sortie. 1 920 000 × (928 + 282 × 2,20) = 2 970,3 millions.
3. Électricité sur le réseau français. 16,2 kg CO₂e.
4. Matériel et bâtiment 6,2 kg, part d'entraînement 8,7 kg.
5. Total de la ligne. 31,1 kg CO₂e par an, avec un écart de ±39 % entre les modèles de la classe B.
6. Eau, indiquée à part. 1 122 litres par an.

Sur le réseau français, l'électricité ne fait qu'environ la moitié du total. Le matériel, le bâtiment et l'entraînement en représentent 48 %, et ils ne baissent pas avec un réseau bas carbone. La même utilisation donne 125,2 kg à Francfort (eu-central-1), 107,1 kg en Virginie du Nord (us-east-1) et 26,6 kg à Stockholm (eu-north-1). Notez l'ordre de grandeur. Il s'agit de quelques dizaines de kilogrammes de CO₂e par an, pas de tonnes. On fait rarement l'exercice pour le volume, plutôt parce qu'un client, une banque ou un auditeur le demande, et un petit chiffre avec une méthode traçable vaut mieux que pas de réponse.

On suppose alors un usage type par licence active, soit en moyenne 30 messages par mois. C'est une hypothèse publiée dans le jeu de données, pas une valeur propre à votre entreprise. Pour 25 licences d'un assistant servi depuis Paris, on obtient environ 9 000 messages par an et 0,15 kg CO₂e (fourchette de 0,07 à 0,34 kg). Avec l'hypothèse d'usage intensif, on arrive à 1,6 kg. Cet écart justifie de demander au fournisseur le nombre réel de messages.

De quoi permettre à une autre personne de refaire le calcul sans vous poser de question. Cela fait sept éléments par service :

1. Les données d'activité (tokens, messages ou dépenses) et la période.
2. La source des données, c'est-à-dire quel export, de quelle console et à quelle date.
3. Le niveau de données (3, 2a, 2b ou 1) et pourquoi un niveau plus précis n'était pas possible.
4. Le facteur appliqué, avec la classe de modèle et la région.
5. La version et la source du facteur, ici soma-ai-ef-2026.11-dataset-v3.1.0, DOI 10.5281/zenodo.20443585.
6. L'incertitude et les hypothèses qui l'augmentent.
7. S'il s'agit d'une valeur du fournisseur, d'une conversion ou d'une estimation.

• Qu'elle constitue un conseil juridique. Le droit est résumé à la date indiquée plus haut et peut changer à tout moment, en particulier en France tant que l'Omnibus n'est pas transposé.
• Que le contenu et la date de la loi française de transposition de l'Omnibus soient connus. Tant qu'elle n'est pas publiée au Journal officiel, toute date est une prévision.
• Que l'ESRS E1 nomme l'IA. Le rattachement à la catégorie 1 et aux services cloud est notre interprétation.
• Que les achats d'IA soient significatifs pour le BEGES d'une entreprise donnée. C'est à l'entreprise de l'apprécier.
• Que les valeurs soient des mesures. SOMA les estime avec les facteurs SAEF, et les hypothèses du niveau 2b sont signalées comme telles.
• Qu'un fournisseur serve un modèle donné depuis Paris. La région de l'exemple est une hypothèse.

Il existe trois voies. Vous faites le calcul en interne avec un jeu de données ouvert comme SAEF et les étapes de cette page. Vous utilisez une bibliothèque open source pour suivre vos propres appels d'API ou votre propre calcul, ce qui demande du développement. Ou vous confiez la tâche. SOMA AI, basée à Barcelone, estime les émissions à partir des exports d'usage de vos fournisseurs et livre une ligne pour la catégorie 1 du scope 3, avec le niveau, le facteur, la version, les sources et l'incertitude, prête pour vos clients, vos banques ou l'audit. Le calculateur gratuit (en anglais) donne un premier résultat, et les demandes vont à lili@somaai.earth. La méthode est décrite dans arXiv:2606.10660, et l'article a été accepté pour publication dans Sustainable Production and Consumption.

• How to calculate your company's AI carbon footprint (English). La version détaillée, avec une chronologie datée du droit de l'UE
• Combien de CO₂ émet une requête d'IA en France, et comment la France se situe-t-elle en Europe ? La France face à l'UE et les régions cloud françaises
• Toutes les pages en français. Avec les données et la méthode
• How SOMA calculates the carbon and water footprint of AI usage. Les équations derrière chaque facteur, en anglais
• SOMA AI Emission Factors. Le tableau par classe de modèle et par région, téléchargeable en CSV