ai-footprint 1.0.3

Compteur d'impact environnemental multi-critères pour outils d'IA agentique (vendor-neutral, via EcoLogits)

AI Footprint

Connaître l'empreinte environnementale de tes sessions d'IA. AI Footprint (ai-footprint) lit les transcripts de Claude Code, Opencode/CRUSH et Pi, estime l'impact de chaque réponse générée, et te le restitue sous forme de rapport et de statusline — directement dans Claude Code.

Le calcul n'est pas réinventé : il est délégué à EcoLogits, un moteur reconnu, offline et multi-critères.

Ce qu'on mesure

Pas seulement le CO₂. Cinq critères, chacun donné en fourchette (pas un faux chiffre précis — voir « Pourquoi des fourchettes ») :

	Critère	Ce que ça représente
🌍	GWP	gaz à effet de serre (kg CO₂eq)
💧	Eau	eau consommée (L)
⛏	ADPe	épuisement des métaux/ressources (kg Sbeq)
⚡	Énergie	électricité (kWh)
🔥	PE	énergie primaire (MJ)

Pourquoi des fourchettes ? La région exacte des datacenters d'Anthropic (donc leur mix électrique) est inconnue, et le rendement d'un datacenter (PUE) varie. Cette incertitude est irréductible : on l'affiche (min–max + valeur centrale ~) plutôt que de la cacher. Détails : docs/METHODOLOGY.md.

Installation

Rapide (une ligne)

curl -fsSL https://raw.githubusercontent.com/hrenaud/ai-footprint/main/install.sh | bash

L'installeur détecte Python ≥ 3.10, installe ai-footprint + EcoLogits, expose la commande ai-footprint, déploie les skills, et câble la statusline + un hook d'ingestion dans ~/.claude/settings.json (sans toucher à une statusline déjà prise par un autre outil). Il détecte aussi Opencode/CRUSH (plugin) et Pi (extension) s'ils sont installés, et fait un backfill initial de leurs sessions locales. Redémarre Claude Code ensuite pour activer les skills.

Variables optionnelles : AI_FOOTPRINT_DIR, AI_FOOTPRINT_DB, AI_FOOTPRINT_NO_CLAUDE=1 (ne pas modifier settings.json), AI_FOOTPRINT_NO_INGEST=1. (Contributeurs : voir AI_FOOTPRINT_REF dans CONTRIBUTING.md pour tester une branche.)

Manuelle

Python ≥ 3.10, puis pip install -e ..

Désinstallation

curl -fsSL https://raw.githubusercontent.com/hrenaud/ai-footprint/main/uninstall.sh | bash

Retire le binaire, les skills, le câblage ~/.claude/settings.json (statusline + hook d'ingestion), le plugin Opencode/CRUSH, l'extension Pi et le répertoire source. La base ai-footprint.db (historique d'impact) est conservée par défaut — ajoute AI_FOOTPRINT_PURGE_DB=1 avant la commande pour la supprimer aussi.

Utilisation — via les skills (recommandé)

Dans Claude Code, tape la commande, ou demande en langage naturel :

Skill	À quoi ça sert	Exemple
/footprint-report	Ton rapport d'impact complet.	« mon impact », « mon empreinte CO₂ »
/footprint-resolve	Estimer l'impact de modèles tiers/locaux non reconnus (les associe à un modèle Hugging Face).	quand le rapport liste des « modèles non couverts »
/footprint-config	Régler ta zone électrique (ex. France) et les paramètres datacenter.	« configure ma zone élec »
/footprint-help	Aide : toutes les commandes et options.	« comment utiliser ai-footprint »

Le rapport a cinq sections : impact total, projets les plus impactants, tokens & impact par modèle, modèles non couverts, et intensité par modèle (impact par heure de travail — révèle qu'à débit égal, Opus émet bien plus que Haiku). Une sixième section, intensité par outil, apparaît automatiquement dès que tes données couvrent plusieurs outils (Claude Code, Opencode/CRUSH, Pi…) — elle révèle quel outil consomme le plus de tokens et a les impacts les plus forts, à débit égal.

Options utiles du rapport : --since 2026-06-27 (ou 27/06/26) pour une période, --detail pour les fourchettes min–max par modèle/projet, --all-projects pour la liste complète. /footprint-help (ou ai-footprint report --help) les liste toutes.

Statusline dans Claude Code

La statusline affiche l'impact de la session en cours (Claude Code transmet la session ; ai-footprint ingère le transcript courant et filtre dessus). En lancement manuel, elle retombe sur le total global.

~/.ai-footprint/src/scripts/statusline.sh   # ⚡ 18.9–33.5 kWh · 🌍 7.93–13.5 kgCO2e · 💧 61.3–134 L

L'installeur la câble dans ~/.claude/settings.json (et ne remplace pas une statusline appartenant à un autre outil — il affiche alors la commande pour basculer).

En ligne de commande (sous le capot)

Les skills appellent simplement la CLI ; tu peux l'utiliser directement :

ai-footprint ingest      # parse les transcripts → base SQLite (~/.ai-footprint/ai-footprint.db)
ai-footprint report      # rapport multi-critères (--since, --detail, --all-projects)
ai-footprint statusline   # ligne compacte
ai-footprint resolve --list   # modèles non couverts à résoudre

ingest résume la couverture, p. ex. :

80 events ingérés · 33639/33709 mesurés · 70 non couverts (conservés, impact non estimé)

Les « non couverts » sont des modèles hors périmètre EcoLogits — l'event est conservé mais exclu des totaux (afficher un faux chiffre serait pire). Beaucoup sont des placeholders internes <synthetic> (0 token) ; les vrais modèles tiers se résolvent avec /footprint-resolve. Voir docs/METHODOLOGY.md.

Pour aller plus loin

• docs/METHODOLOGY.md — comment l'impact est évalué : les échanges avec EcoLogits, les choix de méthodologie et leurs limites.
• CONTRIBUTING.md — côté technique : architecture, schéma de données, mise en place dev et comment étendre le projet.

Sources d'inspiration

• EcoLogits (mlco2/ecologits) — le moteur d'impact (offline, multi-critères/phases).
• claude-carbon — audit d'origine et UX de reporting.
• CodeCarbon — tracker offline, zone électrique par code pays.
• thirsty-llm — approche offline-first et fourchettes (on en rejette le modèle prix-proxy, remplacé par EcoLogits).