Le problème
Les équipes qui utilisent Claude, ChatGPT, Gemini, Copilot et Cursor n'ont aucune vue consolidée de ce que ces outils coûtent réellement — pas seulement en euros, mais en tokens consommés, en énergie prélevée, en eau utilisée par le refroidissement des datacenters, et de la manière dont cela s'intègre dans le reporting RSE de l'organisation.
Chaque fournisseur expose une partie de ces données. Aucun n'expose le tableau complet. La journalisation manuelle s'interrompt sous une semaine.
Notre approche
Un tableau de bord unifié qui ingère les données d'usage depuis l'API de chaque plateforme, les normalise dans un schéma commun (tokens · électricité · eau · coût) et expose des vues par utilisateur, par équipe, par fournisseur et par projet.
Construit autour de trois principes : modèle de données agnostique au fournisseur pour qu'ajouter un nouvel acteur prenne des heures et non des semaines ; méthodologie défendable pour que les chiffres résistent à l'examen d'un auditeur RSE ; export simple parce que le rapport doit s'intégrer dans un processus RSE existant, pas dans un nouveau.
Ce que nous avons livré
- Ingestion multi-fournisseurs (Claude, OpenAI, Google, Copilot)
- Métriques normalisées : tokens, équivalent CO₂, eau, coût
- Tableau de bord avec vues par utilisateur / équipe / fournisseur / période
- Vues d'export pour le reporting RSE
- Tests unitaires sur la méthodologie — chaque chiffre est auditable
Stack
Pourquoi c'est important
Pour les organisations qui publient des rapports RSE, « nous utilisons l'IA » commence à devenir une ligne budgétaire à part entière. Cet outil transforme cette ligne en chiffre défendable, avec ses sources — au lieu d'une note de bas de page indiquant « estimation ».