Sources d'énergie et localisation
La région et l'heure d'exécution d'une charge de travail pèsent plus sur ses émissions que la quasi-totalité des optimisations logicielles, mais elles engagent aussi le tarif, la latence, la conformité et vos réservations pluriannuelles. Nous instruisons cet arbitrage avec vos données de facturation et vos contraintes réelles, puis nous l'inscrivons dans vos règles de déploiement.
DÉFIS
Cadre d'intervention et défis macros
Sources : Electricity Maps, Ember, 2024.
Ces écarts n'apparaissent pas dans la plupart des reportings. Quand le Scope 2 est calculé par la méthode fondée sur le marché (market-based), les certificats d'électricité renouvelable achetés par le fournisseur ramènent le résultat à zéro, et une réduction réelle de 20 % obtenue par vos équipes reste alors strictement invisible, le signal qui justifierait l'effort disparaissant avec elle. Le premier travail n'est donc pas de réduire, mais de reconstruire une donnée qui réagit aux décisions.
Périmètre d'intervention
Dimensions et enjeux traités sur le terrain
Intensité carbone : moyenne, marginale, horaire
Deux signaux différents servent deux usages différents. L'intensité moyenne (average) décrit le mélange du réseau à un instant donné, c'est elle qui alimente la comptabilité carbone. L'intensité marginale (marginal operating emissions rate, le taux d'émission de la production appelée à la marge) décrit la centrale qui répond réellement à un mégawatt supplémentaire, c'est elle qui décrit l'effet d'un décalage de charge. Piloter un décalage horaire avec une moyenne annuelle nationale revient à optimiser à l'aveugle. Nous qualifions la source retenue (Electricity Maps, WattTime, Ember, éCO2mix de RTE), sa granularité et sa maille : zone de marché, pays ou région administrative, ces frontières ne coïncident pas.
Méthodes de comptabilisation et propagation réglementaire
La méthode fondée sur la localisation (location-based) mesure ce qui alimente physiquement les serveurs, la méthode fondée sur le marché (market-based) mesure ce que le fournisseur a contractualisé. La mécanique de propagation est le point décisif et reste mal comprise : l'électricité consommée par le centre de données relève du Scope 2 de votre fournisseur, et ce Scope 2 devient votre Scope 3 (Catégorie 1, biens et services achetés). La méthode de comptabilisation retenue par le fournisseur se propage donc directement dans votre propre bilan, sans que vous l'ayez arbitrée : s'il publie en market-based, vous héritez d'un chiffre dont les certificats qu'il a achetés ont déjà absorbé les émissions. L'ESRS E1-6 vous impose par ailleurs de publier vous-même votre Scope 2 selon les deux méthodes. Nous documentons cette chaîne de bout en bout et produisons les deux jeux de chiffres, tout en pilotant sur le location-based.
Rendement des installations : PUE, WUE et leur arbitrage
Le PUE (power usage effectiveness) rapporte l'électricité totale à celle du matériel informatique, le WUE (water usage effectiveness) rapporte les litres d'eau consommés au kWh informatique. Trois limites structurent leur lecture : la valeur publiée est le plus souvent une moyenne annuelle de flotte, non la valeur de la région concernée, le PUE s'améliore mécaniquement quand la charge augmente, y compris pour des serveurs sous-utilisés, enfin PUE et WUE s'opposent, le refroidissement adiabatique abaissant le premier au prix du second. Déplacer une charge vers une région chaude et sèche peut certes faire baisser votre empreinte carbone, mais au prix d'une surconsommation d'eau dans des zones déjà menacées par la sécheresse.
Contrats d'électricité et qualité des engagements
Un fournisseur qui se déclare « 100 % renouvelable » sur l'année peut, en réalité, faire tourner ses serveurs aux énergies fossiles la moitié du temps. C'est pourquoi nous décortiquons la réalité technique derrière les annonces : nature des contrats (garanties d'origine, achats d'énergie physiques ou virtuels), granularité de la couverture (compensation annuelle globale vs approvisionnement décarboné heure par heure), pertinence géographique et additionnalité réelle des projets financés. Notre posture est objective : nous auditons la véritable portée de ces engagements, sans les accepter aveuglément ni les rejeter par principe.
Placement, coût et contraintes opposables
Le carbone n'est jamais le seul critère. Déplacer une charge de travail implique d'arbitrer entre de multiples impératifs : un même type d'instance présente des écarts tarifaires de 10 à 30 % selon les régions, et la latence conditionne l'expérience utilisateur ou les couplages applicatifs. S'y ajoutent des règles strictes de résidence des données (HDS pour la santé, SecNumCloud, DORA pour la finance), des disparités dans la disponibilité des services managés et des quotas de GPU, ainsi que le coût réel du transfert (frais de sortie et perte des engagements en cours). Une région propre, mais non conforme, indisponible ou ne répondant pas aux besoins métiers, n'est pas une option.
Charges d'intelligence artificielle
L'entraînement des modèles peut être différé ou délocalisé, tandis que leur exécution (l'inférence) exige un temps de réponse optimal, interdisant le plus souvent ces deux options. S'y ajoute un impératif matériel : la disponibilité des processeurs graphiques reste concentrée sur une poignée de régions, ce qui restreint de fait les choix géographiques avant même d'aborder la question environnementale. Par ailleurs, l'extrême densité électrique des baies impose un refroidissement par liquide, modifiant drastiquement les équilibres énergétiques et hydriques (PUE et WUE) des centres de données. Les phases d'apprentissage et d'inférence nécessitent donc d'être traitées séparément.
MÉTHODOLOGIE
Notre approche
- 01
Reconstituer une donnée exploitable
Chaque ligne de facturation est rattachée à sa région et sa période, puis croisée avec l'intensité carbone du réseau à la maille temporelle la plus fine. En réutilisant notre propre modèle de mesure de la consommation électrique, nous opérons une réconciliation systématique avec les données du fournisseur pour documenter et expliquer l'écart inévitable entre les deux.
- 02
Qualifier la marge de manœuvre réelle
Nous classons vos charges selon leur capacité à être déplacées (réglementation, latence, dépendances) ou différées (traitements par lots, modèles d'IA). En croisant ces éléments avec vos engagements financiers en cours, nous définissons votre véritable fenêtre de décision. Cette étape sépare le potentiel théorique des optimisations concrètement réalisables sous douze mois.
- 03
Chiffrer chaque scénario en double unité
Chaque scénario de relocalisation ou de décalage est évalué à la fois en euros et en émissions carbone. Le calcul intègre les écarts tarifaires régionaux, les frais de transfert de données et l'impact sur vos engagements actuels. Lorsqu'une réduction des émissions entraîne un surcoût financier, nous le chiffrons en toute transparence pour éclairer l'arbitrage de la direction.
- 04
Rendre les décisions opposables
Les décisions sont traduites en règles techniques et organisationnelles : restriction automatisée des régions autorisées dans vos configurations Cloud, critères intégrés aux revues d'architecture et clauses ajoutées à vos appels d'offres. Sans cet ancrage strict dans vos processus, les arbitrages seraient perpétuellement à refaire et les gains finiraient par se dissiper.
EXEMPLE CHIFFRÉ
Choisir la région d'exécution avant toute optimisation
Une plateforme applicative consommant 21,2 MWh sur l'exercice, rendement d'installation inclus, produit un bilan carbone qui varie d'un facteur 16 selon sa seule région d'exécution.
Aucune optimisation logicielle n'atteint cet ordre de grandeur. C'est aussi la raison pour laquelle un objectif de réduction exprimé en valeur absolue peut être atteint par un simple changement de région, sans qu'aucune ressource n'ait été économisée : la trajectoire doit distinguer ce qui relève du placement de ce qui relève de l'efficience.
Ordre de grandeur illustratif. Coefficients de puissance moyens issus du modèle Cloud Carbon Footprint et rendement d'installation de 1,15. La génération de processeur réellement allouée peut faire varier le résultat d'un facteur deux.
LIVRABLES
Exemples de livrables
- Référentiel d'intensité carbone des régions utilisées : source, maille temporelle et géographique, distinction moyenne et marginale, limites documentées
- Modèle de calcul reconstitué à partir de vos exports de facturation, avec coefficients, hypothèses et écart expliqué face au tableau de bord du fournisseur
- Cartographie des charges croisant région, déplaçabilité, différabilité, contraintes réglementaires et engagements financiers en cours
- Matrice de décision d'implantation, réutilisable pour les projets suivants et intégrable aux revues d'architecture
- Scénarios chiffrés en euros et en kgCO₂e, frais de sortie de données et perte d'engagements inclus
- Politique de placement et son implémentation dans la configuration (régions autorisées, garde-fous automatisés)
- Grille de questions et clauses de données à intégrer aux contrats et appels d'offres des fournisseurs
- Jeu de données Scope 2 en double méthode, aligné sur les exigences de l'ESRS E1-6 et raccordé à votre Scope 3 (Catégorie 1)
KPIS
Indicateurs de pilotage
- Intensité carbone moyenne pondérée du parc, en kgCO₂e/kWh
- Part des charges exécutées dans des régions sous 100 kgCO₂e/kWh
- Rapport entre émissions de fabrication amorties et émissions d'exploitation
- Consommation par unité d'œuvre métier, en kWh et en kgCO₂e
- Part des régions couvertes par une politique de placement automatisée
- Écart mesuré entre le modèle interne et la donnée du fournisseur
FAQ
Questions fréquentes
Poursuivre la lecture
- Conformité & CSRD
La valorisation réglementaire des gains de localisation.
- Cloud public
L'écart de prix entre régions, contrepartie de l'arbitrage carbone.
- Intelligence Artificielle & GenAI
Les charges IA, les plus sensibles au placement géographique.
- FinOps & Budgets IT
Le cadre de gouvernance qui rend l'arbitrage opposable.