En tant que développeur, j’utilise Claude Code au quotidien. Chaque requête, chaque génération de code consomme de l’énergie — des GPU qui tournent, des datacenters qui refroidissent. La question m’a travaillé : combien exactement ? Et surtout, est-ce qu’on peut faire quelque chose ?
C’est de là qu’est né green-code , un plugin Claude Code qui mesure automatiquement l’empreinte carbone de vos sessions IA et vous permet de la compenser en plantant des arbres.
Ce que fait green-code
Le plugin s’installe dans Claude Code et fonctionne en arrière-plan. À chaque fin de session, il :
- Capture les tokens consommés (input, output, cache) depuis les statistiques internes de Claude Code
- Estime l’énergie consommée en kilowatt-heures, en appliquant des coefficients issus de la recherche académique
- Calcule le CO2 émis en fonction du mix énergétique (380 gCO2/kWh par défaut, moyenne US)
- Propose de compenser en plantant des arbres via l’API Tree-Nation
Trois commandes suffisent :
/green:status— voir votre empreinte cumulée/green:plant— planter un ou plusieurs arbres/green:config— ajuster les paramètres (mode auto/manuel, seuil CO2, mix énergétique)
Comment ça marche sous le capot
Architecture
Green-code s’appuie sur le système de hooks de Claude Code. Deux hooks sont enregistrés :
- Setup : exécuté au premier lancement, il guide la configuration (clé API Tree-Nation, mode de fonctionnement)
- Stop : exécuté à chaque fin de session, c’est le cœur du tracking
Le hook Stop lance tracker.sh, qui lit les statistiques de tokens dans ~/.claude/stats-cache.json, calcule le delta depuis la dernière mesure, convertit en énergie puis en CO2, et stocke le tout dans un fichier usage.json.
Estimation de l’énergie
Les coefficients utilisés sont tirés de publications de recherche :
| Type de token | Consommation | Raison |
|---|---|---|
| Output (génération) | 0.002 Wh/token | Forward pass GPU complet |
| Input (prefill) | 0.0005 Wh/token | Opérations de prefill |
| Cache creation | 0.0005 Wh/token | Similaire à l’input |
| Cache read | 0.00002 Wh/token | Compute minimal |
Un facteur PUE (Power Usage Effectiveness) de 1.2 est appliqué pour l’overhead datacenter (refroidissement, réseau, stockage).
Compensation via Tree-Nation
Quand vous plantez un arbre, le plugin appelle l’API REST de Tree-Nation avec votre clé API. Chaque plantation est journalisée avec l’URL du certificat. En mode automatique, un arbre est planté dès que le seuil de CO2 configuré est atteint (10 kg par défaut).
Les choix techniques
Pourquoi bash ? Les hooks Claude Code exécutent des commandes shell. Bash est le choix naturel : pas de dépendance supplémentaire, exécution rapide, et les outils nécessaires (jq, bc, curl) sont disponibles sur tout système Unix.
Pourquoi ces coefficients ? Aucun fournisseur d’IA ne publie la consommation réelle par token. Les valeurs utilisées sont des estimations basées sur quatre publications :
- IEA “Electricity 2024” pour l’intensité carbone du réseau US
- de Vries (2023) “The growing energy footprint of AI”
- Luccioni et al. (2024) “Power Hungry Processing” (ACM FAccT)
- Patterson et al. (2022) “Carbon Footprint of ML Training” (IEEE)
Les estimations ont une incertitude d’environ 2x — c’est un ordre de grandeur, pas une mesure exacte. Mais c’est suffisant pour prendre conscience de l’impact et agir.
Installer green-code
Le plugin est disponible sur le marketplace Claude Code :
claude plugins install green-code
La configuration guidée se lance automatiquement. Vous aurez besoin d’un compte Tree-Nation et d’une clé API.
Conclusion
Green-code ne résout pas le problème de la consommation énergétique de l’IA. Mais il rend cette consommation visible et actionnable. En tant que développeurs, on peut au moins mesurer notre impact et décider d’agir.
Le code est open source : github.com/JeremieSamson/green-code . Les contributions sont les bienvenues — que ce soit pour affiner les coefficients, ajouter des sources de compensation, ou améliorer le tracking.