Produit
Carbon & Price Aware API et MCP : une heure plus verte

Notre Carbon & Price Aware API et MCP disent aux agents IA l’heure la plus propre et le coût d’un travail. Attendre a réduit le CO₂/kWh de 27 % en Europe.
Prends un travail prévu à deux heures du matin. Le 8 octobre en Allemagne, la même heure de travail à quinze heures aurait utilisé 49 % de CO₂ en moins par kWh : 220 grammes au lieu de 433. Le 28 octobre en Californie, dix heures du matin a fait 57 % de mieux que deux heures de la nuit : 136 grammes au lieu de 316.
Rien n’a changé dans le travail. Seule l’heure a changé.
C’est l’idée derrière la Carbon & Price Aware API et le MCP de GreenPT. Avant qu’un agent IA lance une exécution, il pose une seule question à GreenPT : est-ce un moment propre ? Si oui, le travail tourne. Si une heure plus propre arrive avant son échéance, il attend, puis tourne une seule fois.
Transcription (traduite)
Tes agents IA tournent selon un planning. Mais le réseau électrique change d’heure en heure. Le soleil et le vent ne coûtent presque rien à produire : le réseau les utilise donc en premier. Quand ils faiblissent, le gaz et le charbon comblent le manque. Chaque heure a donc une empreinte carbone différente. Prends un travail prévu à deux heures du matin. Ce jour-là en Allemagne, à quinze heures, c’était 49 % plus propre. En Californie, à dix heures du matin, c’était 57 % plus propre. Avant chaque exécution, ton agent pose donc une seule question à GreenPT : est-ce un moment propre ? Si oui, le travail tourne. Si une heure plus propre arrive, il attend, puis tourne une seule fois. Une exécution n’est jamais bloquée. Qu’est-ce que cela fait gagner ? Quand une exécution attend, elle émet en général 27 % de CO₂ en moins en Europe, et 21 % de moins aux États-Unis. Pour les travaux qui peuvent attendre, cela monte jusqu’à la moitié. GreenPT sait aussi ce que coûte l’IA. Le même travail, exécuté en batch dans un délai d’une journée, coûte moitié moins. C’est disponible pour Microsoft Foundry, bientôt sur AWS Marketplace pour Amazon Bedrock, et en bêta privée sous forme de MCP et d’API. Tu vois chaque exécution et ce qu’elle a fait gagner, avec des rapports pour la CSRD. La mise en place se fait en un clic. Et chaque exécution décalée est consignée. Le même travail. Une heure plus verte. Un coût connu. C’est GreenPT. La Carbon Aware API et le MCP sont désormais en bêta privée. Scanne le code pour en savoir plus.
Pourquoi nous l’avons construite
Nous avons beaucoup réfléchi à la façon dont GreenPT peut avoir une grande influence sur l’IA, et sur l’IA agentique en particulier. Les modèles génératifs polyvalents peuvent consommer environ 30 fois plus d’énergie que des modèles conçus pour une seule tâche : pour la réponse à des questions, Luccioni, Jernite et Strubell ont mesuré environ 10 g CO₂e pour 1 000 réponses, contre environ 0,3 g. Les agents tournent sur ces modèles, de nombreuses fois par jour.
Beaucoup d’entreprises font tourner des flottes entières d’agents. La plupart resteront sur la plateforme qu’elles ont choisie, pour de bonnes raisons, et ne passeront pas à GreenPT. Nous avons donc construit quelque chose qui fonctionne là où leurs agents tournent déjà.
Le réseau change d’heure en heure
Le soleil et le vent ne coûtent presque rien à produire : le réseau les utilise donc en premier. Quand ils faiblissent, le gaz et le charbon comblent le manque. C’est pourquoi l’intensité carbone de l’électricité, les grammes de CO₂ par kWh, monte et descend au fil de la journée.
Une réponse de chat doit arriver tout de suite. Beaucoup de travail d’agent, non : un rapport nocturne, une analyse hebdomadaire, un lot de résumés, de l’enrichissement de données, une série d’évaluations. Il doit être fini à une certaine heure, pas démarré à une minute précise. C’est cette marge que l’API exploite.
Une question avant chaque exécution
Un agent sensible au carbone reçoit une échéance plutôt qu’une heure de démarrage. Avant de tourner, il demande la fenêtre la plus propre avant cette échéance :
curl "$CARBON_API/best-window\
?location=us-west-1\
&duration_minutes=60\
&deadline=2026-11-10T13:00:00Z" \
-H "Authorization: Bearer $GREENPT_KEY"
Voici une vraie réponse, du 9 novembre 2026 à 13 h 39 UTC, réduite à ses champs principaux :
{
"run_now": false,
"start": "2026-11-09T20:00:00Z",
"gco2_kwh": 121.2,
"if_run_now": 329.7,
"saving_pct": 63.2,
"wait_minutes": 382,
"kind": "forecast",
"zone": "US-CISO"
}
Son champ summary dit la même chose en une phrase, prête à être transmise par un agent : « Wait 6h22m and start at 2026-11-09 20:00 UTC on the US-CISO grid: 121.2 instead of 329.7 gCO2/kWh, 63.2% less CO2, 208.5 g saved per kWh. »
La même question pour eu-central-1, au même moment, a renvoyé run_now: true : aucune heure plus tardive avant l’échéance n’était plus propre que le réseau allemand à ce moment-là. Nous avons choisi ces deux régions pour montrer les deux types de réponse : ce sont donc des exemples, pas des moyennes.
Trois règles rendent l’attente sûre :
- L’échéance tient. Chaque fenêtre se termine avant elle. Quand aucune heure plus tardive n’est plus propre que maintenant, la réponse est
run_now: true. - Dans le doute, l’exécution démarre. Quand il n’y a pas de prévision, ou que GreenPT est injoignable, l’exécution a lieu. Des données manquantes ne bloquent jamais le travail.
- Les petits gains n’attendent pas. Les contrôles dans Foundry et Bedrock ne décalent une exécution que si elle fait gagner au moins 5 %, et jamais de plus de 8 heures, sauf si tu fixes d’autres limites.
Ce que cela fait gagner
Nous avons rejoué chaque heure mesurée du 5 octobre au 5 novembre 2026, sur 6 pays de l’UE et 7 réseaux américains. Pour chaque heure de démarrage, nous avons comparé un travail d’une heure lancé tout de suite avec le démarrage le plus propre dans les 8 ou 24 heures suivantes, et nous n’avons compté que les exécutions où le décalage faisait gagner 5 % ou plus.
CO₂ en moins par kWh pour une exécution décalée. Médiane, avec la fourchette des 8 exécutions sur 10 du milieu.
| Réseau | Jusqu’à 8 h | Jusqu’à 24 h |
|---|---|---|
| Europe, 6 pays | 18 % (7–44) |
27 % (9–53) |
| Pays-Bas | 23 % | 40 % |
| France | 23 % | 35 % |
| Allemagne | 20 % | 31 % |
| Pologne | 18 % | 24 % |
| Italie | 17 % | 21 % |
| Suède | 13 % | 15 % |
| États-Unis, 7 réseaux | 14 % (6–41) |
21 % (8–50) |
| Californie | 41 % | 45 % |
| Texas | 23 % | 34 % |
| Grandes Plaines | 15 % | 26 % |
| Arizona | 12 % | 19 % |
| Midwest | 12 % | 17 % |
| Nord-Ouest | 12 % | 15 % |
| Virginie | 9 % | 12 % |
Le gain est le plus fort là où le soleil et le vent varient le plus, comme en Californie et aux Pays-Bas. Là où le réseau est propre toute la journée, comme en Suède, il y a peu à gagner, et la réponse honnête est que l’heure compte à peine.
Deux choses à garder en tête en lisant ces chiffres :
- C’est un meilleur cas. Ces chiffres s’appuient sur ce que l’on sait après coup. Une vraie exécution décide sur une prévision. Dans un test rétrospectif de 30 jours aux États-Unis, en septembre 2026, la prévision a capté de 66 % à 96 % du gain atteignable pour un travail d’une heure, selon le réseau.
- L’Europe voit moins loin. La prévision pour le lendemain est publiée une fois par jour : le 6 novembre à 14 h UTC, l’API voyait donc 9 heures à l’avance pour les Pays-Bas et l’Allemagne, contre 25 heures pour les réseaux américains. À de tels moments, les chiffres à 24 heures sont hors de portée.
Ce sont des intensités moyennes, celles qu’utilise le reporting selon le GHG Protocol. C’est pourquoi nous disons qu’une exécution utilise moins de CO₂ par kWh, et non qu’elle retire du CO₂ du réseau.
Une API et un serveur MCP
La Carbon & Price Aware API est un service REST, et les mêmes outils sont servis via MCP : un agent peut donc les appeler sans écrire la moindre couche HTTP.
| Endpoint et outil MCP | La question à laquelle il répond |
|---|---|
GET /carboncarbon_intensity |
À quel point le réseau est-il propre ici, heure par heure, en mesure et en prévision ? |
GET /best-windowbest_window |
Quand ce travail doit-il tourner, avant son échéance ? |
GET /best-locationbest_location |
Où, et quand, doit-il tourner, parmi plusieurs régions ? |
GET /pricesllm_prices |
Combien coûte ce modèle chez chaque fournisseur, cloud et routeur ? |
GET /regionslist_regions |
Quels noms de régions cloud puis-je passer comme lieu ? |
GET /zoneslist_zones |
Quels réseaux sont couverts ? |
Tu peux interroger l’API par coordonnées ou par nom de région cloud, comme westeurope, eu-central-1 ou us-west-1 : un agent qui planifie un travail dans le cloud n’a donc besoin d’aucune coordonnée. Le serveur MCP fonctionne en streamable HTTP sans état, avec la même clé bearer que l’API : il marche donc dans tout hôte qui te laisse définir un en-tête, comme Claude Code, Cursor ou les SDK MCP :
claude mcp add --transport http \
greenpt-carbon "$CARBON_API/mcp" \
--header "Authorization: Bearer $GREENPT_KEY"
Le serveur explique aussi au modèle comment s’en servir : décider du moment avec best_window, faire entièrement confiance aux valeurs mesurées, traiter les prévisions comme des prédictions avec des bandes d’incertitude, et relayer tel quel le summary d’une phrase.
Un prix pour chaque exécution
Le carbone n’est qu’une moitié de la question. L’autre moitié, c’est l’argent. L’API tient à jour les prix des tokens par modèle chez les fournisseurs, les clouds et les routeurs, tarifs batch compris. Donne-lui un modèle et un nombre de tokens, et une exécution a un prix avant que le premier token soit dépensé.
Le 6 novembre 2026, un million de tokens en entrée et 200 000 tokens en sortie sur Claude Sonnet 4.5 coûtaient 6,00 $ sur Amazon Bedrock, 6,60 $ via un profil d’inférence UE ou US, et 3,00 $ en batch. Le même travail sur GPT-5 dans Azure coûtait 3,25 $, ou 1,63 $ en batch.
Une API batch coûte environ moitié moins, mais c’est le fournisseur qui choisit quand elle tourne, dans un délai d’environ une journée : le moment où tu l’envoies ne change donc pas son empreinte carbone. Pour un travail que tu lances toi-même, best_window décide du moment. Pour un modèle sur Bedrock, Vertex ou Azure, le levier, c’est la région : compare les régions de ce cloud avec best_location.
Où ça fonctionne
Microsoft Foundry
Pour les agents Foundry, GreenPT est un outil que l’agent appelle tout au début d’une exécution. L’agent se connecte avec sa propre identité Microsoft Entra : il n’y a donc pas de clé API. Quand un démarrage plus tardif fait gagner au moins ton minimum, GreenPT crée dans ton projet Foundry une routine à usage unique qui lance la même tâche une seule fois, à l’heure plus verte, et dit à l’exécution en cours de s’arrêter. Une exécution décalée ne l’est jamais une seconde fois.
Chaque exécution d’agent, vérifiée : ce que GreenPT a décidé ce mois-ci, et à quel point il est sûr du réseau. Données d’illustration pour Contoso, une entreprise fictive.
GreenPT configure les agents pour toi. Il ajoute l’outil et une ligne d’instruction dans Foundry, une fois que tu as relu la modification, et montre quels agents sont prêts.
La configuration de chaque agent, en un coup d’œil. Données d’illustration pour Contoso.
L’endroit où tourne un modèle décide du réseau qui compte. Dans Azure, cela dépend du type de déploiement, et GreenPT étiquette chacun honnêtement : exact pour un déploiement régional qui reste dans un seul pays, in zone (dans la zone) pour un déploiement Data Zone, et estimate (estimation) pour un déploiement Global qui peut tourner n’importe où.
Où tes modèles tournent vraiment. Données d’illustration pour Contoso.
Chaque exécution décalée est consignée, avec son gain et son libellé de réseau, et le rapport mensuel est prêt pour la CSRD.
Des exécutions décalées vers une heure plus verte. Chacune démarre une seule fois, puis est nettoyée. Données d’illustration pour Contoso.
Amazon Bedrock AgentCore
Pour les agents AgentCore, cela fonctionne de la même façon. L’agent prouve son identité avec son propre jeton d’identité AWS, et une exécution décalée devient, dans ton compte, une planification EventBridge Scheduler à usage unique, qui lance la tâche une seule fois puis se supprime. La mise en place tient en une pile CloudFormation avec deux rôles et un groupe de planifications, et chaque étape passe au vert quand AWS la confirme.
Transcription (traduite)
Tes agents Amazon Bedrock tournent selon un planning : rapports nocturnes, synthèses, travaux par lots. La plupart n’ont pas besoin de démarrer à une minute précise. Mais le réseau électrique n’est pas aussi propre à toute heure du jour. Ce jour-là en Californie, un travail prévu à deux heures du matin aurait utilisé 57 % de CO₂ en moins par kilowattheure à dix heures. GreenPT donne un outil à chaque agent AgentCore. Au début d’une exécution, l’agent demande : est-ce un moment propre ? Si oui, l’exécution a lieu. Si une heure plus propre arrive, GreenPT l’y déplace. L’agent se connecte avec sa propre identité AWS : il n’y a donc aucune clé à gérer. Quand une exécution est décalée, GreenPT crée une planification à usage unique dans ton compte. Elle lance la même tâche une seule fois, à l’heure plus verte, puis se supprime. Tu fixes les limites : combien de temps une exécution peut attendre, et le plus petit gain qui vaut l’attente. Si GreenPT ne peut pas vérifier, l’exécution a simplement lieu. La mise en place est guidée, étape par étape : choisis tes régions, accorde l’accès avec une pile CloudFormation, et ajoute l’outil à chaque agent. Chaque étape passe au vert quand AWS la confirme. GreenPT te dit aussi à quel point il est sûr : exact quand un modèle tourne dans une seule région, dans la zone pour les profils d’inférence UE et US, et une estimation pour les profils globaux. Chaque décision est consignée : ce qui a tourné, ce qui a été décalé et le gain obtenu, avec un rapport mensuel pour la CSRD. Quand une exécution est décalée, elle utilise en général 18 % de CO₂ en moins par kilowattheure en Europe et 14 % aux États-Unis, avec l’attente par défaut de huit heures. Accorde-lui une journée, et cela monte à 27 et 21 %. Les formules démarrent à 49 dollars par mois pour dix mille vérifications, sur ta facture AWS. Tu vois ce qui est utilisé, et tu peux t’arrêter à ce qui est inclus. Le même travail. Une heure plus verte. GreenPT Carbon-Aware for Amazon Bedrock AgentCore, désormais sur AWS Marketplace.
Accorder l’accès dans la mise en place Bedrock : une commande et une pile. Données d’illustration pour Contoso.
Tout autre agent ou planificateur
Tout le reste passe par l’API et le serveur MCP : un planificateur Python, une tâche cron, un agent LangGraph ou CrewAI, ou un assistant à qui tu donnes les outils MCP et que tu laisses planifier. Les deux sont en bêta privée.
Comment nous gardons des chiffres honnêtes
Un chiffre carbone n’est utile que si tu sais jusqu’où lui faire confiance : chaque réponse dit donc d’où il vient.
- Chaque chiffre a un type.
measuredest le chiffre du gestionnaire de réseau lui-même.day_aheadetforecastsont des prédictions, avec des bandes p10 et p90. Une fenêtre n’est pas plus fiable que son heure la plus incertaine. - Les trous restent des trous. Une fenêtre ne couvre jamais une heure sans données. Quand aucune fenêtre complète n’existe, l’API le dit au lieu de planifier sur des chiffres inventés.
- C’est vérifié auprès des gestionnaires de réseau. Nos chiffres correspondent exactement à ceux de National Grid ESO pour le Royaume-Uni, à ceux de RTE pour la France à 0,1 gCO₂/kWh près, et à ceux de Fingrid pour la Finlande à 3,4 près.
- Les données américaines arrivent en retard. Les réseaux américains sont mesurés avec 12 à 20 heures de retard sur le temps réel, et chaque heure plus récente est notre propre prévision. Elle cale bien les réseaux portés par le solaire, comme la Californie et le Texas, et moins bien ceux portés par l’éolien.
- Le cycle de vie par défaut. L’intensité vient du mix de production de chaque heure, avec des facteurs d’émission en cycle de vie par source. Des facteurs directs, limités à la combustion, sont aussi disponibles.
Les données réseau viennent de sources publiques : la plateforme de transparence de l’ENTSO-E pour l’Europe, National Grid ESO pour la Grande-Bretagne et EIA-930 pour les États-Unis.
Demande un accès anticipé
La Carbon & Price Aware API et le MCP sont en bêta privée. Si tes agents ou tes travaux par lots peuvent attendre quelques heures, ils peuvent tourner sur une électricité plus propre, avec un prix pour chaque exécution avant qu’elle démarre.
Demande un accès anticipé et dis-nous ce que tu aimerais planifier.
Questions fréquentes
Qu’est-ce que la Carbon & Price Aware API ?
Une API REST et un serveur MCP qui répondent à trois questions avant qu’un travail démarre : à quel point l’électricité est propre, quand et où elle le sera le plus avant ton échéance, et ce que l’exécution coûtera en tokens. Ton code ou ton agent décide ; l’API fournit les faits.
Attendre rend-il mon agent plus lent ?
Seul le travail que tu marques comme flexible attend. Tu fixes l’échéance, et chaque fenêtre se termine avant elle. Quand aucune heure plus tardive n’est plus propre que maintenant, la réponse est run_now: true et le travail démarre tout de suite.
Que se passe-t-il quand il n’y a pas de prévision ?
L’exécution a lieu. Des données manquantes ne retardent jamais le travail, et l’API ne planifie jamais sur une heure pour laquelle elle n’a pas de chiffre.
Combien cela fait-il gagner ?
Sur des données réseau mesurées du 5 octobre au 5 novembre 2026, une exécution d’une heure qui a attendu jusqu’à 24 heures un démarrage plus vert a en général utilisé 27 % de CO₂ en moins par kWh en Europe, et 21 % de moins aux États-Unis. Ce calcul porte après coup sur des données mesurées : c’est donc un meilleur cas. Les prévisions captent l’essentiel de ce gain, mais pas tout.
Quels agents peuvent l’utiliser ?
Les agents Microsoft Foundry et Amazon Bedrock AgentCore, via un outil GreenPT qui se connecte avec l’identité cloud propre à l’agent. Tout autre agent, via le serveur MCP, et tout planificateur, via l’API REST. L’API et le MCP sont en bêta privée.
Comment obtenir un accès ?
Demande un accès anticipé sur la page Carbon & Price Aware API, à l’adresse greenpt.com/carbon-aware-api.



