Introduction : la tentation de tout déléguer à l'IA
Depuis l'Omnibus et la relance des débats sur la "simplification" du reporting, une tentation revient partout :
"Puisqu'on doit faire plus simple, laissons l'IA faire le tri."
Problème : la double matérialité reste au cœur de la CSRD, et la CS3D renforce la pression sur la chaîne de valeur et les risques ESG.
Autrement dit, le contexte législatif se simplifie sur la forme… mais pas sur la responsabilité.
Dans ce cadre révisé, voici 3 bons usages de l'IA pour la double matérialité – et 3 dérives à fuir si vous voulez rester crédibles devant vos auditeurs, vos parties prenantes et, demain, vos autorités de supervision.
1. Ce que l'IA fait vraiment bien pour votre DMA
L'Omnibus et les travaux de simplification ESRS ne touchent pas au principe de double matérialité : vous devez toujours couvrir à la fois l'impact sur l'environnement et la société, et les risques / opportunités financiers pour votre modèle d'affaires.
En revanche, ils encouragent une approche plus top-down, plus ciblée, moins "checklist exhaustive".
Dans ce nouveau cadre, l'IA devient utile là où elle permet :
a) Cartographier les enjeux à grande vitesse
La promesse est tenue quand l'IA vous aide à :
- Analyser la réglementation, les rapports sectoriels, la presse, les controverses, les incidents internes
- Dégager un paysage d'Impacts, Risques et Opportunités (IROs) pertinent pour votre modèle d'affaires
Avec une double matérialité plus "top-down", c'est un atout : vous partez d'une photo large, mais structurée, sans noyer vos équipes dans des heures de lecture.
b) Repérer des signaux faibles et des risques chaîne de valeur
CSRD et CS3D imposent de regarder au-delà des murs de l'entreprise.
L'IA est utile pour :
- Croiser données fournisseurs, alertes terrain, news pays, analyses ONG
- Faire remonter des zones de risque inattendues, à intégrer dans la DMA et les plans de vigilance
c) Préparer des matrices… pour nourrir le débat, pas le remplacer
Dans un contexte où l'Europe veut réduire le volume de datapoints tout en maintenant l'exigence de cohérence, l'IA peut :
- Pré-classer des enjeux, suggérer des niveaux d'importance (impact / finance)
- Générer des ébauches de matrices et de cartographies à discuter en ateliers
Ce sont d'excellents supports de travail pour les comités de matérialité, les COMEX, les conseils.
2. Là où l'IA fragilise votre double matérialité
Avec l'Omnibus, la Commission annonce moins de normes sectorielles, moins de datapoints et le maintien d'une assurance "limitée" plutôt que "raisonnable".
Certains y voient une permission implicite de faire plus léger. C'est un contresens : la responsabilité des arbitrages reste entière, et la CS3D vient même la renforcer sur les risques ESG.
Dans ce contexte, voici trois dérives majeures de l'IA sur la DMA :
a) Laisser un score "IA" décider de ce qui est matériel
Vouloir "industrialiser" la matérialité, c'est oublier que :
- La CSRD vous laisse la main sur les seuils de matérialité
- L'Omnibus simplifie l'analyse mais pas la démonstration du raisonnement
Si un score IA devient le juge de paix, sans cadrage stratégique clair, vous créez une double matérialité :
- Difficile à expliquer à un auditeur
- Peu défendable si un régulateur ou une ONG challenge vos choix
b) Sous-pondérer les enjeux locaux et les spécificités chaîne de valeur
Les modèles entraînés sur des corpus globaux (rapports, médias, grandes bases) sur-représentent les enjeux "mainstream" : climat, énergie, gouvernance des données.
Ils sous-représentent :
- Les problématiques sociales locales
- Les tensions communautaires
- Les risques spécifiques à certains maillons de votre chaîne de valeur
Dans un monde CSRD + CS3D où l'on attend de vous une prise en compte sérieuse de la chaîne d'activités, c'est un angle mort dangereux.
c) Considérer la matrice générée comme un livrable "clé en main"
Le package Omnibus prévoit :
- Un maintien de l'assurance "limitée"
- Un allègement des obligations
- Mais pas une baisse des attentes sur la justification des informations communiquées
Livrer une matrice sortie quasi telle quelle d'un outil IA, sans trace des décisions, revue critique, intégration des échanges avec les parties prenantes… revient à prendre un risque méthodologique et réputationnel majeur.
3. Redéfinir la frontière entre outil et gouvernance
Dans ce nouveau paysage, la question n'est plus "IA ou pas IA ?".
Elle est : "Où passe la frontière entre ce que vous confiez à l'IA et ce qui relève de votre gouvernance ?"
À mes yeux, une double matérialité crédible et actuelle repose sur 4 piliers :
Les 4 piliers d'une DMA robuste post-Omnibus
-
Partir du modèle d'affaires et des IROs clés, comme le permettent les simplifications Omnibus, mais en lien avec les risques chaîne de valeur exigés par CS3D
-
IA encadrée : l'IA fait le screening, la structuration, la pré-hiérarchisation ; les arbitrages restent du ressort des équipes RSE/risques/finance et des organes de gouvernance
-
Biais gérés, pas ignorés : on injecte des données internes, locales, terrain ; on confronte systématiquement les résultats avec la réalité des sites, des fournisseurs, des parties prenantes
-
Traçabilité robuste : on documente les choix comme si CSRD, CS3D et AI Act allaient être lus ensemble
Conclusion : où se situe votre frontière IA / gouvernance ?
En ce moment, je travaille justement sur la modélisation d'une analyse de double matérialité alignée à la fois avec :
- L'AI Act (gouvernance, transparence, gestion des biais)
- La CSRD révisée et ses ESRS simplifiés
- La CS3D et sa logique de risques sur la chaîne de valeur
Objectif : exploiter l'IA pour gagner en profondeur et en efficacité, sans importer ses angles morts dans vos arbitrages.
Dans votre organisation, si vous deviez dessiner aujourd'hui cette frontière IA / gouvernance pour la double matérialité, elle se situerait où : au stade du screening, de la matrice… ou déjà dans la décision ?
Cet article vous a-t-il été utile ?