Systèmes d'IA capables de planifier et d'exécuter de manière autonome une séquence d'actions complexes pour atteindre un objectif, au-delà de la simple génération de texte d'un LLM. Ces agents combinent raisonnement, mémoire, appels d'outils (tools) et boucles de rétroaction. En ESG, ils peuvent automatiser la collecte, la validation et le reporting des données de durabilité, mais multiplient les risques de traçabilité, de responsabilité et de Supervision humaine.
Rupture de responsabilité par rapport à un simple copilote : l'agent enchaîne des actions (lire, écrire, appeler une API, déclencher un paiement) sans validation intermédiaire. Prérequis avant tout déploiement productif : cartographie des outils accessibles avec principe du moindre privilège, budget d'appels borné, journal d'actions horodaté, procédure d'arrêt d'urgence et Supervision humaine sur les actions à impact externe (envoi, transaction, publication). Sans ces garde-fous, la trace requise par l'AI Act Art. 12 et par les vérificateurs CSRD n'est pas tenable.
Un agent autonome ESG est configuré pour collecter chaque trimestre les données carbone auprès de 50 filiales, vérifier leur cohérence, identifier les anomalies et rédiger un brouillon de disclosure ESRS E1. Le comité IA impose une validation humaine avant publication.
Termes connexes (Technologie)
IA fantôme (Shadow AI)
Utilisation non autorisée d'outils d'intelligence artificielle par les employés, contournant les politiques de sécurité, de conformité et de gouvernance de l'entreprise. Ce phénomène représente un risque ESG majeur : fuite de données sensibles, non-conformité RGPD/IA Act, absence de traçabilité et d'audit.
Ingénierie de prompt ESG
Discipline d'optimisation des instructions textuelles (prompts) données aux modèles d'IA pour obtenir des réponses pertinentes, précises et conformes aux exigences du reporting de durabilité. Inclut la structuration des requêtes, l'injection de contexte réglementaire et la réduction des hallucinations.
Hallucination IA
Génération par un modèle d'IA de contenus faux, inventés ou non étayés par les données sources, présentés avec une apparence de certitude. Risque critique pour le reporting ESG où l'exactitude et la traçabilité des informations sont essentielles pour l'audit externe.
Token (unité de traitement IA)
Unité élémentaire de texte traitée par les modèles de langage (environ 4 caractères ou 0,75 mot en français). Le nombre de tokens détermine le coût de calcul, la consommation énergétique et l'empreinte carbone d'une requête IA. Métrique clé pour l'optimisation Green AI.
GPU (Processeur graphique)
Processeur spécialisé dans le calcul parallèle, essentiel pour l'entraînement et l'inférence des modèles d'IA. Les GPU représentent la principale source de consommation énergétique et d'émissions carbone des infrastructures IA, avec des enjeux d'approvisionnement en terres rares et de recyclage.
Récupération de chaleur fatale (data center)
Valorisation de la chaleur résiduelle générée par les serveurs et GPU des centres de données pour alimenter des réseaux de chauffage urbain, des serres agricoles ou des processus industriels. Levier clé d'économie circulaire pour réduire l'impact environnemental net des infrastructures IA.