Modèle de mise à disposition de ressources informatiques (calcul, stockage, réseau) à la demande via Internet, sans gestion directe de l'infrastructure par l'utilisateur. Le cloud est le principal vecteur de déploiement de l'IA à grande échelle (AWS, Azure, GCP). Les enjeux ESG portent sur la localisation des data centers, le mix énergétique, le PUE/WUE et la souveraineté des données. L'AI Act impose une traçabilité des traitements même lorsqu'ils sont externalisés dans le cloud.
L'informatique en nuage (Cloud Computing) présente des enjeux ESG et IA majeurs, notamment en termes d'empreinte environnementale via la consommation énergétique des centres de données (ESRS E1 sur le changement climatique et l'énergie) et de gestion des ressources en eau (ESRS E3), ainsi que des risques liés à la souveraineté et à la sécurité des données, amplifiés par le déploiement d'IA.
Une entreprise française migre ses modèles d'IA vers un cloud européen certifié SecNumCloud pour maintenir la souveraineté de ses données tout en bénéficiant de la scalabilité. Elle exige un PUE inférieur à 1,3 et un mix électrique à 80 % renouvelable.
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.