Ensemble des instructions informatiques qui composent un algorithme ou un modèle d'IA. La transparence du code source est un enjeu clé de l'IA responsable : l'AI Act impose des obligations de documentation technique pour les systèmes à haut risque, et les cadres ESG encouragent l'auditabilité du code pour vérifier l'absence de biais, la conformité réglementaire et la traçabilité des décisions automatisées. Le débat open source vs. propriétaire structure les politiques de gouvernance IA.
La transparence du code source algorithmique est cruciale pour atténuer les risques technologiques tels que les biais, les hallucinations, et l'absence de robustesse des systèmes d'IA, tout en offrant des opportunités d'auditabilité et de fiabilité des données.
Une fintech publie en open source le code de son algorithme de scoring ESG, permettant aux parties prenantes de vérifier l'absence de biais sectoriels. Cette transparence lui vaut un score de gouvernance ECOVADIS supérieur de 15 points à la moyenne sectorielle.
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.