Plan structuré pour collecter données manquantes (Scope 3, S2, PUE) dans le cadre du reporting ESG-IA.
La feuille de route pour les données manquantes est un enjeu ESG/IA crucial, car elle adresse directement les risques de reporting incomplet ou erroné, susceptible de générer du *Greenwashing* ou d'entraver des décisions stratégiques éclairées.
Termes connexes (Reporting/Finance)
ESRS 1 – Exigences générales
Norme ESRS traitant des caractéristiques qualitatives et méthodologie pour le reporting de durabilité.
ESRS 2 – Informations générales
Norme ESRS dédiée aux IRO (Impacts, Risques et Opportunités) et au lien avec le modèle d'affaires.
EFRAG IG 1 – Guide d'implémentation matérialité
Guidance EFRAG sur la conduite des évaluations de matérialité. Référentiel : EFRAG IG 1 (mai 2024).
Qualité des données ESG
Qualité et fiabilité des données ESG utilisées pour le reporting et l'analyse. L'IA peut aider à détecter les incohérences et améliorer la qualité.
Automatisation du reporting
Utilisation de l'IA pour collecter, traiter et formater automatiquement les données nécessaires aux rapports de durabilité CSRD/ESRS.
Données de substitution
Données secondaires ou estimations utilisées pour remplacer les données primaires lorsque celles-ci sont indisponibles, incomplètes ou trop coûteuses à collecter. Dans le contexte ESG, les proxies permettent d'estimer des impacts environnementaux ou sociaux en s'appuyant sur des moyennes sectorielles, des ratios financiers ou des facteurs d'émission standardisés. La CSRD exige une transparence sur leur usage : nature du proxy, source, justification et incertitude associée.