Processus d'évaluation et de gestion des risques liés à l'utilisation de modèles IA pré-entraînés par des tiers (OpenAI, Anthropic, Meta). Couvre les risques de biais, de propriété intellectuelle, d'opacité et de dépendance fournisseur.
Volet le plus mature à structurer pour la conformité AI Act (Art. 25 responsabilités le long de la chaîne de valeur) et ESRS G1-2 (relations fournisseurs). Grille minimale : classification du fournisseur (fournisseur GPAI ou intégrateur), adhésion au Code de bonnes pratiques GPAI, disponibilité de la documentation technique, politique de données et localisation, plan de continuité en cas de rupture de service, clause de réversibilité et audit. Diversifier les fournisseurs sur les usages critiques pour éviter la concentration.
Avant d'intégrer GPT-4 dans ses processus, une entreprise française réalise un évaluation des risques fournisseur évaluant : transparence du modèle, politique de données, SLA, et risques de biais. Elle exige des audits réguliers et diversifie ses fournisseurs.
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.