Risques associés à l'utilisation de modèles d'IA externes (ChatGPT, Claude, Llama, etc.), notamment l'opacité sur les données d'entraînement, les restrictions de licence, la dépendance envers un seul fournisseur et les biais résiduels non documentés. Une diversification des sources de modèles mitigue ces risques.
L'utilisation de modèles d'IA tiers et le risque de dépendance fournisseur (vendor lock-in) posent des défis ESG significatifs, notamment en termes de transparence sur les données d'entraînement, de gestion des biais algorithmiques et de respect des droits humains, pouvant entraîner des discriminations (ESRS S1-S4), pour garantir la fiabilité des données utilisées dans l'analyse de matérialité et la conformité aux exigences de l'AI Act et de la CSRD.
Une entreprise française qui utilise GPT-4 pour le scoring RH se découvre dépendante d'OpenAI sans visibilité complète sur les données d'entraînement. Elle diversifie en intégrant également Llama en local et exige des audits réguliers de biais auprès de tous 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.