Utilisation de l'IA pour évaluer et noter automatiquement la performance ESG des entreprises à partir de données publiques et privées. Ces systèmes combinent NLP, machine learning et bases de données structurées pour produire des scores comparables et actualisés en temps réel.
Attention au décalage entre couverture (nombre d'entreprises notées) et matérialité (pertinence de la note). Les divergences documentées entre agences (corrélation < 0,5) traduisent des choix méthodologiques opaques ; à niveau utilisateur, exiger la fiche méthodologique, la liste des sources et le taux de données estimées vs déclarées, et croiser deux fournisseurs pour toute décision d'investissement ou d'octroi. Ne jamais présenter un score automatisé comme une opinion d'assurance CSRD.
Une agence de notation française automatise 70 % de son processus de scoring ESG grâce à l'IA, permettant de couvrir 10 000 entreprises au lieu de 2 000, avec une actualisation trimestrielle au lieu d'annuelle.
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.