Passer au contenu principal
    Materiality Reporting - Cabinet conseil RSE et reporting de durabilité
    Technologie

    Token (unité de traitement IA)

    FRToken (unité de traitement IA)
    ENToken (AI processing unit)

    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.

    🎯
    Enjeux ESG/IA

    L'usage des tokens IA soulève des enjeux ESG majeurs, principalement liés à l'empreinte environnementale et à la robustesse des systèmes, tandis qu'une mauvaise maîtrise peut mener à des risques de Greenwashing si l'impact réel n'est pas correctement mesuré et reporté.

    💡
    Exemple

    Un groupe retail français optimise ses prompts ESG de 2 000 à 800 tokens en moyenne, réduisant de 60 % le coût et l'empreinte carbone de ses 100 000 requêtes mensuelles à l'Assistant IA interne.

    Référentiels
    OpenAI TokenizerAnthropicGreen AI metricsMLOps efficiency

    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.

    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.

    Attribution énergétique IA (market-based vs location-based)

    Méthodologie de comptabilisation des émissions Scope 2 liées aux infrastructures IA, distinguant l'approche location-based (mix électrique moyen du réseau) et market-based (contrats d'achat d'énergie spécifiques, certificats d'origine). Critique pour la transparence du reporting carbone IA.

    Besoin d'expertise sur ce sujet ?

    Nos consultants experts en ESG et IA peuvent vous accompagner.