L’intelligence artificielle est rapidement devenue «le» compagnon de route incontournable des analystes. Elle leur permet d’accéder plus rapidement à l’information, de tester leurs hypothèses et de déceler des risques qui, autrefois, auraient exigé de très longues recherches. Cependant, si l’IA contribue positivement à l’analyse environnementale, sociale et de gouvernance (ESG), elle soulève également de nouvelles questions, notamment en ce qui concerne son empreinte énergétique et son impact social.
En interne, l’IA est utilisée pour aider les équipes à identifier et évaluer plus efficacement les risques ESG. Aujourd’hui, les outils basés sur l’IA permettent de consacrer moins d’efforts à la collecte des données et davantage à leur analyse et à leur interprétation. Ces outils peuvent, par exemple, comparer les informations publiées par les entreprises elles-mêmes avec celles de tiers, notamment celles des agences de notation ESG. Les incohérences ou les lacunes d’information sont ainsi mises en évidence ce qui permet d’axer l’analyse sur ce qui est essentiel (ceci est particulièrement important pour l’analyse ESG, car les données ESG varient souvent selon qu’elles sont fournies par les entreprises ou par les agences de notation). Précisons que nous n’utilisons pas l’IA pour porter des jugements qualitatifs, lesquels restent l’apanage de l’humain.
Les enjeux ESG de l’IA
Pour aborder les risques ESG des entreprises actives dans le secteur de l’IA, l’approche se fait sur la base de leur chaîne de valeur ajoutée. Par exemple, pour les fabricants de semi-conducteurs, les principales problématiques seront liées à l’utilisation des matières premières et à la consommation d’énergie alors que pour les concepteurs de logiciels, la consommation d’eau et d’énergie va primer. Pour les centres de données, étant donné leur situation géographique, c’est la consommation d’eau qui deviendra de plus en plus problématique.
Les nouveaux centres de données des géants de la Tech puiseront leur eau dans les régions les plus arides au monde
Source: The Gardian, 2025
Cela dit, le principal risque environnemental de l’IA est la consommation d’énergie tout au long de la chaîne de valeur ajoutée. En effet, l’IA ne se déploie pas dans le «nuage», mais dans des centres de données, gros consommateurs d’électricité et d’eau. Selon les dernières données du MIT, les centres de données représentent environ 4,4% de l’électricité consommée aux Etats-Unis, une proportion qui pourrait atteindre 12% d’ici 2028. La consommation en énergie d’une simple requête faisant appel à l’IA dépend de multiples facteurs et les entreprises ne divulguent pas suffisamment d’informations pour dresser un tableau complet des besoins en énergie des différents modèles d’IA.
Mais, il est évident que l’entraînement et l’exploitation de grands modèles d’IA exigent une puissance de calcul considérable. Les entreprises qui les développent sont soumises à une pression accrue pour dévoiler leur impact environnemental et pour le réduire et, fait encourageant, un certain nombre d’entre elles investissent massivement dans les énergies propres. Ainsi, depuis quelques années, Amazon est le plus gros acheteur d’énergies renouvelables au monde. Microsoft et Meta explorent la voie des mini-réacteurs nucléaires. Apple et Google se tournent de plus en plus vers des centres de données alimentés par des énergies renouvelables. Par ailleurs, à mesure que l’IA évolue, des modèles plus efficaces et plus spécialisés pourraient réduire ses besoins en énergie. Cette évolution ne compensera pas la consommation énergétique des centres de données, mais pourrait ralentir son augmentation.
Les risques sociétaux liés à l’IA
Les modèles dépendent des données sur lesquelles ils ont été entraînés et reflètent, par extension, les biais et les faiblesses de leurs concepteurs, ce qui peut aboutir à des discriminations involontaires. Par exemple, il est arrivé que des outils de recrutement automatisés écartent des candidats qui étaient pourtant qualifiés ou que des systèmes de reconnaissance faciale défaillants affectent de manière disproportionnée certaines minorités.
Une autre source de préoccupation majeure est la protection de la vie privée. Les modèles peuvent, par inadvertance, garder en mémoire ou inférer des informations sensibles à partir de leurs données d’entraînement ou des interactions des utilisateurs. Un exemple bien connu de ce type de phénomène est celui dans lequel les employés d’une entreprise ont accidentellement exposé des documents confidentiels à un modèle d’IA alors qu’ils l’utilisaient pour la programmation. Même sans exposition directe aux données, un modèle peut parfois déduire des caractéristiques d’ordre privé ou protégées à partir des comportements des utilisateurs, ce qui pose des questions éthiques et juridiques.
L’IA peut également contribuer à accélérer et à étendre la désinformation. L’utilisation de modèles génératifs pour falsifier des voix ou des images ou encore créer des médias synthétiques rend la propagation de ces discours mensongers excessivement facile. Lors du référendum sur le Brexit par exemple, des réseaux de bots ont diffusé en ligne des contenus biaisés ou trompeurs. Ainsi, l’IA est en mesure d’influencer l’opinion publique et contribuer à éroder la confiance de cette dernière dans les sources d’information fiables. Le référentiel des risques induits par l’IA élaboré par le MIT recense près de 24 domaines et plus 700 risques liés à l’IA. Il représente donc un classement idéal pour appréhender l’ensemble des risques associés au développement et à l’utilisation de l’IA.
Les attentes vis-à-vis des entreprises
Comment un investisseur responsable peut-il contribuer à atténuer ces risques? En considérant, en premier lieu, qu’une gouvernance responsable de l’IA est essentielle pour toute analyse ESG. Par conséquent, nous examinons comment les entreprises gèrent les opportunités et les risques liés à l’IA, de la consommation d’énergie et des impacts de l’IA sur la chaîne logistique jusqu’à la protection de la vie privée.
Nous attendons des entreprises qu’elles adoptent des principes éthiques clairs pour le développement et l’exploitation de l’IA, qu’elles disposent de structures de gouvernance adéquates, qu’elles mettent en place des mécanismes de contrôle et procèdent à des évaluations d’impact. Ces mesures doivent avoir des applications concrètes comme l’intégration des considérations relatives aux droits de la personne dans la conception des produits ou la responsabilisation des entreprises lorsque des outils liés à l’IA sont utilisés dans la prise de décisions qui peuvent être délicates.
Nous sommes également membres de la Coalition pour l’impact collectif (CIC) de la World Benchmarking Alliance (WBA) qui encourage les entreprises à respecter un ensemble de principes éthiques en matière d’IA. D’ailleurs, lors d’un entretien avec les membres de l’équipe chargée de l’éthique en matière d’IA dans l’une des cinq plus grandes entreprises de la Tech, nous avons constaté qu’ils estimaient que les considérations éthiques devaient favoriser l’IA et non pas être perçues comme des freins à l’innovation. Ainsi, lorsque les ingénieurs et les spécialistes de l’éthique travaillent de concert, le résultat est non seulement une IA plus sûre, mais aussi une IA de meilleure qualité.