L'IA est d'abord un enjeu de gouvernance — puis social, puis environnemental.

Gouvernance — l'IA comme sujet de direction

L'intelligence artificielle engage la direction générale avant d'engager la direction des systèmes d'information. Elle déplace des décisions : automatisation de processus, arbitrages appuyés sur des algorithmes fournis par des tiers, dépendance à des fournisseurs dont la juridiction n'est pas européenne. Le règlement européen sur l'intelligence artificielle (Règlement UE 2024/1689) impose aux organisations de cartographier leurs systèmes d'IA, d'identifier les usages à haut risque et de documenter les contrôles humains maintenus sur les décisions automatisées.

Cette exigence converge avec celle du reporting extra-financier. L'ESRS G1, dans le cadre de la CSRD, couvre la conduite des affaires et la culture d'éthique — l'IA s'y inscrit naturellement, dès lors que des décisions sensibles sont partiellement déléguées à des systèmes. La norme VSME destinée aux PME suit le même mouvement, sur un format proportionné. Les proxy advisors et les investisseurs alignés ISR intègrent progressivement la gouvernance de l'IA dans leurs grilles de due diligence.

Trois questions structurent l'arbitrage : qui décide ? qui peut reprendre la main ? que peut-on tracer pour en rendre compte ? La réponse est documentaire avant d'être technique.

Social — transformer sans fracturer

L'IA ne supprime pas mécaniquement des emplois : elle recompose les métiers intellectuels. Des tâches répétitives disparaissent ; d'autres tâches — relecture critique des sorties algorithmiques, conception des prompts, arbitrage sous incertitude — émergent ou gagnent en valeur. La transformation concerne autant la comptabilité et le juridique que le marketing et le support client. Le Future of Jobs Report du Forum économique mondial anticipe une reconfiguration significative des profils demandés à horizon de cinq ans.

La difficulté opérationnelle est rarement technique ; elle est humaine et sociale. La productivité d'une équipe qui adopte l'IA peut baisser temporairement avant de remonter, le temps que les usages s'installent et que la confiance dans les résultats se construise. Le dialogue social, l'information-consultation du CSE et les accords de méthode deviennent alors des outils d'accompagnement, non de blocage.

Le reporting ESRS S1 exige de documenter cette transformation : effectifs concernés, plans de formation, mesures d'accompagnement, impacts sur la santé au travail et sur les compétences critiques. Les parties prenantes — salariés, investisseurs, donneurs d'ordre — vérifient que la transformation est pilotée, non subie.

Environnement — mesurer et exploiter

Mesurer les impacts environnementaux de l'IA

L'IA mobilise une infrastructure matérielle dont la trace environnementale est progressivement documentée. L'Agence internationale de l'énergie (AIE) suit la consommation électrique des data centers, dont les usages IA représentent une part croissante. Les phases d'entraînement des grands modèles et leurs usages en inférence ont des profils énergétiques distincts, qu'il convient de distinguer dans toute mesure sérieuse.

Pour une entreprise utilisatrice, l'empreinte s'inscrit au Scope 2 (électricité consommée par ses propres infrastructures) et au Scope 3 amont (achats de services cloud et de calcul externalisé). Les méthodes d'évaluation évoluent : l'ADEME et The Shift Project publient des cadres adaptés au numérique. Le reporting ESRS E1, dans le cadre de la CSRD, intègre ces périmètres dès lors qu'ils sont matériels.

Exploiter l'IA comme levier de décarbonation

La même IA contribue à réduire des empreintes : optimisation énergétique des bâtiments et des process industriels, monitoring fin des consommations, détection de fuites dans les réseaux, simulation de scénarios de décarbonation via jumeaux numériques, analyse d'images satellite pour la télédétection environnementale.

L'équilibre n'est pas acquis. Il se documente, usage par usage, avec la même discipline que le reste du reporting.

Comment Ycompris accompagne

Cartographier les usages d'IA et les dépendances qu'ils créent dans l'organisation — fournisseurs critiques, données sensibles, processus concernés, compétences mobilisées. Arbitrer les décisions de gouvernance : ce qui reste humain, ce qui peut être délégué, sous quels contrôles, avec quel plan de réversibilité. Documenter les choix pour les parties prenantes : conseil, investisseurs, régulateur, salariés. Une méthode qui tient compte du triptyque ESG plutôt que d'isoler un seul angle.