De la technique à la gouvernance d’entreprise : l’IA change d’échelle
L’IA générative a quitté le seul terrain de la DSI pour devenir un sujet de gouvernance d’entreprise à part entière. Quand environ 63 % des entreprises interrogées déclarent avoir déjà déployé des outils d’intelligence artificielle selon l’étude WeCount menée en 2023 par Louis Brémaud auprès d’un panel d’organisations européennes (ordre de grandeur, chiffres à actualiser selon les prochaines éditions), continuer à traiter ces projets comme de simples chantiers techniques revient à ignorer un nouveau pilier de la stratégie RSE. Pour un directeur ou une directrice RSE, la gouvernance de l’IA au sein de l’entreprise devient un test grandeur nature de sa capacité à articuler performance, conformité et responsabilité sociale.
Le glissement est net dans les comités de direction où les décisions sur l’intelligence artificielle engagent désormais la réputation, la gestion des risques et l’empreinte carbone de l’entreprise. La plupart des projets d’IA générative touchent des données sensibles, modifient les processus de gestion et créent des impacts sociaux sur les emplois, la formation et le pilier social des politiques RH. Laisser la seule DSI arbitrer entre ROI métier et risques éthiques revient à renoncer à la place de la gouvernance RSE dans les décisions structurantes de l’entreprise.
L’étude WeCount indique que près de 75 % des responsables RSE ne sont pas ou peu impliqués dans les choix d’IA, alors même qu’environ 64 % des entreprises souhaitent mesurer l’empreinte carbone de ces outils sans savoir comment s’y prendre. Ce décalage illustre un angle mort de gouvernance où la stratégie RSE n’est pas encore connectée aux déploiements d’intelligence artificielle. Tant que les DRSE ne cadrent pas la mise en place de ces technologies, la gestion des risques reste fragmentée et les piliers RSE sont traités comme un après coup.
La gouvernance de l’IA ne peut plus se limiter à une charte éthique rédigée par la DSI ou le juridique. Elle doit intégrer la responsabilité sociale, le respect des droits humains et la protection des données dès la conception des projets d’intelligence artificielle. Sans ce cadrage, l’entreprise s’expose à des risques de non-conformité réglementaire, mais surtout à des impacts sociaux et environnementaux difficilement rattrapables, notamment au regard du futur AI Act européen et des exigences de la CSRD.
Pour un DRSE, accepter que l’IA reste un sujet purement technique revient à abandonner un levier stratégique de développement durable. Les entreprises qui structurent déjà une gouvernance IA-RSE robuste, comme Orange ou BNP Paribas, positionnent clairement la RSE comme pilier de la gouvernance d’entreprise sur ces sujets. Ce n’est pas du greenwashing, c’est du pilotage, avec des comités IA, des politiques de données responsables et des analyses d’impact intégrant les trois piliers RSE.
Pourquoi la DSI seule ne peut pas piloter une IA responsable
La plupart des DSI évaluent encore les projets d’intelligence artificielle à l’aune du ROI métier, de la performance technique et du coût des licences. Ces critères sont légitimes, mais ils ne couvrent ni l’impact environnemental des data centers ni les risques sociaux liés à l’automatisation, ni les enjeux d’éthique des algorithmes. Sans la fonction RSE, la gouvernance de l’entreprise reste centrée sur l’efficacité opérationnelle et ignore une partie des risques systémiques.
Empreinte carbone de l’IA générative et data centers
Les chiffres sur les data centers parlent d’eux-mêmes, avec une consommation électrique estimée autour de 400 à 450 TWh en 2022 selon des ordres de grandeur relayés par l’ADEME et l’Agence internationale de l’énergie, et une projection pouvant approcher 1 000 TWh à horizon 2030 si les usages numériques et l’IA générative poursuivent leur croissance. Ces valeurs restent des estimations à manier avec prudence, mais elles donnent l’échelle : l’ordre de grandeur est comparable à la consommation électrique annuelle d’un pays comme le Japon. Plus de 80 à 90 % des émissions d’une IA générative proviendraient de l’électricité utilisée par ces infrastructures, ce qui en fait un sujet central pour le pilier environnemental des stratégies de développement durable. Quand près de 97 % des entreprises n’ont pas pris en compte cet impact environnemental dans leurs déploiements d’IA selon l’étude WeCount (chiffre indicatif, à actualiser), la gouvernance IA-RSE ne peut plus rester en périphérie.
La DSI n’est pas outillée pour arbitrer seule entre empreinte carbone, respect des droits humains dans les chaînes de valeur numériques et exigences de conformité aux normes ISO ou à la CSRD. Elle maîtrise les architectures techniques, mais pas la gestion des risques RSE, ni la responsabilité sociale, ni la place de la gouvernance dans les piliers RSE. C’est précisément là que les responsables RSE doivent imposer un cadre commun avec des critères d’évaluation intégrant empreinte, éthique et impact social.
Exemples d’intégration RSE dans les décisions technologiques
Les DRSE peuvent s’appuyer sur des exemples concrets comme Danone ou Decathlon qui ont déjà intégré des critères RSE dans leurs décisions d’investissement technologique et leurs feuilles de route numériques responsables. En articulant stratégie RSE, gouvernance et intelligence artificielle, ces entreprises montrent qu’il est possible de concilier innovation et responsabilité. Le message est clair pour les responsables RSE qui hésitent encore à intervenir sur ces sujets : ne pas cadrer, c’est laisser d’autres décider des risques à votre place.
La crainte que la RSE devienne un frein à l’innovation est souvent avancée par les métiers et la DSI. En réalité, poser des critères de conformité, de protection des données et de respect des droits dès la mise en place des projets permet d’éviter des révisions coûteuses et des blocages tardifs. Un DRSE qui structure la gouvernance IA-RSE en amont accélère les déploiements, car les arbitrages sont clairs et partagés.
Dialogue social et gouvernance de l’IA en entreprise
Cette approche rejoint les réflexions sur le rôle des instances représentatives du personnel dans la transformation numérique. L’exemple du CSE d’Accenture, analysé comme levier stratégique de responsabilité sociale dans plusieurs retours d’expérience sur la transformation digitale, montre comment un dialogue social structuré peut sécuriser les décisions technologiques sensibles. Pour un DRSE, s’inspirer de ce type de gouvernance sociale permet d’ancrer le pilier social de l’IA dans une logique de co-construction plutôt que de confrontation.
Comment le DRSE peut reprendre la main : comités, chartes et indicateurs
Reprendre la main sur l’IA générative ne signifie pas se substituer à la DSI, mais installer une gouvernance partagée où la RSE fixe le cadre. La première brique consiste souvent à créer un comité de gouvernance IA-RSE réunissant DSI, métiers, juridique, achats, RH et responsables RSE. Ce comité doit arbitrer les projets d’intelligence artificielle en fonction de critères de risques, d’éthique, d’empreinte carbone et d’impact social, au même titre que les critères financiers.
Comité IA-RSE et fiche projet type
Concrètement, un comité type se réunit par exemple une fois par mois, examine une fiche projet standardisée (description, données utilisées, fournisseurs, scénarios d’usage) et attribue un score de risque sur une échelle de 1 à 4 pour chaque dimension RSE. Les projets dépassant un seuil prédéfini (par exemple un score global supérieur à 3) sont renvoyés pour ajustement avant validation. Cette procédure simple permet de documenter les arbitrages et de tracer les décisions sensibles.
Une fiche projet IA-RSE opérationnelle peut par exemple comporter : (1) une description synthétique du cas d’usage et des objectifs métiers ; (2) la liste des données traitées, leur sensibilité et les mesures de protection ; (3) les informations clés sur les modèles d’IA utilisés (type de modèle, localisation des data centers, estimations d’empreinte carbone) ; (4) une analyse des impacts sociaux (emplois, compétences, dialogue social) ; (5) une grille de risques éthiques (biais, discrimination, explicabilité) ; (6) les engagements de conformité (RGPD, AI Act, normes ISO pertinentes) ; (7) un plan de suivi des indicateurs RSE associés.
Charte d’usage de l’IA et cadre éthique
La charte d’usage de l’IA devient alors un outil opérationnel plutôt qu’un document symbolique. Elle doit préciser les règles de protection des données, les exigences de respect des droits humains, les limites d’usage sur certains cas sensibles et les engagements de transparence vis-à-vis des parties prenantes. Intégrer ces éléments dans la stratégie RSE permet de relier directement la gouvernance IA-RSE aux objectifs de développement durable et aux piliers RSE existants.
Indicateurs d’empreinte carbone et reporting climat
Sur le plan environnemental, le DRSE doit exiger des indicateurs précis sur l’empreinte carbone des modèles d’intelligence artificielle utilisés. Cela implique de demander aux fournisseurs des données sur la consommation électrique des data centers, le mix énergétique et les optimisations possibles, puis de les intégrer dans le reporting climat aligné avec les normes ISO et les exigences ESRS E1. Sans ces chiffres, le discours sur l’IA responsable reste déconnecté du pilier environnemental et de la gestion des risques climatiques.
Pilotage des indicateurs ESG liés à l’IA
Pour ne pas se noyer dans les données, plusieurs directions RSE partagent déjà leurs pratiques de pilotage d’indicateurs ESG. Les retours d’expérience sur la manière de piloter ses indicateurs ESG sans se noyer dans les données montrent l’intérêt de plateformes capables d’agréger les informations issues des projets d’IA. En reliant ces outils au comité de gouvernance IA-RSE, le DRSE peut suivre en continu l’impact, la conformité et la responsabilité des déploiements.
Impacts sociaux, compétences et formation
Sur le pilier social, la fonction RSE doit cadrer les impacts sur l’emploi, les compétences et la formation. Chaque projet d’intelligence artificielle devrait intégrer un plan de formation des équipes concernées, une analyse des effets sur les métiers et un dialogue avec les représentants du personnel pour garantir le respect des droits. Là encore, la gestion des risques sociaux ne peut pas être laissée à la seule appréciation des métiers ou de la DSI.
Enfin, la gouvernance IA-RSE doit être reliée aux référentiels de conformité existants comme la CSRD, la taxonomie européenne ou les normes ISO de management environnemental et de sécurité de l’information. En intégrant l’IA dans ces cadres, le DRSE transforme un sujet perçu comme technique en levier structurant de gouvernance d’entreprise. C’est cette articulation entre responsabilité, performance et conformité qui crédibilise la fonction RSE auprès du comité exécutif.
De l’angle mort réglementaire à l’avantage compétitif : structurer une gouvernance IA RSE
Nous sommes dans une zone grise où la régulation de l’IA se renforce, mais où les pratiques de gouvernance IA-RSE restent largement immatures. L’étude WeCount montre que près de 97 % des entreprises n’ont pas pris en compte l’impact environnemental de leurs déploiements d’intelligence artificielle, alors même que les régulateurs s’intéressent de plus en plus à l’empreinte numérique. Pour un DRSE, cet angle mort est autant un risque qu’une opportunité stratégique.
Pionniers de la gouvernance IA-RSE et engagements climat
Les pionniers comme Orange, BNP Paribas ou Veolia commencent à structurer des cadres de gouvernance intégrant RSE, risques et IA, souvent en lien avec leurs engagements climat et droits humains. Ils travaillent sur la mise en place de comités IA, de politiques de protection des données renforcées et de grilles d’analyse d’impact environnemental et social des projets. Ces démarches montrent que la gouvernance d’entreprise sur l’IA peut devenir un avantage compétitif plutôt qu’une contrainte supplémentaire.
Pour transformer l’essai, le DRSE doit articuler clairement la place de la gouvernance IA dans les piliers RSE de l’entreprise. Sur le pilier environnemental, il s’agit de relier l’empreinte carbone des modèles d’intelligence artificielle aux trajectoires de réduction validées par la science. Sur le pilier social, la responsabilité sociale impose de documenter les effets sur les emplois, la qualité de vie au travail et le respect des droits fondamentaux.
Critères RSE dans les achats et la sélection de fournisseurs IA
La fonction RSE peut aussi jouer un rôle clé dans la sélection des fournisseurs et partenaires technologiques. En intégrant des critères de développement durable, de conformité aux normes ISO et de transparence sur les data centers dans les appels d’offres, le DRSE oriente concrètement les décisions d’investissement. Cette gestion des risques étendue renforce la crédibilité de la stratégie RSE auprès des investisseurs et des régulateurs.
Pour soutenir ce mouvement, des plateformes spécialisées émergent pour automatiser la collecte de données et fiabiliser le reporting ESG lié à l’IA. Les solutions d’ESG et d’IA pour automatiser la collecte de données de reporting permettent de relier plus facilement les projets d’intelligence artificielle aux indicateurs RSE. En s’appropriant ces outils, les responsables RSE gagnent en capacité d’analyse et en légitimité dans les arbitrages de gouvernance.
Au final, la gouvernance IA-RSE ne doit pas être pensée comme un filtre de plus, mais comme une nouvelle architecture de décision. En plaçant la responsabilité, l’éthique et l’impact au cœur des choix technologiques, le DRSE renforce la résilience de l’entreprise face aux chocs réglementaires et réputationnels. C’est cette capacité à anticiper plutôt qu’à subir qui fera la différence entre les entreprises qui subissent l’IA et celles qui en font un levier de développement durable.
Chiffres clés pour structurer une gouvernance IA RSE exigeante
- Environ 63 % des entreprises ont déjà déployé des outils d’IA, mais près de 75 % des responsables RSE ne sont pas ou peu impliqués dans ces choix, ce qui révèle un décalage majeur entre gouvernance technologique et stratégie RSE (étude WeCount, Louis Brémaud, panel d’entreprises européennes, données 2023 à confirmer dans les prochaines éditions).
- Près de 64 % des entreprises souhaitent mesurer l’empreinte carbone de leurs usages d’IA, alors qu’environ 97 % n’ont pas encore pris en compte l’impact environnemental réel de ces déploiements, ce qui montre l’ampleur de l’angle mort climatique (étude WeCount, Louis Brémaud, ordres de grandeur indicatifs).
- Les data centers ont consommé de l’ordre de 400 à 450 TWh d’électricité en 2022, avec une projection pouvant approcher 1 000 TWh à horizon 2030, soit l’équivalent de la consommation du Japon, ce qui place l’IA au cœur du pilier environnemental des stratégies de développement durable (estimations ADEME et Agence internationale de l’énergie, valeurs à suivre dans les mises à jour annuelles).
- Plus de 80 à 90 % des émissions d’une IA générative proviennent de l’électricité utilisée par les data centers, ce qui signifie que les choix d’architecture technique et de localisation des infrastructures sont des décisions RSE autant que des décisions informatiques (analyses ADEME et AIE, ordres de grandeur issus de la littérature scientifique sur l’empreinte carbone du numérique).
- Les entreprises qui intègrent des critères RSE dans leurs décisions technologiques, comme Danone, Decathlon ou Orange, montrent que la gouvernance IA-RSE peut devenir un levier de différenciation auprès des investisseurs et des régulateurs, en particulier dans le cadre de la CSRD et de la taxonomie européenne, en reliant innovation, conformité et responsabilité.