Vers le net zéro : intégrer l'IA dans les stratégies de gestion des risques climatiques

• L'IA générative (IA gén) ou l'apprentissage automatique peuvent-ils tous deux aider à définir et à mettre en œuvre efficacement une stratégie nette zéro ?
• S'agit-il, en effet, de l'outil qui changera le visage de la divulgation et de la stratégie en matière d'ESG et de développement durable ?
• L'utilisation de l'IA générative en tant qu'outil, la solution miracle, est-elle un moyen d'aider une société (ou un pays) à atteindre le net zéro, de manière efficace et rapide ?

Le risque climatique passe progressivement du stade de la prise de conscience à celui de la priorité et de la stratégie. L'évolution a été subtile jusqu'il y a quelques années, lorsque le passage de la prise de conscience à la priorité a commencé à se faire sentir. Cette évolution s'est accompagnée d'une intensification des discussions au sein des entreprises sur la « résilience », l'« adaptation » et l'« atténuation ». L'étude d'opportunité d'aborder les impacts du changement climatique et tous les risques qui y sont liés est urgente. Les stratégies passées de lutte contre les risques climatiques ne fonctionnent plus. Il est vraiment nécessaire d'être créatif, innovant et prêt à regarder au-delà du traditionnel. Les risques climatiques restent les mêmes, mais l'approche pour les mesurer, les surveiller et les atténuer continue de représenter un défi pour les sociétés, les pays et les communautés.

Ces types de risques climatiques sont familiers à tous ceux qui étudient le changement climatique ou à toutes les affaires qui ont été touchées par des événements climatiques. À mesure que la compréhension des risques climatiques devient plus stratégique, il est clair qu'il existe des opportunités d'affaires pour toute société, de la simple résilience à la recherche proactive de solutions innovantes.

Les risques climatiques se répartissent en quatre catégories distinctes et familières :

• le risque de responsabilité
• le risque de réputation
• le risque de transition
• le risque physique.

L'essentiel est que les entreprises soient claires et transparentes quant à leurs objectifs et à leurs efforts pour faire face à ces risques. Le contraire de la transparence est considéré comme de l'« écoblanchiment ». Ces risques requièrent des données spécifiques et solides, afin de s'assurer que les risques sont mesurés, contrôlés et gérés, autant d'éléments clés à la base d'une stratégie solide et crédible. La collecte de ces données alimente directement les objectifs et la réalisation des objectifs, et soutient une stratégie d'entreprise bien informée - une stratégie qui inclut tous les risques d'affaires, y compris le risque climatique.

Les sociétés ont besoin de clarté quant à leurs risques climatiques. Il est tout aussi important d'aborder ces risques en tenant compte des possibilités de résilience et de la créativité. Il existe de nombreuses recherches décrivant comment une société peut faire face aux risques climatiques ; des sources d'énergie alternatives aux stratégies de décarbonisation, de l'investissement dans de nouveaux marchés à des opportunités d'affaires claires en tant que fournisseurs de solutions.

Le concept de « zéro net » repose sur une solide compréhension des risques climatiques et constitue l'étape suivante pour passer efficacement d'une priorité à une stratégie concrète. La question est de savoir quelles contributions l'IA peut apporter à cette compréhension.

L'IA a souvent été décrite comme une technologie transformatrice à usage général, analogue à l'électricité (ex. un blog du grand spécialiste de l'IA Andrew Ng « IA is the new electricity ») ou, (dans ce contexte) ironiquement comme « le nouveau pétrole » Le ministère de la défense appelle l'IA « le nouveau pétrole » ; mais aussi passionnantes que soient ces catégorisations, il peut être plus utile d'identifier des propriétés et des impacts spécifiques de l'IA pertinents pour la stratégie du « zéro net ».

• L'IA pour fournir des insights : l'une des premières applications relativement réussies de l'IA générative a été de l'utiliser pour créer des résumés de documents volumineux et compliqués. Pendant un certain temps avant que l'IA générative ne fasse fureur, les systèmes d'apprentissage automatique étaient utilisés efficacement pour rechercher des informations dans des données structurées, fournissant aux dirigeants des insights exploitables sur leurs affaires. S'il est clair que la nouvelle approche ne fournit pas un oracle sur lequel on peut compter pour tirer des rapports complets et fiables du stock de documents d'une société, l'IA générative apparaît comme une méthode plus accessible et plus robuste pour trouver des informations dans des données non structurées complexes.

• L'IA pour fournir des prédictions : des prédictions précises et fiables de la consommation d'énergie peuvent être utilisées pour créer des plans efficaces qui évitent les sources d'énergie à forte intensité de carbone. En outre, les prévisions peuvent être utilisées pour créer des simulations qui valident les interventions en matière d'économie d'énergie. L'une des premières applications de la nouvelle vague d'IA par Google a été le développement de modèles de consommation d'énergie dans les centres de données de Google. Cette application aurait permis de réduire de 40 % la quantité d'énergie utilisée pour le refroidissement des centres de données. Deepmind réduit de 40 % la quantité d'énergie utilisée pour le refroidissement des centres de données de Google. Plus récemment, DeepMind a développé des modèles de prévisions météorologiques à moyenne portée qui seraient plus précis que les simulations précédentes des superordinateurs et qui consomment 1/1000e de l'énergie pour produire une prévision. La technologie qui sous-tend ce cas d'utilisation n'est pas de l'IA générative au sens strict, mais elle fait partie de la technologie émergente de l'IA créée par l'essor des données et du calcul depuis une dizaine d'années.

• L'IA comme moteur plus efficace : l'utilisation de l'IA pour les prévisions météorologiques est un indicateur précoce intéressant d'un avantage potentiel net zéro surprenant. Dans la section suivante, nous mettrons en évidence la consommation d'énergie très élevée de la génération actuelle de modèles d'IA ; cependant, il existe un potentiel pour la mise en œuvre de systèmes alimentés par l'IA qui sont plus efficaces sur le plan énergétique et moins intensifs en carbone que les processus commerciaux et les systèmes informatiques traditionnels.

Il existe quelques moyens spécifiques par lesquels l'IA pourrait soutenir une stratégie nette zéro efficace ; la création d'insights pour piloter des initiatives, la réalisation de prédictions qui renforcent la résilience des plans et permettent l'efficacité, et en tant que moteur direct de l'efficacité énergétique. Malheureusement, il y a un autre aspect de l'IA en tant que technologie dont les chefs d'entreprise doivent être conscients et qui devrait être utilisé comme un moyen de défier le travail utilisant l'IA des trois façons décrites ci-dessus. L'essor de l'IA est un moteur direct des émissions de carbone et d'autres dommages environnementaux. L'Agence internationale de l'énergie (AIE) a publié une prédiction Électricité 2024 (rapport de l'AIE) selon laquelle l'IA consommera 10x plus d'électricité dans 10 ans. Dans ce rapport, l'AIE estime qu'une recherche sur Google nécessite 0,3Wh d'électricité, tandis qu'un modèle d'IA comme ChatGPT nécessite 2,9Wh.

Si l'IA moderne peut être utilisée de manière efficace et ciblée, et si elle peut être alimentée efficacement avec les données dont elle a besoin, elle pourrait s'imposer. Plus précisément, la capacité des systèmes d'IA à faire des prédictions utiles sur des scénarios complexes avec des « queues grasses » dans leurs distributions (comme la météo et le climat) et le développement de simulations qui peuvent être utilisées pour démontrer l'utilité de politiques et d'interventions alternatives peuvent fournir aux décideurs de nouvelles options à haute utilité pour atteindre le net zéro.

C'est peut-être de cette manière que les technologies innovantes auront un impact durable sur l'agenda ESG, en identifiant des voies claires pour gérer les risques climatiques. L'IA peut être utilisée pour travailler « plus intelligemment et non plus durement », mais ceux qui utilisent l'IA dans la quête du zéro net doivent également être conscients de l'intensité énergétique intégrée dans la stratégie de travail « plus intelligente ». L'IA générative n'est pas une solution miracle, mais un outil qui doit être utilisé de manière responsable et avec une compréhension et une comptabilisation claires des impacts positifs et négatifs.