Formation IA générative et ESG

Leçon 1 • Ce que l'ESG signifie pour les entreprises

Définit les trois piliers ESG et leur origine dans l'investissement responsable. Établit le vocabulaire utilisé tout au long du cours.

Leçon 2 • Cadres mondiaux de reporting ESG

Examine les principaux cadres de divulgation volontaires et obligatoires utilisés dans le monde entier. Relie le choix du cadre à la stratégie de reporting de l'organisation.

Leçon 3 • Cartographie de la matérialité et des parties prenantes

Explique comment les organisations identifient les questions ESG les plus significatives. Ancre la collecte de données ultérieure dans des priorités pertinentes pour l'entreprise.

Leçon 4 • Notations ESG et signaux de marché

Examine comment les agences de notation évaluent la performance ESG et comment les marchés réagissent. Prépare les apprenants à interpréter les évaluations ESG externes.

Leçon 1 • Limites de l'IA et sensibilisation aux risques

Identifie les principaux modes de défaillance, y compris les biais, les coupures de données et les erreurs factuelles. Développe l'état d'esprit critique nécessaire à une utilisation responsable de l'IA dans l'ESG.

Leçon 2 • Types de résultats de l'IA générative

Examine les capacités de génération de texte, d'image, de données structurées et de code. Relie les types de résultats aux tâches ESG pratiques introduites ultérieurement.

Leçon 3 • Fondamentaux du prompt engineering

Enseigne l'art de rédiger des prompts efficaces pour contrôler la qualité des résultats de l'IA. Permet directement les tâches ESG appliquées dans les chapitres suivants.

Leçon 1 • Cadres de gouvernance de l'IA pour l'ESG

Conçoit des politiques et des contrôles internes pour régir l'utilisation de l'IA dans l'ensemble des fonctions ESG. Met en place des structures de responsabilité organisationnelle pour les décisions liées à l'IA.

Leçon 2 • Risque d'écoblanchiment dans les contenus générés par l'IA

Identifie comment l'IA peut produire involontairement des déclarations ESG trompeuses. Établit des contrôles de révision pour protéger la crédibilité de l'organisation.

Leçon 3 • Confidentialité des données et sécurité dans l'IA ESG

Aborde le traitement des données sensibles des employés, des fournisseurs et des communautés dans les systèmes d'IA. Garantit la conformité avec les obligations de protection des données.

Leçon 4 • Biais et équité dans les modèles d'IA ESG

Identifie comment les biais algorithmiques peuvent fausser les évaluations et les notations ESG. Enseigne les techniques d'atténuation pour garantir des résultats d'IA équitables.

Leçon 1 • Construction d'une architecture de données ESG

Conçoit les systèmes et les flux de travail qui stockent et acheminent les données ESG. Relie l'infrastructure de données aux besoins de reporting et d'analyse.

Leçon 2 • Qualité des données et gouvernance

Établit des normes pour l'exactitude, l'exhaustivité et l'auditabilité des données ESG. Garantit que les données répondent à la rigueur requise par les prestataires d'assurance externes.

Leçon 3 • Utilisation de l'IA pour extraire des données ESG

Applique l'IA générative pour extraire des indicateurs ESG structurés à partir de documents non structurés. Réduit l'effort manuel dans les flux de travail d'ingestion de données.

Leçon 1 • Calcul de l'empreinte carbone avec l'IA

Utilise des outils d'IA pour automatiser la comptabilité des gaz à effet de serre sur l'ensemble des périmètres d'émission. Établit la base quantitative pour les divulgations liées au climat.

Leçon 2 • Benchmarking et comparaison par les pairs

Positionne la performance ESG d’une organisation par rapport à ses pairs du secteur. Permet d’identifier les écarts stratégiques et de définir des objectifs.

Leçon 3 • Identification des risques ESG avec l'IA

Applique l'IA pour analyser l'actualité, les chaînes d'approvisionnement et les signaux réglementaires à la recherche de risques ESG. Intègre l'intelligence sur les risques dans la gestion des risques d'entreprise.

Leçon 4 • Analyse de scénarios et prévisions

Projette la performance future de l'ESG selon différents scénarios commerciaux et climatiques. Soutient la définition d'objectifs à long terme et la planification des risques.

Leçon 1 • Structuration d'un rapport ESG avec l'IA

Associe les exigences du cadre aux sections du rapport et utilise l'IA pour générer des plans. Réduit le temps de rédaction pour les documents de divulgation complexes.

Leçon 2 • Rédaction de récits ESG avec l'IA

Applique le prompt engineering pour générer un texte narratif ESG précis et conforme à la marque. Enseigne les protocoles de révision humaine pour détecter les erreurs et l'écoblanchiment.

Leçon 3 • Assurance qualité et contrôles de conformité

Utilise l'IA pour auditer les rapports en vérifiant leur exhaustivité, leur cohérence et leur alignement sur le cadre. Réduit le risque d'assurance avant l'examen externe.

Leçon 1 • Émissions du scope 3 dans les chaînes d'approvisionnement

Quantifie les émissions en amont et en aval à l'aide de données de dépenses et d'activité assistées par l'IA. Aborde la catégorie d'émissions la plus vaste et la plus complexe.

Leçon 2 • Engagement et amélioration des fournisseurs

Conçoit des programmes assistés par l'IA pour aider les fournisseurs à améliorer leur performance ESG. Convertit les constats d'évaluation en un développement mesurable des fournisseurs.

Leçon 3 • Surveillance continue des fournisseurs

Met en œuvre une surveillance assistée par IA de l'actualité, des certifications et des données d'incidents. Fait passer la diligence raisonnable d'une approche périodique à un suivi en temps réel.

Leçon 4 • Outils d'évaluation ESG des fournisseurs

Conçoit et déploie des questionnaires et des modèles de notation améliorés par l'IA pour les fournisseurs. Standardise l'évaluation sur une base diversifiée de fournisseurs.

Leçon 1 • Intégration de l'ESG dans la stratégie d'entreprise

Intègre les considérations ESG dans la planification commerciale de base et l'allocation du capital. Garantit que l'ESG est un moteur de valeur, et non un exercice de conformité.

Leçon 2 • Suivi des progrès et gestion adaptative

Établit des tableaux de bord et des cycles de révision optimisés par l'IA pour suivre les progrès vers les objectifs ESG. Permet de corriger le tir lorsque la performance s'écarte du plan.

Leçon 3 • Cadres d'objectifs basés sur la science

Explique les méthodologies derrière les objectifs d'émissions et de nature alignés sur la science. Ancre la définition d'objectifs dans des normes mondialement reconnues.

Leçon 4 • Analyse des écarts et des opportunités assistée par l'IA

Utilise l'IA pour comparer la performance actuelle aux objectifs et identifier les actions prioritaires. Traduit les données en décisions d'investissement stratégiques.