Gains :
- Capacité à distinguer les axes des cadres GRI, ESRS et ISSB (impact, double matérialité, financier) et à choisir le bon cadre en fonction du lecteur
- Capacité à mapper les sujets importants aux candidats aux éléments standard et à vérifier chaque numéro avec le texte standard officiel
- Possibilité d'établir une correspondance croisée qui connecte des données uniques à plusieurs trames et d'indiquer clairement les lacunes dans les données sans les masquer
Une fois qu’une entreprise collecte des données sur le développement durable, elle doit les divulguer conformément à un cadre de reporting internationalement reconnu, et non de manière arbitraire. Le cadre est le langage commun qui détermine « quel sujet rendre compte, comment, avec quels indicateurs » ; Grâce à lui, les rapports de deux entreprises différentes peuvent être comparés. Dans cette unité, vous découvrirez les trois principaux cadres (GRI, ESRS/CSRD, ISSB) et apprendrez à utiliser en toute sécurité l'intelligence artificielle (IA) dans la mise en correspondance de contenu selon ces cadres.
Décrivons brièvement les trois cadres. GRI (Global Reporting Initiative) est la famille de normes volontaires de reporting développement durable la plus largement utilisée dans le monde ; Il s’intéresse principalement à l’impact de l’entreprise sur le monde. Les ESRS (European Sustainability Reporting Standards) sont un ensemble de normes basées sur la double matérialité, exigées par l’Union européenne dans le cadre de la directive CSRD. L'ISSB (International Sustainability Standards Board) est un conseil international qui publie les normes IFRS S1/S2, axées sur l'importance financière et axées sur les investisseurs.
Trois cadres, trois perspectives
Cadre
Qui l'a enlevé ?
objectif principal
Est-ce obligatoire ?
GRIS
Établissement GRI
L'impact de l'entreprise sur le monde
Volontaire, très courant
ESRS/CSRD
UE / EFRAG
Double matérialité (impact + financement)
Obligatoire en vertu de l'UE
ISSB (IFRS S1/S2)
Fondation IFRS
Matérialité financière pour l'investisseur
Adopté par pays
Ces frameworks ne sont pas des concurrents les uns des autres, mais des langages complémentaires qui séduisent différents lecteurs. La plupart des grandes entreprises collectent leurs données une seule fois et les « mappent » sur plusieurs frameworks. C’est là que réside la véritable valeur de l’IA : c’est un assistant rapide qui recommande les mêmes données aux numéros d’éléments de différentes trames. Mais il peut correspondre aux numéros d’articles, chaque correspondance doit donc être vérifiée par rapport au texte standard officiel.
Astuce : Vous pouvez comparer les cadres à la question « qu'est-ce qui est le meilleur ? » pas "Qui va le lire ?" Sélectionner . Si vous parlez à des investisseurs, ISSB/matérialité financière ; L’ESRS est obligatoire si vous êtes soumis à la réglementation européenne ; La GRI est puissante si vous communiquez votre impact à un large éventail de parties prenantes. Souvent, plusieurs sont utilisés ensemble.
Structure des normes GRI
GRI est organisé par numéros thématiques. Quelques exemples (assurez-vous de vérifier le texte officiel pour vérification) :
- GRI 302 — Énergie
- GRI 303 — Eau et eaux usées
- GRI 305 — Émissions (air)
- GRI 306 — Déchets
- GRI 403 — Santé et sécurité au travail
L’erreur la plus courante de l’IA consiste à placer un sujet sous un mauvais numéro : par exemple, afficher l’eau sous GRI 305 (émissions). L'eau est GRI 303. De telles erreurs ne sont détectées que par la liste officielle des normes.
Étape par étape : Correspondance d'images avec l'IA
1. Basé sur la matérialité. Une fois que vous avez déterminé quels sujets seront abordés (unité 2), passez à la cartographie.
2. Recommandez les données à l'élément standard. Demander à l'IA de mapper chaque sujet matériel à la substance candidate GRI/ESRS pertinente ; mais précisez qu'"il s'agit d'un projet de proposition".
3. Vérifiez le numéro d'article avec le texte officiel. Confirmez chaque numéro suggéré avec le document officiel du GRI ou de l'EFRAG. Vérifiez à la fois le numéro et le contenu.
4. Identifiez les lacunes. Répertoriez les données que vous souhaitez standardiser mais que vous n'avez pas (lacune de données) ; Ceux-ci sont soit collectés, soit déclarés « non disponibles ».
5. Configurez le mappage croisé. Préparer un tableau reliant les mêmes données aux numéros GRI, ESRS et ISSB ; vous faites donc rapport à plusieurs frameworks avec une seule donnée.
Invite faible/Invite forte
Invite faible :
Numérotez ces sujets selon GRI.
L’IA peut produire des chiffres qui semblent raisonnables mais qui sont faux/fabriqués ; Il n'y a pas d'appel de validation.
Invite puissante :
Votre rôle : expert en cadre de reporting.Entrée : nos sujets matériels (énergie, eau, émissions, sécurité au travail, déchets).Tâche : suggérer des substances candidates POSSIBLES GRI et ESRS pour chaque sujet.Règles : - Donner à chaque suggestion une balise « DOIT VÉRIFIER » ; Ne prétendez pas un nombre exact. - N'inventez pas un chiffre dont vous n'êtes pas sûr ; Écrivez « confirmation de la liste officielle des normes ». - Écrivez la raison de la discrimination sur des sujets faciles à confondre tels que l'eau et les émissions. Sortie : tableau (Sujet | Candidat GRI | Candidat ESRS | Note de vérification).
Invite pour la table de mappage multi-images
Créez un échafaudage de table de mappage multi-images pour les sujets importants suivants. Colonnes : Sujet | Élément de données | Art.GRI. | ESRS art. | ISSB (S1/S2) | Données sources | Y a-t-il des lacunes ?Règles : - Marquer les numéros d'éléments comme "candidat/à vérifier". - Écrire "DATA GAP" dans les cellules qui ne contiennent aucune donnée.Sujets : [SUJETS]
L'invite suivante produit une analyse des écarts de reporting.
Votre rôle : Analyste conformité ESG. Tâche : Comparez les données dont nous disposons avec les explications requises par le cadre que nous avons choisi (ESRS) et effectuez une analyse des écarts. Résultat : Explication requise | L'avons-nous ? | Que récupérer en cas de disparition | Règle responsable : pour chaque ligne que vous dites « nous avons », écrivez la source ; Si vous n'êtes pas sûr, dites « vérification requise ». Rappelez-moi de vérifier les clauses normatives du texte officiel.Entrée : [LISTE DES DONNÉES DISPONIBLES]
Attention : Les normes sont mises à jour régulièrement ; Les numéros d’articles, les seuils et les exigences peuvent changer. Les données d'entraînement de l'IA peuvent refléter une version obsolète. Confirmez toujours les décisions critiques d’appariement et d’obligation avec le texte officiel applicable.
trois mini-cases
Cas 1 — Numéro erroné. Une entreprise énergétique a demandé à AI une cartographie GRI. YZ a étiqueté sa consommation d'eau comme « GRI 305-8 ». L'expert a vérifié : l'eau est GRI 303, GRI 305 correspond aux émissions atmosphériques, et il n'y a pas de déclaration 305-8. Le numéro a été corrigé avec la liste officielle.
Cas 2 — Plusieurs rapports avec une seule donnée. Un fabricant a collecté une fois des données énergétiques et les a mappées aux exigences GRI 302, ESRS E1 (climat) et ISSB S2 à l’aide de l’IA. Grâce au tableau croisé, les données ont été alimentées à partir d'une seule source au lieu de collecter à nouveau les données pour trois rapports distincts ; chaque numéro était confirmé par texte officiel.
Cas 3 — Cavité cachée. Une entreprise ne disposait pas de la divulgation des « émissions de portée 3 » exigée par l'ESRS. L’IA a rédigé le rapport avec fluidité « comme s’il était complet » et a rendu l’écart invisible. Lorsque l’analyse des écarts a été effectuée, la lacune a été révélée ; Plutôt que de fabriquer les données, le rapport explique honnêtement que « les données du Scope 3 seront collectées en 2025 ».
Erreurs courantes
- Ne pas vérifier le numéro d'article. Les numéros GRI/ESRS/ISSB ne sont pas utilisés sans confirmation avec le texte officiel.
- Mélanger les cadres. Supposer que l'objectif d'impact de la GRI et l'orientation financière de l'ISSB sont les mêmes conduirait à des explications incorrectes.
- S'appuyer sur l'ancienne version. Les normes sont mises à jour ; Le texte actuel est essentiel.
- Masquage des lacunes dans les données. Il faut indiquer clairement les données manquantes, et non les écrire « comme si elles étaient complètes ».
- Des questions confuses comme l’eau/les émissions. Les sujets qui semblent similaires relèvent de numéros d'article différents.
En résumé
Les cadres de reporting sont des structures qui traduisent les données de durabilité dans un langage commun comparable : GRI s’intéresse à l’impact, ISSB s’intéresse aux finances, ESRS examine les deux avec une double matérialité. L'IA est un assistant puissant pour mapper rapidement les mêmes données à des éléments de différents frameworks ; mais peut truquer les numéros d'articles et refléter des versions plus anciennes. Validez chaque cartographie avec son texte canonique officiel, sélectionnez les images par lecteur, ne cachez pas les lacunes dans les données. La création de rapports vers plusieurs frameworks avec une seule donnée est efficace ; mais ce n'est sûr que lorsque chaque numéro est confirmé.
Tâche de candidature
Choisissez cinq sujets importants (par exemple l'énergie, l'eau, les émissions, les déchets, la sécurité au travail). Demandez un tableau de candidats GRI/ESRS/ISSB à l'IA via l'invite de correspondance multi-cadre ci-dessus. Ensuite : (1) vérifiez au moins trois numéros d'articles avec le texte officiel, (2) vérifiez que l'eau et les émissions sont correctement séparées, (3) écrivez les données qui vous manquent dans une liste vierge.
liste de contrôle
- [ ] J'ai mappé chaque sujet matériel à l'article cadre pertinent.
- [ ] J'ai vérifié les numéros d'articles avec le texte officiel (GRI/EFRAG/ISSB).
- [ ] J'ai choisi le framework en fonction de son lectorat (investisseur/partie prenante/régulateur).
- [ ] J'ai correctement séparé les sujets faciles à confondre tels que l'eau/les émissions.
- [ ] J'ai clairement répertorié les lacunes dans les données sans les cacher.
- [ ] J'ai confirmé que j'utilise la version actuelle des normes.
- [ ] J'ai mis en place un tableau croisé qui connecte des données uniques à plusieurs images.