Non, l’intelligence artificielle ne va pas remplacer les consultants en durabilité. Elle transforme en profondeur la manière dont ils travaillent au quotidien, mais la décision de ce qu’une entreprise doit réellement traiter en priorité, avec quelles ressources et dans quel ordre, continue d’exiger un jugement humain que ni l’intelligence artificielle générative ni l’apprentissage automatique ne savent encore porter.
Dans les métiers de la durabilité, de plus en plus de tâches deviennent faciles à accélérer avec l’IA. Les synthèses réglementaires, l’organisation des données ESG, les comparaisons de benchmark, les premiers brouillons de disclosure et les listes structurées de risques peuvent tous être produits beaucoup plus vite qu’avant. Le paysage réglementaire lui-même bouge vite : l’adoption du paquet « Omnibus » par le Conseil de l’Union européenne début 2026 a resserré le périmètre obligatoire de la CSRD autour des plus grandes entreprises et allégé les standards ESRS, ce qui oblige les consultants à réévaluer en continu qui doit réellement publier quoi.
Mais la partie difficile du métier n’est pas de rassembler de l’information. Il ne suffit pas de satisfaire des obligations de publication, d’autant que plusieurs entreprises sorties du champ obligatoire de la CSRD continuent de documenter leurs émissions parce qu’un client ou une banque l’exige dans sa chaîne d’approvisionnement. Quelqu’un doit encore décider quels sujets l’entreprise doit réellement faire bouger maintenant et lesquels peuvent être traités par étapes. Un consultant en développement durable fait plus que remettre de l’ordre dans des documents ESG structurés par des outils d’apprentissage automatique : il transforme des sujets environnementaux et sociaux en quelque chose que l’entreprise peut effectivement mettre en œuvre.
Tâches les plus susceptibles d’être automatisées
L’intelligence artificielle est particulièrement adaptée à la synthèse réglementaire et à la comparaison d’informations de disclosure. Des outils de conseil en durabilité intègrent désormais l’apprentissage automatique pour collecter et structurer les données d’émissions, si bien que le travail de collecte large et d’organisation d’informations externes continuera probablement à s’automatiser.
Synthétiser les réglementations et lignes directrices
L’IA est efficace pour organiser et comparer plusieurs standards et exigences réglementaires, un exercice d’autant plus utile que les règles bougent : le paquet « Omnibus » adopté par l’Union européenne en 2026 a resserré le périmètre obligatoire de la CSRD et allégé les standards ESRS. Elle accélère fortement la compréhension initiale de ce qui change. En revanche, décider des sujets qui comptent vraiment pour une entreprise donnée, et si elle doit continuer à publier même lorsqu’elle sort du champ obligatoire, reste une responsabilité humaine.
Organiser et visualiser les données ESG
La mise en visibilité des données d’émissions, d’achats et d’indicateurs sociaux est relativement facile à automatiser. Des plateformes de conseil en durabilité comme Sweep ou l’assistant EcoPilot de Greenly utilisent l’apprentissage automatique pour synchroniser directement les données comptables et les factures fournisseurs, ce qui réduit la saisie manuelle. Cela aide à établir une ligne de base sur l’état actuel. Mais décider quels indicateurs doivent devenir de véritables priorités d’action, et où placer le curseur de la matérialité, relève encore des personnes.
Préparer des comparaisons de benchmark
L’IA peut comparer rapidement les disclosures et les initiatives de concurrents ou d’acteurs comparables, en repérant des écarts ou des anomalies dans des volumes de rapports qu’un humain ne lirait jamais en entier. Cela accélère la préparation initiale. Mais décider quelles pratiques méritent réellement d’être reprises et lesquelles ne conviennent pas à la structure du client exige toujours un jugement humain.
Rédiger un premier langage de disclosure
Les premiers brouillons de reporting ESRS et de FAQ deviennent plus faciles à générer avec l’IA générative, qui peut désormais partir directement de données déjà structurées pour produire un texte cohérent avec les standards. Cela réduit une partie du travail rédactionnel. Malgré cela, vérifier que les formulations sont réellement soutenues par des actions concrètes, en vue de l’assurance externe désormais exigée par la CSRD, reste une tâche humaine critique.
Travail qui restera
Ce qui reste du côté des consultants en développement durable, c’est la décision des priorités entre objectifs idéaux et réalités de l’entreprise. Plus le périmètre réglementaire devient mouvant, comme depuis le resserrement de la CSRD par le paquet « Omnibus », plus la valeur humaine de ce choix reste forte.
Définir les sujets prioritaires
Il y a presque toujours trop de sujets possibles sur la table. Quelqu’un doit encore décider ce qui passe d’abord selon la réglementation, la pression des clients, l’impact business et la faisabilité. C’est d’autant plus vrai qu’une partie des entreprises sorties du champ obligatoire de la CSRD choisissent quand même de continuer à publier, parce qu’un grand donneur d’ordre ou une banque l’exige dans sa chaîne d’approvisionnement. Vouloir tout faire en même temps affaiblit souvent l’exécution, donc cet ordre de priorité reste une part centrale de la valeur du métier.
Juger la cohérence entre disclosure et mise en œuvre
Le rôle ne consiste pas à produire un discours séduisant, qu’il soit rédigé à la main ou avec l’aide de l’intelligence artificielle, mais à s’assurer qu’il correspond à des initiatives réellement exécutables. Quand le discours va plus vite que la réalité, la confiance se détériore, et l’exposition au risque de greenwashing augmente à mesure que l’assurance externe des rapports CSRD se généralise. Maintenir cette cohérence reste un jugement humain.
Créer un accord entre plusieurs départements
La durabilité touche les achats, les ventes, les opérations, les RH, la finance et la direction. Quelqu’un doit encore aligner ces fonctions autour de priorités réalistes et de responsabilités concrètes, ce qu’aucun tableau de bord alimenté par apprentissage automatique ne peut négocier à la place des humains. Ce travail de convergence reste profondément humain.
Juger la faisabilité pratique
Même une bonne initiative peut échouer si l’entreprise n’est pas encore en mesure de l’absorber. Décider ce qui peut être fait cette année, ce qui demande de la préparation et ce qui doit attendre reste une forme de jugement que l’IA remplace mal, même lorsqu’elle est capable de modéliser plusieurs scénarios de réduction d’émissions en quelques minutes.
Compétences à apprendre
À l’avenir, les professionnels du conseil en durabilité seront moins valorisés pour leur capacité à résumer vite que pour leur capacité à définir des priorités qui peuvent réellement atterrir dans l’entreprise. Il faudra savoir utiliser l’intelligence artificielle et l’apprentissage automatique pour organiser l’information, tout en renforçant le jugement de mise en œuvre.
Traduire les enjeux en langage business
Il faut savoir expliquer les sujets environnementaux et humains en termes de coût, de chaîne d’approvisionnement, de ventes et de réponse réglementaire. Si la discussion ne peut pas être traduite dans le langage du business, elle a peu de chances de produire une vraie décision, quelle que soit la qualité de la synthèse produite par l’IA en amont.
Concevoir une mise en œuvre par étapes
Il ne suffit pas de décrire un état final idéal. Il faut structurer ce qui doit changer cette année, ce qui doit être construit ensuite et dans quel ordre, surtout depuis que le paquet « Omnibus » a changé le calendrier réglementaire de plusieurs entreprises du jour au lendemain. Les personnes capables de créer une trajectoire praticable, y compris pour des clients qui hésitent entre arrêter le reporting ou le poursuivre volontairement, resteront particulièrement précieuses.
Juger le poids réel des engagements
Les entreprises sont de plus en plus exposées à des engagements publics et à des objectifs chiffrés, que l’intelligence artificielle peut aider à formuler mais pas à assumer. Comprendre ce qui peut être promis de façon responsable, et ce qui serait excessif au regard des données réelles d’émissions, restera un point clé du métier.
Ne pas transformer directement les résumés d’IA en recommandations
Même lorsque l’IA produit des synthèses très propres à partir de modèles d’apprentissage automatique entraînés sur des bases de facteurs d’émission, cela ne signifie pas que la recommandation soit déjà prête, ni que les données soient exemptes d’erreurs de périmètre. Les consultants les plus solides seront ceux qui confrontent la sortie à la réalité de l’entreprise, vérifient les hypothèses sous-jacentes et n’en font une proposition qu’une fois validée.
Évolutions de carrière possibles
L’expérience acquise dans le conseil en durabilité développe non seulement la capacité à organiser l’information, mais aussi à prioriser, aligner plusieurs équipes et juger de l’implémentation. Cela ouvre naturellement vers plusieurs rôles voisins.
Consultant en management
L’expérience qui consiste à traduire des enjeux environnementaux en stratégie d’entreprise se transfère naturellement vers du conseil en management plus large.
Analyste métier
L’expérience à identifier l’écart entre exigences institutionnelles et opérations de terrain se relie bien à l’analyse de processus et aux exigences métier.
Analyste climat
L’expérience sur les émissions, les scénarios de transition et les évolutions réglementaires peut aussi mener à des rôles d’analyse climatique plus spécialisés.
Scientifique de l’environnement
Les personnes qui veulent renforcer le volet plus technique et scientifique des sujets environnementaux peuvent aussi prolonger cette base vers l’évaluation environnementale.
Spécialiste achats
L’expérience du travail sur la traçabilité, les exigences fournisseurs et les critères environnementaux se transfère aussi bien aux achats et à la gouvernance fournisseurs.
Urbaniste
L’expérience qui consiste à équilibrer durabilité, contraintes institutionnelles et faisabilité peut aussi s’appliquer à l’urbanisme et à l’aménagement territorial.
Resume
Les organisations continueront à avoir besoin de consultants en développement durable. L’intelligence artificielle et l’apprentissage automatique rendent surtout plus rapides les synthèses réglementaires, la structuration des données d’émissions et les premiers brouillons de disclosure, y compris via des plateformes de conseil en durabilité comme Sweep ou Greenly. Mais depuis que le paquet « Omnibus » a redessiné le périmètre de la CSRD, la fixation des priorités, la cohérence entre discours et mise en œuvre, l’alignement entre départements et le jugement sur la faisabilité pratique restent humains. À long terme, la valeur du métier dépendra moins de la quantité d’information résumée que de la capacité à transformer cela en changement réel, en sachant distinguer une sortie d’IA fiable d’une sortie à vérifier.
