Scope3Trace: Evidence-Based Identification and Extraction of Scope 3 GHG Emissions from Sustainability Reports
Le document présente Scope3Trace, un cadre fondé sur des preuves qui combine le traitement de documents, la localisation assistée par LLM et l'extraction hybride règle-LLM pour identifier et extraire de manière fiable et transparente les émissions de GES du Scope 3 à partir de rapports de durabilité hétérogènes, accompagné d'un nouveau jeu de données multimodal à double niveau.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous essayez de résoudre un puzzle géant et mondial : déterminer exactement la quantité de pollution carbonée dont chaque entreprise de la Terre est responsable. Il ne s'agit pas seulement de la fumée qui sort de leurs propres cheminées ; il s'agit du nuage invisible de pollution créé par tout ce qu'elles achètent, vendent et expédient. Dans le monde de la science climatique, ce nuage massif est appelé émissions « Scope 3 ». Considérez les Scopes 1 et 2 comme la fumée que vous pouvez voir juste devant vous — comme la propre cheminée d'une usine ou la facture d'électricité pour ses éclairages. Mais le Scope 3 est le « fantôme dans la machine ». C'est la pollution provenant de l'acier utilisé pour construire l'usine, des camions qui livrent les produits, et même des déchets que les clients jettent.
Le problème est que, si les entreprises s'améliorent pour déclarer leur propre fumée, elles sont très mauvaises pour déclarer ce nuage fantomatique du Scope 3. Leurs rapports sont désordonnés, éparpillés dans des milliers de documents PDF différents, écrits dans un langage déroutant, et souvent cachés à l'intérieur de tableaux complexes. C'est comme essayer de trouver une aiguille spécifique dans une botte de foin faite d'autres bottes de foin, où les aiguilles sont faites d'encre invisible. Les scientifiques et les régulateurs s'en soucient profondément car on ne peut pas résoudre un problème si on ne peut pas le mesurer avec précision. Si nous ne pouvons pas suivre ces émissions cachées, nous ne saurons pas si les entreprises aident réellement la planète ou si elles font simplement semblant.
Entrez en scène Scope3Trace, une nouvelle équipe de détectives numériques conçue pour traquer ces chiffres cachés. Les chercheurs ont construit un système intelligent qui agit comme un bibliothécaire surpuissant combiné à un expert-comptable médico-légal. Au lieu d'embaucher une équipe d'humains pour lire des millions de pages (ce qui prendrait une éternité et coûterait une fortune), ils ont créé un pipeline automatisé qui utilise l'Intelligence Artificielle (IA) pour effectuer le gros du travail. Mais voici la partie ingénieuse : ils n'ont pas simplement laissé l'IA deviner. Ils ont construit un filet de sécurité « basé sur des règles ». L'IA lit le document, trouve les chiffres, puis un ensemble de règles strictes vérifie les calculs et le contexte pour s'assurer que l'IA ne s'est pas trompée.
Le système fonctionne en trois étapes principales, comme une machine bien huilée. Premièrement, il saisit les rapports PDF et les transforme en texte lisible, même s'il s'agit d'images scannées. Deuxièmement, il utilise une IA intelligente pour trouver les pages et les tableaux exacts où les émissions sont mentionnées, en ignorant le superflu ennuyeux. Troisièmement, il reconstruit les tableaux désordonnés et extrait les chiffres spécifiques pour les Scopes 1, 2 et 3. Crucialement, pour chaque chiffre extrait, le système récupère un « reçu » — un petit extrait du texte original prouvant d'où provient ce chiffre. Cela signifie que vous pouvez toujours remonter un chiffre jusqu'à sa source, tout comme en vérifiant un ticket de caisse dans un magasin.
Les résultats sont impressionnants. Lorsque les chercheurs ont testé leur système par rapport à un ensemble de données « étalon d'or » que des humains avaient soigneusement vérifiées, Scope3Trace a obtenu raison presque à chaque fois, affichant une précision proche de la perfection de 0,99 sur 1,0. C'est nettement meilleur qu'en utilisant uniquement un modèle d'IA brut ou de simples outils basés sur des règles. L'équipe a également utilisé ce système pour construire un nouvel ensemble de données massif appelé Scope3Trace, qui comprend plus de 54 000 enregistrements de données au niveau des bâtiments et de rapports au niveau des organisations provenant de pays comme l'Australie et de diverses parties de l'Europe. Ils ont constaté que, bien que les entreprises déclarent leurs émissions totales, elles les détaillent rarement par bâtiment spécifique. En fait, seulement environ 3 % des données au niveau des bâtiments dans leur nouvel ensemble de données étaient directement déclarées par les entreprises ; le reste a dû être soigneusement estimé à l'aide de données énergétiques publiques et d'un calcul intelligent, mais le système gardait une trace de quels chiffres étaient « déclarés » et lesquels étaient « estimés » pour que personne ne se trompe.
L'article a également testé si ces nouvelles données pouvaient être utilisées pour prédire les émissions futures. Ils ont injecté les données dans un modèle qui analysait les détails des bâtiments et même des photos satellites des bâtiments. Le modèle a appris que la combinaison des données textuelles et des images satellites donnait les meilleures prédictions, suggérant que l'apparence d'un bâtiment depuis l'espace détient des indices sur la quantité de pollution qu'il crée. Cependant, les auteurs notent prudemment que ce n'est pas une baguette magique. Le système fonctionne mieux là où les données publiques existent (comme en Australie et dans certaines parties de l'Europe) et rencontre des difficultés là où les données manquent. Ils déclarent explicitement que leurs estimations ne sont pas un remplacement des rapports officiels audités, mais un moyen transparent de combler les lacunes afin que nous puissions voir l'ensemble du tableau.
En résumé, Scope3Trace ne résout pas le mystère de la pollution des entreprises du jour au lendemain, mais il fournit la meilleure carte jamais disponible pour naviguer dans le brouillard. Il prouve qu'en combinant une IA intelligente avec des règles strictes et des preuves claires, nous pouvons transformer une montagne chaotique de PDF en un ensemble de données clair et fiable. Cela permet aux chercheurs, aux investisseurs et aux décideurs politiques de enfin voir le « fantôme » des émissions du Scope 3, de comprendre d'où il vient et de commencer à prendre des décisions basées sur des preuves réelles plutôt que sur des suppositions.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.