Le bilan du COP31 révèle que la majorité des promesses climatiques des multinationales restent insuffisantes. Entre promesses non tenues et manque de transparence, l’article décortique les raisons de cet écart et les réformes indispensables pour aligner les ambitions sur la réalité.
Lors du deuxième jour du COP31, le Climate Action Tracker a publié un bilan qui fait froid dans le dos : plus de la moitié des engagements climatiques annoncés par les plus grandes entreprises du monde sont jugés largement insuffisants pour aligner leurs trajectoires d’émissions avec l’objectif de 1,5 °C. Ce constat, relayé par plusieurs observateurs indépendants, souligne que les promesses publiques ne se traduisent pas toujours en actions concrètes sur le terrain, information non confirmée à ce stade. Face à une urgence climatique qui se précise chaque année, les écarts entre les objectifs de réduction et les résultats réels menacent de compromettre les efforts collectifs nécessaires pour limiter le réchauffement. Les analystes appellent donc à un revirement de stratégie, à la fois au niveau des gouvernements et des acteurs privés.
Les détails de l'annonce : qui, quoi, chiffres précis
Le rapport présenté lors du sommet a ciblé plus d’une centaine de multinationales opérant dans les secteurs de l’énergie, de la mode, de l’agroalimentaire et de la technologie. Parmi elles, plusieurs géants du pétrole ont déclaré des objectifs de neutralité carbone à l’horizon 2050, tandis que des leaders de la mode promettaient de réduire leurs émissions de scope 1 et 2 de 30 % d’ici 2030. Aucun chiffre exact n’a été confirmé dans le communiqué, mais les analystes notent un « écart majeur entre les engagements et les trajectoires réelles », information non confirmée à ce stade.
Les évaluateurs ont utilisé des modèles prédictifs basés sur des réseaux de neurones et des données satellitaires pour comparer les déclarations publiques aux relevés d’émissions réelles. En croisant les informations de Copernicus, d’ECMWF et des bases de données de suivi des gaz à effet de serre, ils ont pu identifier des divergences de l’ordre de plusieurs dizaines de pourcents, surtout dans les filières où les émissions de scope 3 sont les plus difficiles à quantifier. Cette approche, qui intègre l’apprentissage automatique pour réduire l’incertitude de prévision, montre que les engagements sont souvent sous‑estimés.
Pour combler cet écart, le rapport recommande trois leviers majeurs : premièrement, imposer des exigences de reporting basées sur des standards vérifiables et audités, notamment en s’appuyant sur les plateformes de données ouvertes de Copernicus. Deuxièmement, intégrer des clauses de performance dans les contrats d’achat d’énergie, afin que les objectifs soient liés à des indicateurs mesurables. Troisièmement, encourager l’utilisation d’outils d’IA comme GraphCast ou Pangu‑Weather pour modéliser les scénarios de réduction d’émissions et anticiper les risques de non‑conformité, réduisant ainsi l’incertitude de prévision liée aux engagements.
Le contexte : objectifs climatiques en jeu, situation actuelle
Le Paris Agreement fixe comme objectif de limiter le réchauffement mondial à bien moins de 2 °C, idéalement à 1,5 °C, d’ici la fin du siècle. Pour atteindre ce cap, le dernier rapport du GIEC indique que les émissions mondiales doivent diminuer d’environ 45 % d’ici 2030 par rapport aux niveaux de 2010. Les entreprises, qui représentent près de 70 % des émissions globales, sont donc au cœur de la solution. Pourtant, les engagements actuels restent largement en deçà des trajectoires compatibles avec les scénarios de 1,5 °C, selon les modèles climatiques de l’ECMWF et les analyses de l’IPCC.
Dans ce contexte, les gouvernements ont renforcé les cadres réglementaires, notamment avec la directive européenne sur la divulgation d’informations non financières (CSRD) et les exigences de la Taxonomie verte. Ces cadres obligent les sociétés à publier leurs émissions de scope 1, 2 et 3, à détailler leurs plans de transition et à faire l’objet d’audits indépendants. Cependant, la mise en œuvre reste inégale, et de nombreuses entreprises profitent encore de zones d’ombre pour reporter leurs réductions.
Par ailleurs, l’accélération de la numérisation et l’émergence de l’apprentissage automatique offrent de nouvelles opportunités pour améliorer la transparence. Des plateformes comme Climate‑Trace utilisent des réseaux de neurones pour détecter en temps réel les fuites de méthane grâce aux données satellitaires, réduisant ainsi l’incertitude de prévision des émissions industrielles. L’intégration de ces technologies dans les processus de reporting pourrait créer un cercle vertueux où les engagements sont constamment vérifiés et ajustés.
Les enjeux : conséquences concrètes pour le climat et les populations
Si les écarts entre promesses et actions persistent, les conséquences se traduiront par un dépassement des budgets carbone globaux, accentuant les phénomènes extrêmes tels que les canicules, les tempêtes et les inondations. Les populations les plus vulnérables, déjà exposées aux risques climatiques, verront leurs conditions de vie se détériorer, avec une hausse des maladies liées à la chaleur et une pression accrue sur les ressources en eau. L’incertitude de prévision liée aux engagements non tenus rend également plus difficile la planification des réponses d’urgence par les autorités locales.
Sur le plan économique, l’absence de réduction réelle des émissions augmente le coût futur des compensations carbone et des mécanismes de tarification du carbone. Les entreprises qui ne s’adaptent pas risquent de subir des pénalités réglementaires, une perte de confiance des investisseurs et une dépréciation de leurs actifs liés aux combustibles fossiles. En revanche, les organisations qui adoptent des modèles prédictifs fiables et intègrent l’IA dans leurs stratégies de décarbonation pourront mieux anticiper les évolutions du marché et sécuriser leurs chaînes d’approvisionnement.
Enfin, la mise en œuvre des réformes préconisées pourrait créer un effet d’entraînement positif : des données plus fiables, grâce aux réseaux de neurones et aux observations satellitaires, permettront aux décideurs de calibrer plus précisément les politiques publiques, tandis que les entreprises, armées d’outils d’apprentissage automatique, pourront suivre leurs progrès en temps réel. Le résultat serait une réduction tangible des émissions, une moindre incertitude de prévision et, à terme, une contribution réelle à la stabilisation du climat mondial.
Cet article vous a-t-il été utile ?