« Chevaucher le tigre : l’intelligence artificielle, l’entreprise et la RSE » 2. L’IA et la RSE

« Chevaucher le tigre: l’intelligence artificielle, l’entreprise et la RSE » 1. L’entreprise et l’IA: mon récent article, consacré aux enjeux de l’IA en entreprise (notamment PME), a planté le décor. Nous pouvons maintenant, sur cette base, approfondir les apports et les contrôles mutuels possibles entre RSE et IA. L’exemple récent de la mise à l’essai de Datajust[3] par le ministère de la Justice montre que la question concerne aussi le secteur public et même les fonctions régaliennes, et élargit le champ de la RSE à celui de la RSO (Responsabilité sociétale des Organisations, à savoir des collectivités, associations, territoires, administrations, gouvernement, etc.).

Ce second article examine comment IA et RSE peuvent se soutenir, se guider et se sécuriser mutuellement. Étant entendu que l’IA ne devrait jamais être qu’un outil, au service de l’entreprise responsable. Nous ferons un zoom sur « IA et RSE » dans le contexte COVID-19, pour repérer les apports spécifiques du recours à l’IA sous contrôle RSE, en situation de crise ordinaire ou majeure.

Un troisième et dernier article encouragera le rapprochement (urgent) des communautés IA et RSE sur ces sujets, ainsi que la création de labels « Entreprise IA- responsable » pour orienter un investissement lui aussi IA- responsable.

Je remercie ma partenaire RSE Sophie Husson, pour sa relecture serrée de cet article (dont je garde l’entière responsabilité). Son expertise RSE et son engagement fort dans la Transition numérique responsable (voir Ouvertures-Communication), m’ont apporté des éclairages précieux, toujours bienveillants mais sans concessions. Sans compter la dimension éditoriale.

L'homme, l'IA et la planète

Rappel de la première partie : L’entreprise et l’IA (voir article précédent)

1/ Les principaux enjeux de l’IA en entreprise

2/ L’IA au service de l’entreprise et de ses parties prenantes

3/ Comment l’IA transforme l’entreprise et ses relations

Et maintenant le sommaire de la seconde partie : « L’IA et la RSE« 

1/ L’IA au service de la RSE

2/ Prendre en compte les enjeux IA dans les évaluations et démarches RSE

3/ La méthodologie RSE au service de l’appropriation responsable de l’IA par l’entreprise

4/ IA et RSE en temps de crise (COVID-19 par exemple)

… en attendant la troisième partie: Pour des labels « Entreprise IA-responsable »

1/ Rappels sur les labels et les démarches de labellisation

2/ Acteurs de l’IA et acteurs de la RSE: un rapprochement nécessaire et urgent

3/ Pour des labels « Entreprise IA- responsable », vite!

4/ Conclusions d’ensemble des trois articles « Chevaucher le tigre »

5/ Bibliographie sur le thème « RSE et IA »

Seconde partie

L’IA et la RSE

À titre d’introduction: clairement, l’IA rentre dans le périmètre du numérique (on pourra se reporter au premier article pour s’en convaincre). Sujet sans doute plus compliqué et aléatoire, encore plus intrusif dans l’intimité de l’entreprise et des personnes, mais rien de plus que numérique. On notera à cet égard qu’on voir fleurir la notion de « RNE » (responsabilité numérique de l’entreprise) ou « CDR » (Corporate Digital Responsibility) par exemple via les organismes suivants :

AI Transparency Institute : Corporate Digital Responsibility Index — Webapp for assessing your organization’s societal and environmental positive footprint

et en France :

https://www.strategie.gouv.fr/sites/strategie.gouv.fr/files/atoms/files/fs-rse-2020-avis-responsabilite-numerique-entreprises-juillet.pdf

ainsi bien sûr que tout le travail fait par l’Institut du Numérique Responsable.

Cependant, même si l’IA ressortit à la dimension numérique de l’entreprise, on voit bien qu’elle retentit bien plus largement et puissamment sur l’ensemble des dimensions de celle-ci, et relève donc de la RSE au-delà de la seule RNE.

1/L’IA au service de la RSE

La responsabilité sociétale de l’entreprise, consiste d’abord à fournir des biens et services utiles à la société[1] L’entreprise bénéficie pour cela d’infrastructures et services publics (souvent inscrits dans le « temps long », comme l’éducation, la recherche etc.) dont elle doit user avec équité. Il n’est pas inutile non plus de rappeler que l’entreprise est un corps et un lieu social : on s’y retrouve quotidiennement (physiquement ou pas) pour travailler au service de l’activité de l’entreprise, de ses clients et de ses diverses parties prenantes. Elle doit donc être un lieu de développement des personnes par le travail.

Si l’on se réfère à l’ISO 26000 (la référence RSE la plus répandue), 7 principes de comportement sont recommandés :

  1. Redevabilité (être en mesure de rendre des comptes- à qui de droit- sur les pratiques et activités de l’entreprise)
  2. Transparence
  3. Comportement éthique (définition laissant beaucoup de marge d’interprétation)
  4. Reconnaissance et prise en compte des intérêts des parties prenantes
  5. Respect du principe de légalité
  6. Prise en compte des normes internationales de comportement
  7. Respect des droits de l’homme (DUDH de l’ONU).

Chacun imaginera facilement comment l’entreprise peut s’appuyer sur des outils algorithmiques pour sécuriser ainsi la connaissance de sa situation au regard de ces 7 principes, mieux cibler et prioriser son plan d’action et améliorer l’efficacité et la pertinence de ses pratiques. Par exemple pour repérer des tendances (RH, environnementales…)

L’IA peut soutenir l’engagement RSE de l’entreprise de quatre façons (au moins):

  • directement en rendant plus efficace et plus sûre la démarche RSE de l’entreprise (voir le paragraphe suivant)
  • indirectement en contribuant à améliorer les processus et l’organisation, ainsi que les conditions de travail, dès lors que tout est aligné sur une stratégie d’entreprise incluant la RSE.

Sur ce second point, on voit qu’il n’est pas un domaine de l’entreprise qui ne soit potentiellement ou de facto concerné par l’entrée en scène de l’IA : les algorithmes peuvent émuler la conception et la production (smart production, smart design[1], smart manufacturing[2], etc.), le marketing, l’action commerciale, les processus et procédures RH, la médiation et les arbitrages,la gestion de la vie courante dans ses aspects administratifs… L’exemple de la mise en service de Datajust[3] en 2020 ainsi que la polémique sur l’Open Data judiciaire montrent que cela ne concerne pas que l’entreprise mais aussi le secteur public dans ses fonctions régaliennes. De plus, l’IA peut être mise au service des politiques économique, environnementale, territoriale, sociale, sociétale, éthique, etc. de l’entreprise, dès lors qu’une gouvernance éthique de l’IA est implémentée. C’est là que la démarche RSE intervient.

  •  troisième levier de soutien de l’IA à la RSE : via la mise en œuvre d’algorithmes dans la construction et le déploiement, puis le suivi de la démarche RSE : diagnostic/évaluation/plan de progrès/alignement/pilotage, etc. L’IA est en effet en train d’investir des domaines comme l’ingénierie des systèmes, la conduite de projets complexes, la coordination de chantiers, etc. Il n’y a aucune raison pour qu’elle ne puisse se rendre utile dans le domaine des démarches RSE, et plus globalement dans la méthodologie et les pratiques de conduite du changement. On ne perdra cependant pas de vue que la mise en œuvre des algorithmes doit se nourrir de données pertinentes, à jour, légales et accessibles.

Un exemple concret concerne les relations avec les parties prenantes: avant d’engager la relation pour établir ensemble une matrice de matérialité[4], une approche analytics de la partie prenante en question sera utile pour mieux cerner ses enjeux RSE et ainsi mieux ouvrir le dialogue.

Ceci vaut aussi bien pour la démarche RSE elle-même que pour la mesure et le pilotage de l’impact des actions et (bonnes) pratiques RSE. Là aussi, le traitement massif de données s’avèrera d’une puissante utilité. Nul doute que les spécialistes de l’impact management et de l’impact investing ne travaillent déjà sur ce sujet. L’entreprise pourra bénéficier de ce savoir-faire pour mieux prévoir les impacts de ses actions RSE.

  • Enfin, quatrième levier : l’approche RSE de l’entreprise est un outil très performant d’identification et de prévention des risques d’entreprise, ainsi que de construction et amélioration de la résilience.  L’IA peut apporter un renfort précieux dans ces deux domaines, par le traitement massif de mégadonnées. Détection de « signaux faibles », de dérives, de biais (même si les algorithmes sont souvent suspectés de biais).

Rappelons que les applications IA sont spécialisées. Elles sont assez peu interconnectables, pour l’instant, et ne permettent donc pas une approche globale à elles seules. Différence majeure, dans l’immédiat, avec l’esprit humain.

2/ Prendre en compte les enjeux IA dans les démarches RSE

Les démarches RSE sont de type « progrès continu », axées sur le développement de bonnes pratiques, parfois équipées d’une mesure d’impact (par rapport aux 17 ODD[5] ou autres). Elles sont habituellement organisées autour des principes de base de l’ISO 26000 :

  • intégrer la démarche RSE dans la stratégie de l’entreprise
  • identifier les parties prenantes et communiquer avec elles (notamment sur les enjeux RSE)
  • respecter des principes de comportement éthique (transparence, intégrité etc.)

et elles s’articulent autour des 7 axes suivants :

L’ISO 26000 © Label Lucie

On voit qu’il est aisé d’intégrer les enjeux de l’IA dans ces différents axes et les questionnaires d’évaluation qui en découlent (et permettent d’évaluer le niveau de maturité RSE de l’entreprise ainsi que ses points forts et points faibles, et donc de définir son plan de progrès). Citons quelques exemples concrets pour chacun de ces 7 axes.

  1. Gouvernance responsable : implication et mise à niveau du COMEX dans les questions d’IA – revues d’enjeux critiques (selon les critères présentés dans le premier article en 1.2) – connaissance et suivi des parties prenantes (dans le respect des lois…) – aide à la maîtrise des risques d’entreprise et à la résilience – évaluation  de la façon dont les responsabilités (internes et vis-à-vis des tiers) sont identifiées et gérées – connaissance et maîtrise de l’impact des algorithmes utilisés sur les processus de décision, de management et de pilotage stratégique ou opérationnel.
  2. Droits des personnes : évaluation des pratiques RH utilisant l’IA – audits de biais, discriminations etc. (dans les limites de la légalité… et du respect des droits des personnes) – actions positives utilisant l’IA en faveur de la prise en compte de cet axe – vigilance sur la prise en compte du contexte par les algorithmes implémentés – confidentialité des données personnelles (cas spécifique des algorithmes).
  3. Relations et conditions de travail responsables : revues d’impact de l’IA dans l’entreprise – veille sur l’équilibre humain – machine – aide à l’analyse et à la résolution de conflits – audits de bienfaisance/malfaisance des outils IA utilisés dans les domaines RH, QVT, QSE, SST… – optimisation de l’employabilité – optimisation des plannings (projets, travail, charge…) – impact de l’IoT (Internet des Objets connectés) sur l’équilibre homme-machine dans les processus – gain ou perte d’autonomie des salariés dans leur fonction – influence sur la capacité d’initiative et d’innovation- vigilance sur la prise en compte du contexte par les algorithmes.
  4. Préservation de l’environnement : applications analytics favorisant réellement l’environnement et améliorant les outils existants et les bilans à date ou prévisionnels (carbone, déchets, énergie, eau…) – outils d’aide à la décision (déplacements etc.) – aide à l’optimisation de la consommation de ressources – outils prévisionnels et leviers d’efficacité. Le levier réside dans la quantité de données traitées et interprétées.
  5. Relations d’affaires éthiques (notamment fournisseurs) :  identification d’anomalies, de biais… aide à l’évaluation des fournisseurs , de la satisfaction client – aide à l’identification des risques dans les relations d’affaires – mise en œuvre d’algorithmes dans le domaine contractuel.
  6. Intérêts des clients et des consommateurs/utilisateurs finaux : pratiques algorithmiques bien connues des GAFAM, à condition d’être orientées convenablement.
  7. Engagement territorial : mise en œuvre d’outils d’IA partagés – algorithmes de « matching » – contribution à l’émergence et à l’efficacité d’initiatives d’intérêt général.

On pourra également se reporter dans mon premier article, à « 1.2 Les principaux enjeux de l’IA en entreprise », qui fournit une série de questions-clés sous l’angle éthique. Ainsi qu’aux paragraphes 1.1 et 2.1 qui fournissent des exemples réels d’applications opérationnelles ressortissant à un ou plusieurs des 7 axes précédents.

David et Sauviat, dans « L’IA, nouvelle barbarie« , consacrent un chapitre à l’impact de l’IA en entreprise et aux enjeux associés, fournissant ainsi une approche macroscopique utile de la question.

Mentionnons ici l’étude réalisée par PwC pour Microsoft en 2019, sur le soutien que l’IA peut apporter au développement durable, qui est lui-même une des finalités de la RSE :  https://www.pwc.fr/fr/assets/files/pdf/2019/11/fr-france-pwc-how-ai-can-enable-a-sustainable-future.pdf

3/ La méthodologie RSE au service de l’appropriation responsable de l’IA par l’entreprise

               La RSE est avant tout une démarche, une méthodologie d’engagement et de conduite du changement, orientée vers les buts bien précis que nous venons de survoler. Elle constitue également un outil très performant d’identification et de prévention des risques d’entreprises, donc de construction de résilience (sujet d’actualité en temps de crise).

Si elle intègre les enjeux de l’IA que nous venons également d’évoquer, elle apportera par conséquent une aide précieuse à une bonne appropriation de l’IA par l’entreprise. Il « suffit » (je l’ai fait) d’orienter la méthodologie RSE vers les enjeux éthiques liés à l’IA pour identifier les critères spécifiques permettant de piloter des leviers d’efficacité significatifs. Un point de vigilance concerne les biais: autant les algorithmes peuvent détecter des biais, autant ils peuvent en véhiculer ou les renforcer (dans les domaines RH ou environnemental par exemple).

                Selon que l’entreprise en question est conceptrice/éditrice d’IA ou simplement utilisatrice, la grille d’identification et d’évaluation des enjeux liés à l’IA sera évidemment différente.

On pourra citer en exemple « d’encadrement RSE de l’IA » le scoring de l’ AI Transparency Institute,qui a développé une grille « ESG orientée IA » selon une trame très très proche des grilles RSE type ISO 26000, en se calant pour l’éthique de l’IA sur le guide la Commission européenne: Guidelines for  Trustworthy  AI 

Rodin- Le Penseur; Musée Rodin, Paris

4/IA et RSE en temps de crise (COVID-19 par exemple)

Les relations entre IA et RSE analysées ci-dessus sont applicables en toutes circonstances. Il paraît cependant difficile d’ignorer dans cet article la situation actuelle et plus généralement les situations de crise. À situation anormale ou exceptionnelle, mesures exceptionnelles.

 Sophie Husson et moi avons publié récemment un article sur le rôle majeur que doit jouer la RSE dans la crise actuelle. Loin d’être terminée, elle nous conduit à une réorientation radicale de l’économie et de la société qui apparaît désormais incontournable: Pour une sortie de crise réellement durable, la RSE.

Vous trouverez davantage de précisions opérationnelles ici:

Examiner comment l’IA peut soutenir l’entreprise et sa démarche RSE dans ce contexte particulier de crise majeure, et comment la RSE doit spécifiquement orienter le recours à l’IA en entreprise dans ce même contexte, s’avère donc particulièrement utile. En supposant que le recours aux algorithmes dans l’ensemble de la société (sphère publique comme sphère privée) dans laquelle l’entreprise est immergée, soit lui aussi mis au service de la gestion de crise et d’une transition sociétale, écologique et économique saine et durable. Mais cette dernière question dépasse largement le cadre de l’article et mériterait un développement complet.

4.1 Utilité et dangers de l’IA en temps de crise

Qui dit crise dit risque (dont une partie est concrétisée, sinon il n’y a pas encore crise), danger, grande incertitude. Et aussi, sortie possible par le haut. On voit donc tout de suite comment les algorithmes et le traitement massif de données, facteurs de prédictions et d’aide à la décision aussi fiables que possible dans les domaines spécifiques à la crise en question, peuvent jouer un rôle majeur pour la gestion de la crise en entreprise.

Cet idéogramme signifierait en mandarin: Danger/Opportunité

On sait, grâce aux expériences de la crise liée à la COVID-19 et à d’autres crises (liées à des pandémies comme le H1N1 ou financières) que les fonctions, moyens et activités spécifiques à une situation de crise, sont principalement les suivants :

  • L’accès à l’information
  • L’existence et la mise en œuvre d’un plan de continuité d’activité et de reprise d’activité
  • La sécurisation des différents capitaux de l’entreprises (hommes, savoir-faire, données, relations…)
  • Le maintien du lien avec les parties prenantes
  • La communication interne et externe
  • La maîtrise des flux financiers (trésorerie) et du compte de résultat
  • L’efficacité de la cellule de crise
  • La maîtrise de la logistique
  • La maîtrise des impacts (sociétal, environnemental, économique, territorial…) de l’entreprise
  • L’intelligence collective et le maintien du lien humain
  • Le contrôle des accès (matériels et immatériels)
  • La connexion au réel (et non à des représentations)
  • La réactivité sélective (aux vrais problèmes, pas aux faux, ce qui suppose de savoir les distinguer)
  • etc.

Tout ce qui permet une prédiction aussi fiable que possible dans un contexte incertain et mouvant, dans les domaines social, économique, environnemental, tout ce qui permet des simulations selon des scénarios variés, peut aider à la gestion de crise, de même que tous les outils d’évaluation de situation (net assessment).

Des situations exceptionnelles ou de transition forte apparaissent en temps de crise : la généralisation du télétravail et les problématiques associées (autonomie accrue certes, mais aussi fragilisation du rôle du management, stress, isolement, mélange dangereux entre vie privée et vie professionnelle, remise en question des flux logistiques et des chaînes de valeur…) Toutes ces spécificités de crise peuvent bénéficier de l’apport maîtrisé de l’IA, si les outils existent.

Par crise on entend aussi bien les crises majeures décrites dans l’article déjà cité que les crises « ordinaires » (mais pas anodines…) qui émaillent la vie de l’entreprise presque au quotidien. Citons quelques exemples, sans chercher à être exhaustif : perte de clientèle, crise prolongée de CA, crise médiatique (controverse, événement grave…), crise d’image, crise de marque, crise sociale, crise informatique, cyberattaque etc. catastrophe naturelle et ses conséquences, crise actionnariale (divergences fortes), rachat, fusion-acquisition perturbatrice, crise de transmission, reprise, retournement, etc.

Dans cet article on n’ira pas plus loin dans l’analyse, la suite relève du cas par cas et de l’identification des outils IA disponibles. À titre d’exemple, on pourra consulter le Livre Blanc d’Axionable sur la résilience en temps de crise et le rôle positif de l’IA : https://www.axionable.com/

Autant le recours prudent et utile aux algorithmes peut avoir un effet multiplicateur bénéfique, comme on vient de l’esquisser, autant leur usage hors de propos ou sans vision claire de la route à suivre, peut être dangereux et nuisible. Deux exemples anonymisés que le lecteur complètera de lui-même:

  • le recours aux algorithmes de ciblage personnel des clients en ligne, pour pousser à la consommation de produits et services nuisibles au bien personnel et au bien commun (social, éthique, environnemental);
  • le détournement frauduleux d’informations sur la base de fausses promesses de ventes, jouant sur les émotions et les peurs déclenchées par la crise COVID-19.

4.2 La RSE, démarche appropriée de sortie de crise

Concernant les raisons qui font que la RSE constitue l’outil idéal pour une bonne posture de crise et de sortie de crise, je renvoie à nouveau à mon article co-écrit avec Sophie Husson :  Pour une sortie de crise réellement durable, la RSE.

Notre plaquette Ouvertures-Communication explique en détails quels sont les leviers:

Les fondamentaux de cette approche de la société « post-COVID », qui est en fait une société « post-capitalisme libéral financiarisé » ou « post-capitalistique » sont les suivants :

  • Faire fonctionner l’économie dans le bon sens: l’humain et le bien commun d’abord, la finance ensuite
  • Valoriser les capitaux immatériels
  • Impliquer des parties prenantes
  • Intégrer la maille territoriale, échelle optimale de résilience et d’orientation de l’économie sociale.

On se reportera à l’article pour davantage de précisions et pour consulter la liste des crises majeures et de plus en plus fréquentes depuis 1893, que nous avons identifiées.

Cette crise est bel et bien une crise de civilisation.

L’article montre également que les apports majeurs en temps de crise de la RSE sont précisément ce dont on a besoin à ce moment -là:

  • maîtrise des risques
  • amélioration de la résilience
  • cohésion sociale
  • sens de l’activité
  • raison d’être,

Ils contribuent à donner une réponse concrète aux exigences accrues du confinement et de la crise (télétravail, isolement, lien social dans l’entreprise…) ainsi qu’aux exigences environnementales, étroitement liées aux enjeux sociétaux.

4.3 Comment RSE et IA peuvent se conjuguer dans le contexte COVID-19

Au paragraphe 1 nous avons examiné les différentes contributions possibles de l’IA à la démarche RSE, soit directement soit indirectement. Cet examen ne préjugeait pas du contexte, ou plutôt se plaçait dans un contexte de « fonctionnement normal » (si tant est que ce mot ait un sens dans la société et l’économie actuelles). Les conclusions restent vraies en contexte de crise, en particulier celle de la COVID-19. Voyons ici en quoi la synergie IA& RSE peut renforcer la sécurité, l’efficacité et la capacité stratégique de l’entreprise, spécifiquement en temps de crise.

Clairement, les outils prédictifs et d’aide à la décision offerts par les algorithmes et la Big Data, peuvent sécuriser et rendre plus efficace la gestion de crise et la réorientation de l’économie et de la société. En 4.1 et nous avons identifié des domaines d’application de l’IA spécifiques de temps de crise, et affirmé en 4.2 notre conviction que la RSE constitue la démarche optimale de survie et de relance vertueuse de l’économie. 

Même si l’humain doit conserver la main, et ne pas se défausser de façon illusoire sur la machine, voici des cas d’applications précis en temps de crise :

  • le télétravail et ses conditions (la remontée de « signaux faibles » liés à l’isolement, notamment)
  • la sécurité et la cyberdéfense de l’entreprise
  • l’empreinte carbone (y compris celle du numérique…)
  • l’assistance à la fonction managériale
  • le « smart manufacturing »
  • l’ optimisation de la supply chain et des relations fournisseurs en temps de crise
  • l’optimisation de la relation client en contexte télétravail etc.
L'homme, l'IA et la planète

La troisième partie de cette série d’articles sera consacrée à l’Action!

Acteurs de la RSE et acteurs de l’IA: un rapprochement nécessaire et urgent

Pour des labels « Entreprise IA- responsable », vite!

Conclusions d’ensemble des trois articles

Bibliographie « IA & RSE »

[1] Donc de jouer un rôle économique et non financier, sans stimuler artificiellement des besoins accessoires ou superflus pour maximiser la production et les profits et les dividendes, de manière rentable, et en respectant l’écosystème (au sens large) de l’entreprise : parties prenantes, institutions, planète …Elle a aussi la responsabilité de faire un usage juste des apports de la communauté (recherche, infrastructures etc.), c’est -à-dire de les employer avec équité en vue bien commun et non pour son seul intérêt ou uniquement celui de ses actionnaires. Cela dépasse souvent les frontières et concerne les biens communs de l’humanité, dans le domaine environnemental ou social par exemple (ressources naturelles, déchets, conditions de travail).

[2] smart production : production « intelligente » (i.e. à l’aide d’outils connectés à Internet) ; smart design : design « intelligent » ; smart manufacturing : fabrication « intelligente ».

[3] Décret n° 2020-356 du 27 mars 2020 portant création d’un test du traitement automatisé de données à caractère personnel, dénommé « DataJust », entré en vigueur en pleine période de pandémie de Covid-19.

[4] La matrice de matérialité met en regard les enjeux RSE de l’entreprise et ceux de telle ou telle partie prenante. S’ils sont corrélés, tout va bien, si un enjeu est important pour l’une et pas pour l’autre, il faut faire quelque chose…

[5] 17 ODD= Objectifs de Développement Durable de l’ONU (déclinés par la France dans sa Feuille de route pour l’ Agenda 2030)

[6] On pourra consulter cette interview dans laquelle je reviens sur ce nouveau type d’entrepreneurs : https://www.ajrconseil.com/interview-du-mois-zoom-sur-l-actu-positive/

[7] Le terme licorne (en anglais : unicorn) est employé pour désigner une startup, principalement de la Silicon Valley, valorisée à plus d’un milliard de dollars.

[8] Habillage avantageux des comptes et du bilan d’une entreprise.

[9] De même que l’on parle de « green washing » lorsqu’une organisation met en avant des actions écologiques tout en maintenant des actions qui vont à l’encontre de la biodiversité, on parle d’ ethical washing lorsqu’il s’agit d’utiliser l’éthique pour mieux vendre alors qu’en réalité ces actions « vertueuses » en masquent d’autres qui le sont beaucoup moins.

Soyez le premier à commenter

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *