An AI LLM tool for green budgeting and environmental rating of public or private spending
Un outil IA LLM pour le budget vert et cotation environnementale des dépenses publiques ou privées
Résumé
This software application allows an operational implementation of the French methodology called "green budget", applied at the accounting line level and assisted by artificial intelligence of the language model type (AI LLM). We show how a lightweight and replicable device (Green Budget (LLM)) makes it possible to pre-rate each line according to the six axes (mitigation, adaptation, water, circular economy/waste/technological risks, pollution, biodiversity) and to produce an overall rating (favorable, unfavorable, mixed, neutral, with the possibility of "unrated"). The tool generates a flat JSON output (axes + overall + justification) for interoperability with analytical environments and decision auditing. This approach is aimed at administrations as well as private companies faced with high accounting volumes; since manual line-by-line analysis is costly and non-scalable, AI makes it possible to industrialize pre-rating at low marginal cost and achieve economies of scale while preserving auditability. The approach combines AI and human expertise: the machine proposes, the expert validates; custody rules (low temperature, strict instructions, schema validation, “unrated” status) and systematic logging (grid/prompt version, timestamp, author) ensure traceability. A pilot conducted at Le Mans University (SIFAC exports) illustrates the feasibility and usefulness: reduction of review time on significant volumes, identification of documentary gaps (long texts, supporting documents), improvement of restitution quality. To our knowledge, this is one of the first open demonstrations of an LLM AI operated natively in the office environment for a “green budget” rating at the line level, rigorously aligned with the national doctrine.
Cette application logicielle permet une mise en œuvre opérationnelle de la méthodologie française dite « budget vert », appliquée au niveau de la ligne comptable et assistée par une intelligence artificielle de type modèle de langage (IA LLM). Nous montrons comment un dispositif léger et réplicable (Budget Vert (LLM)) permet de pré-coter chaque ligne selon les six axes (atténuation, adaptation, eau, économie circulaire/déchets/risques technologiques, pollutions, biodiversité) et de produire une cotation globale (favorable, défavorable, mixte, neutre, avec la possibilité de « non cotée »). L'outil génère une sortie JSON à plat (axes + globale + justification) pour l'interopérabilité avec les environnements analytiques et l'audit des décisions. Cette démarche s'adresse aux administrations comme aux entreprises privées confrontées à de fortes volumétries comptables ; l'analyse manuelle ligne par ligne étant coûteuse et non scalable, l'IA permet d'industrialiser la pré-cotation à coût marginal faible et de réaliser des économies d'échelle tout en préservant l'auditabilité. L'approche articule IA et expertise humaine : la machine propose, l'expert valide ; des règles de garde (température basse, consignes strictes, validation de schéma, statut « non cotée ») et une journalisation systématique (version de la grille/prompt, horodatage, auteur) assurent la traçabilité. Un pilote mené à Le Mans Université (exports SIFAC) illustre la faisabilité et l'utilité : réduction du temps de revue sur des volumes significatifs, identification des lacunes documentaires (textes longs, pièces justificatives), amélioration de la qualité de restitution. À notre connaissance, il s'agit de l'une des premières démonstrations ouvertes d'une IA LLM opérée nativement dans l'environnement bureautique pour une cotation « budget vert » au niveau ligne, rigoureusement alignée sur la doctrine nationale. Logiciel sous copyright.