? Inspiration
Les grandes organisations et entreprises s’efforcent d’accroître la durabilité à l’échelle mondiale. La Gen AI a de nombreux cas d’utilisation dans le développement durable, parmi lesquels le reporting sur le développement durable et la stimulation de la collaboration au sein des entreprises. Pour améliorer la communication et les rapports sur le développement durable, nous avons développé Sustainability Analytics .
Ce qu'il fait
Sustainability Analytics fournit une interface de chatbot intelligente qui permet aux utilisateurs de poser des questions en temps réel sur les données de développement durable d'une entreprise.
Principales caractéristiques :
- Tire parti des données ESG et des modèles d'IA avancés (comme LLaMA 3.1) pour récupérer des informations précises et pertinentes.
- Les utilisateurs peuvent se renseigner sur :
- Émissions de carbone
- Consommation d'énergie
- Consommation d'eau
- Et bien plus encore !
- Le chatbot génère :
- Comparaisons d'une année sur l'autre
- Informations visuelles sous forme de graphiques à barres, linéaires et circulaires.
Exemple:
Requête de l'utilisateur : « Quelles sont les émissions totales de carbone en 2024 pour l'entreprise concernée ? »
Réponse du chatbot : « Les émissions totales de carbone pour 2024 sont de X tonnes métriques . »
Comment nous l'avons construit
Pile technologique :
- Méthodologie RAG avancée utilisant le modèle open source LLaMA 3.1 .
- Framework Langchain pour interroger des données.
- Base de données Postgres pour stocker les métriques ESG.
- Back-end : framework Python FastAPI .
- Frontend : construit à l'aide de React.js .
Les données sont interrogées via les outils Langchain, que le LLM traite pour générer des réponses en langage naturel, ainsi que des visualisations graphiques.
? Les défis que nous avons rencontrés
Nous avons rencontré plusieurs défis lors du développement :
Ingénierie rapide :
- S'assurer que le modèle LLaMA 3.1 traite avec précision les requêtes liées à la durabilité.
Sourcement et intégration de données :
- Structuration des données de métriques ESG pour une interrogation facile via le framework Langchain.
Optimisation des performances :
- Améliorer la méthodologie RAG pour les grands ensembles de données et gérer la génération de graphiques (barres, courbes, secteurs) pour les comparaisons de données.
Précision des requêtes :
- Garantir l’exactitude des comparaisons dynamiques d’une année sur l’autre sur divers types de requêtes.
? Des réalisations dont nous sommes fiers
- Intégration réussie : nous avons intégré LLaMA 3.1 à Langchain pour créer une plateforme interactive d'analyse de la durabilité.
- Réponses en temps réel : notre chatbot fournit en temps réel des réponses précises et spécifiques au contexte sur les indicateurs ESG d'une entreprise.
- Visualisations dynamiques : les utilisateurs peuvent générer des informations visuelles (graphiques à barres, linéaires, circulaires) basées sur des requêtes.
- Requêtes efficaces : création d'un mécanisme de requête très efficace pour notre base de données Postgres, garantissant la rapidité sans compromettre la précision.
? Ce que nous avons appris
- La maîtrise de la méthodologie RAG avancée nous a aidé à rationaliser la génération de réponses précises.
- Nous avons appris à gérer les données ESG plus efficacement tout en créant des systèmes backend évolutifs qui prennent en charge les opérations gourmandes en données.
- L'intégration de bases de données avec des modèles génératifs nous a appris l'importance de l'intégrité des données et de l'optimisation des requêtes.
Quelle est la prochaine étape pour l’analyse du développement durable
Nous visons à développer l’analyse de durabilité avec :
Fonctionnalités avancées d'analyse de données :
- Analyse prédictive pour prévoir les futures mesures ESG.
- Identifier les domaines d’amélioration de la durabilité.
Intégration des normes mondiales :
- Ajouter davantage de cadres de durabilité pour s'aligner sur les normes mondiales.
- Prise en charge de fonctionnalités multilingues pour une clientèle plus large.
Outils collaboratifs :
- Présentation d'outils qui permettent aux parties prenantes de l'entreprise de saisir des données de manière collaborative et de générer des rapports complets.
Intégration API :
- Extension des intégrations d'API avec les plateformes de développement durable existantes.
Améliorations de l'interface utilisateur :
- Amélioration de l'interface utilisateur pour une expérience utilisateur plus intuitive.
