Pour récolter les données nécessaires à des évaluations de qualité des critères ESG, l’intelligence artificielle peut constituer un véritable atout.

Si le changement climatique est l’un des sujets d’actualité les plus brûlants (sans mauvais jeu de mots), le maintien de notre bien-être – et celui des générations futures – ne se limite pas aux questions environnementales : en effet, il ne faut pas oublier le facteur humain. Ainsi, souvenez-vous de l’effondrement, en 2013, de l’usine de confection Rana Plaza à Dacca, au Bangladesh, qui avait fait plus de 1 000 morts ; ou encore, en 2020, les révélations concernant la société de fast fashion Boohoo, basée au Royaume-Uni, qui s’approvisionnait dans une usine de Leicester où les travailleurs n’étaient payés que 3,50 livres sterling de l’heure – soit bien moins que le salaire minimum national, fixé à l’époque à 8,72 livres.

53 milliards de dollars d’investissements

Par chance, la mise en œuvre des critères ESG (pour environnementaux, sociaux et de gouvernance d’entreprise) suscite un intérêt croissant et exponentiel. Dans le même temps, investisseurs et détenteurs de capitaux ont rapidement identifié les investissements ESG comme une nouvelle classe importante d’actifs.

Dans une analyse, Bloomberg estime que les investissements ESG dépasseront probablement les 53 milliards de dollars d’ici à 2025, ce qui, à l’échelle mondiale, représenterait un tiers de tous les actifs gérés. En 2020, une enquête de la banque d’investissement BNY Mellon et de l’OMFIF (Official Monetary and Financial Institutions Forum), organisme officiel des institutions monétaires et financières, a révélé que plus des trois quarts (77 %) des investisseurs publics mondiaux avaient déjà intégré l’ESG à leurs plans d’investissement.

Cependant, malgré l’enthousiasme croissant, les établissements financiers fournisseurs de produits et de services ESG sont confrontés à un obstacle de taille : le manque de données précises et actualisées. Prenons l’exemple de l’organisme allemand de paiement Wirecard qui, avant son effondrement en juin 2020, s’était vu attribuer un score médian par plusieurs agences de notation ESG, alors même que des rumeurs portant sur ses pratiques commerciales douteuses circulaient depuis 2015. Boohoo, quant à lui, en amont de la divulgation publique de ses pratiques commerciales contraires à l’éthique, avait obtenu, de la part d’une agence un double A – ESG (soit le deuxième meilleur classement de l’agence) – en plus de l’obtention d’un score bien au-delà des standards en vigueur, en matière de normes du travail sur une chaîne logistique.

Un système peu fiable

Comment les évaluations ESG ont-elles pu s’être trompées à ce point ? En partie parce que les évaluations de qualité ESG dont les entreprises font l’objet se basent essentiellement sur des informations fournies par les entreprises elles-mêmes – ce qui revient à leur donner carte blanche quant au choix des données à transmettre.

De plus, la collecte et l’intégration en temps et en heure des données et des dernières mises à jour sont encore très lacunaires. Résoudre ce problème implique la mise en œuvre d’importantes ressources et l’intervention de collaborateurs dédiés pour rechercher, collecter, traiter, saisir et analyser les données. Jusqu’à présent, la collecte et l’analyse des informations tirées du Web – que ce soit pour vanter les efforts ESG d’une entreprise ou pour révéler une vérité moins flatteuse – n’étaient pas automatisées. Il s’agit donc d’un procédé sujet aux erreurs, lent et très coûteux.

Trois atouts de l’IA à exploiter

C’est dans ce contexte que de nombreuses entreprises fournisseurs de produits et services financiers étudient avec intérêt la façon dont l’intelligence artificielle (IA) pourrait être utilisée pour obtenir des évaluations ESG plus qualitatives. En effet, les technologies de l’IA sont particulièrement performantes dans trois domaines :

• Le suivi de l’actualité.Des algorithmes intégrés aux systèmes facilitent l’exploration de quantités massives de données brutes de manière automatisée. Les systèmes peuvent être configurés pour assurer une veille du Web à l’échelle mondiale, filtrer ou extraire des informations d’entreprise exploitables. Ils tirent leurs sources de multiples canaux, tels les réseaux sociaux, les actualités locales quotidiennes ou encore les dernières publications de rapports. A ce jour, seuls les systèmes automatisés permettent la collecte rapide et en temps réel de données pertinentes.
• La qualité des rapports.Grâce à un apprentissage défini par l’utilisateur et l’apport de critères ESG appropriés, l’IA peut rapidement analyser et convertir les données quantitatives et qualitatives recueillies en une information intelligente et exploitable. Un système bien paramétré peut utiliser les données et générer automatiquement des cadres de reporting ESG. Il est aussi capable de la détecter ailleurs lorsque l’information n’est pas complète. Ces outils d’aide à l’amélioration de la qualité du reporting sont précieux et facilitent d’autant plus le travail d’assimilation des renseignements recueillis par les analystes.
• L’analyse des sentiments.Les technologies de traitement du langage naturel – qui constituent une branche de l’IA – sont capables d’analyser des facteurs contextuels, sémantiques et d’ordre sentimental présents dans les données collectées. Il est donc désormais possible de discerner le ton des informations rassemblées et de les classer, par exemple, en « positif », « négatif » ou « à traiter ». L’apprentissage des algorithmes analytiques permettrait de suivre certains types de conversation et d’identifier leur ton en comparant les mots utilisés à des références existantes données, telles que « travail des enfants » ou « esclavage moderne ». Le concept d’ »expert-in-the-loop » prend ici toute son importance : il s’agit en effet de systèmes d’IA intégrée dans lesquels l’homme reste « dans la boucle » et conserve un contrôle total, en jouant un rôle de superviseur actif et impliqué. Le cas échéant, experts et analystes ESG interagissent dans l’apprentissage des machines en exprimant leur avis sur une partie de l’information. Les questions posées aux experts peuvent être formulées comme suit : « Cette information est-elle pertinente ? » et « Appartient-elle à l’un des domaines suivants : ‘environnement’, ‘social’, ‘gouvernance’ ou ‘informations controversées’ ? ». Au fil du temps, l’IA sera en mesure d’isoler les sentiments parmi toutes les nouvelles informations reçues.

Voici un exemple de processus détaillé de ce qu’il est possible d’entreprendre avec l’IA :

Une association gagnante

Associer l’IA aux objectifs ESG pourrait ainsi donner naissance à un « trio gagnant » en termes de profits, d’enjeux planétaires et de facteurs humains. Mais cette association étant très récente, il est sans doute encore trop tôt pour dire si elle pourra réellement contribuer à faire avancer l’agenda ESG. Pourtant, à en juger par nos expériences passées, la situation est prometteuse. De nombreux exemples témoignent de la façon dont les technologies nous ont aidés à atteindre des objectifs sociaux et à rendre la société meilleure.

A l’inverse, beaucoup d’efforts déployés en matière de développement durable sont restés vains et ont fini par se transformer en « modes » ou en plaidoyers du bien. Pourtant, l’erreur viendrait de nous, et non des technologies utilisées. Grâce à l’intérêt des investisseurs, particulièrement de ceux qui misent sur l’ESG, il est possible qu’il devienne une pratique courante et reconnue dans le monde de l’entreprise. Alors, cette utilisation de l’IA pourrait nous influencer à la fois pour faire bien et pour faire le bien.