ESG alimenté par l'IA
L'investissement ESG réunit les mondes des marchés financiers et de la durabilité environnementale. Selon Deloitte, les actifs ESG devraient représenter la moitié de tous les actifs gérés par des professionnels dans le monde d'ici 2024.
Certaines des applications les plus courantes des ESG dans l'investissement sont les fonds communs de placement et les fonds négociés en bourse (ETF). Dans le monde, il existe déjà plus de 1.200 XNUMX ETF ESG, selon le décompte de Trackinsight.
Mais l'état actuel de l'ESG est imparfait. Les données et notations ESG devront évoluer avec les avancées technologiques pour avoir un impact tangible dans les années à venir.
QU'EST-CE QUE L'ESG DANS L'INVESTISSEMENT ?
ESG signifie « environnemental, social et de gouvernance » et englobe l'approche générale d'investissement dans des entreprises, des fonds et des projets qui adoptent des principes environnementaux, sociaux et de gouvernance. L'espace comprend également les données, informations et notations des entreprises en fonction de leur impact ESG.
Bien que l'ESG soit souvent un élément essentiel de l'investissement socialement responsable et à impact, ce n'est pas la même chose. ASG est plus un cadre pour identifier les opportunités et atténuer le risque financier des entreprises et des investissements.. Il n'a pas besoin d'être un véhicule pour faire le bien dans le monde. Les investisseurs et les gestionnaires de fonds utilisent les notations ESG pour sélectionner les entreprises les mieux positionnées face aux risques climatiques et sociaux, dans le but ultime de générer des rendements plus élevés.
Pour que les notations ESG aient un réel impact sur investissement futur, doit surmonter deux défauts fondamentaux. Les données et notations ESG sont :
- inconsistant (c'est-à-dire non standardisé).
- incomplet (c'est-à-dire sans données complètes).
Ces deux facteurs ont des effets en cascade sur la légitimité de l'espace. Le « blanchiment vert » des entreprises - l'exagération des revendications de durabilité environnementale par le biais du marketing et de la publicité - est très présent aujourd'hui. Et les études mesurant l'impact de l'ESG sur la performance financière des investissements et des entreprises ont eu des résultats mitigés.
Le premier défaut des notations et des rapports incohérents sera éventuellement résolu par la réglementation. La SEC américaine a avancé de nombreuses propositions de divulgation ESG, et en Europe, il existe déjà des lois spécifiques (par exemple, le règlement européen sur la divulgation en matière de finance durable). Cela peut prendre du temps, mais une réglementation plus poussée conduira à la normalisation des rapports et des notations ESG, fournissant à terme des informations plus transparentes et fiables aux investisseurs.
Le deuxième problème, celui des données, notations et informations incomplètes, sera résolu par les progrès de l'intelligence artificielle.
Les sociétés établies de renseignement financier et de données, ainsi que les sociétés fintech engagées dans la notation et l'analyse ESG, tirent parti de l'apprentissage automatique et du traitement du langage naturel (NLP) pour collecter, structurer et analyser des données ESG à grande échelle. Les solutions d'IA seront essentielles à l'exactitude des notations ESG à l'avenir et aux fonds qui les utilisent.
PREMIERS MOUVEMENTS
L'IA améliore le volume, la rapidité et la précision des notations ESG en deux étapes clés du processus de notation : 1) collecte de données ; et 2) analyse et notation des données.
Lors de la collecte de données, des algorithmes d'apprentissage automatique forment des ordinateurs pour identifier et extraire des données et des informations liées à l'ESG à partir de milliers de sources, notamment des déclarations d'entreprises, des actualités et des médias, des questionnaires, des études universitaires, des sources gouvernementales et des ONG, entre autres. Le traitement du langage naturel est utilisé pour extraire des informations sur l'entreprise à partir de textes provenant de sources non structurées, telles que des transcriptions et des médias sociaux.
L'apprentissage automatique et le traitement du langage naturel sont également utilisés pour alimenter les modèles de notation et d'analyse ESG. Les modèles sont entraînés à l'aide d'années de données historiques.
MSCI, S & P y Bloomberg utilisent l'IA pour traiter les données et les notations ESG incomplètes. Chaque fournisseur couvre des milliers d'entreprises et des centaines de milliers de titres :
- MSCI utilise l'apprentissage automatique et la PNL pour la collecte et la validation des données, permettant à ses notations, indices et recherches de tirer parti de données alternatives en dehors des rapports volontaires des entreprises.
- De même, S&P utilise Databricks Lakehouse pour traiter des milliards de données ESG et exécuter des modèles d'apprentissage automatique afin d'obtenir des informations pour les clients.
- En octobre 2022, Bloomberg a annoncé qu'il utilisait des modèles et des estimations d'apprentissage automatique intelligents pour développer son ensemble de données sur les émissions de carbone afin de couvrir 100.000 XNUMX entreprises.
Les Fintechs spécialisées dans les évaluations ESG et de durabilité défient les fournisseurs de données traditionnels en mettant l'accent sur l'IA et l'évolutivité. Par exemple, Clarity AI utilise l'apprentissage automatique pour analyser plus de 2 millions de points de données pour les notations ESG, les évaluations des risques, les empreintes carbone, l'analyse nette zéro et la conformité réglementaire. La plate-forme couvre plus de 30.000 300.000 entreprises et XNUMX XNUMX fonds, ce qui, selon elle, représente plus du triple de la plupart
concurrents.
EcoVadis, un fournisseur de notations de durabilité des entreprises, a levé une série D de 500 millions de dollars en juin 2022 avec un
Valorisation de 1.000 milliard de dollars, avec des plans d'utilisation du financement pour approfondir ses capacités d'IA et d'apprentissage automatique.
EcoVadis est au service des entreprises qui souhaitent leurs propres évaluations de durabilité, ainsi que des sociétés de la chaîne d'approvisionnement, des sociétés de capital-investissement, des banques et d'autres institutions financières qui ont besoin d'évaluations ESG des entreprises et des portefeuilles. La plateforme couvre plus de 100.000 200 entreprises de XNUMX secteurs différents.
Pour garder une longueur d'avance sur la perturbation, certains opérateurs historiques se sont précipités pour acquérir des fintechs axées sur l'ESG et axées sur l'IA. La Sac de Londres acquis Refinitiv en 2019 pour 27.000 milliards de dollars, et Morningstar acquis Analyse durable en 2020. Refinitiv et Sustainalytics utilisent des moteurs NLP pour extraire des informations ESG de plus d'un million d'articles de presse chaque jour à des fins d'analyse des sentiments.
IMPLICATIONS
- Fournisseurs de notations ESG qui tirent parti intelligence artificielle résoudra le problème des données ESG incomplètes. Le L'apprentissage automatique et le NLP peuvent extraire et structurer des informations ESG à partir de milliers de sources de données isolées à grande échelle.
- Alors que la réglementation rendra le reporting ESG plus transparent et standardisé, le l'apprentissage automatique et le NLP rendront les notations ESG plus précises. El L'impact de l'IA sur le volume et la variété des données conduira à des indicateurs plus fiables et donc acceptés pour valoriser les entreprises et évaluer les risques.
- Une fois les données et les notations ESG cohérentes et complètes, il sera plus facile tester plus précisément l'impact de l'ESG sur les rendements des investissements et les résultats des entreprises.
