Le rôle de l'IA dans la fiabilisation des données ESG

Les investisseurs ont besoin de données ESG de qualité et d'une automatisation à grande échelle pour améliorer la prise de décisions critiques.

Les gestionnaires d'actifs, petits et grands, cherchent à savoir comment ils peuvent exploiter l'IA pour améliorer leur prise de décision en matière d'investissement tout en gérant et en mesurant la performance ESG. L'IA pourrait être le maillon essentiel pour relier les points sur la voie d'un avenir plus durable. Elle peut résoudre des problèmes de données que les investisseurs et les entreprises ne pourraient pas résoudre sans la technologie.

"Lorsque nous pensons aux données ESG, nous les utilisons de différentes manières, depuis notre évaluation ascendante du risque et de l'impact jusqu'à nos rapports réglementaires et autres rapports clients, en passant par l'application de nos filtres de conformité", a déclaré David Klausner, spécialiste ESG chez PGIM Fixed Income, lors d'un webinaire de l'investisseur responsable sponsorisé par Clarity AI. "Je pense que c'est la raison pour laquelle l'IA est si importante dans ce processus. Nous n'avons pas la capacité de traiter toutes ces données. Nous ne pourrions tout simplement pas réaliser nos processus ESG à l'échelle d'un grand investisseur institutionnel."

La capacité de l'IA à automatiser les fonctions de données ESG et à les étendre aux portefeuilles des clients des investisseurs signifie que les gestionnaires d'actifs peuvent passer plus de temps à se concentrer sur leurs tâches principales au lieu de scruter les données. les gestionnaires d'actifs peuvent consacrer plus de temps à leurs fonctions principales plutôt qu'à l'analyse des données. L'IA permet également aux petits gestionnaires d'actifs d'accéder à des données qu'ils n'auraient peut-être pas la possibilité de rechercher en interne.

Par exemple, deux entreprises basées en Floride peuvent ne pas être exposées au même niveau de risque climatique physique (comme la possibilité accrue d'inondations) lorsque l'une a pris des mesures actives pour s'adapter en déplaçant les systèmes électriques à un étage plus élevé, et que l'autre ne l'a pas fait. Ce contexte, lorsqu'il est intégré dans les modèles d'investissement, peut améliorer la prise de décision. "Je pense que l'IA joue un rôle très important en aidant à rassembler ces informations". a déclaré David.

Valeur des données ESG fiables

La capacité de l'IA à se concentrer sur la qualité des données apporte une solution au problème de la fiabilité des données. Même les données communiquées par les entreprises peuvent être entachées d'erreurs, qu'il s'agisse d'erreurs humaines ou d'interprétations inexactes. "Nous avons été en mesure d'identifier, parmi toutes les données communiquées, celles qui sont fiables, et donc dignes de confiance, et celles qui peuvent être sujettes à des erreurs", a déclaré Borja Cadenato, directeur des produits ESG à l'adresse Clarity AI. "L'utilisation de modèles d'apprentissage automatique statistique pour comparer les données d'une entreprise avec celles des années précédentes, ou avec celles d'autres entreprises du même secteur, nous aide à identifier les points de données qui pourraient être erronés."

Au-delà des données communiquées, il a souligné une "énorme lacune" qui doit être comblée en passant au peigne fin toutes les données disponibles. "L'IA peut également faire la différence dans ce domaine. Par exemple, Clarity AI s'appuie sur des modèles d'apprentissage automatique pour estimer les données relatives aux émissions de plus de 30 000 entreprises.L'IA peut également faire la différence dans ce domaine.

Qu'est-ce qui fait qu'un modèle de données ESG est digne de confiance ?

Instaurer la confiance entre le fournisseur et l'utilisateur des données est une première étape pour toute technologie, quel que soit le secteur, a souligné Nick Pelosi, directeur associé chargé de l'engagement chez Federated Hermes, lors du webinaire. Avec l'IA, cette confiance commence avec la main-d'œuvre et la garantie que les données sont exemptes de biais.  

"Il est très important de pouvoir expliquer les modèles pour que les gens fassent confiance aux chiffres et les intègrent dans leurs décisions d'investissement", a déclaré Robert Smith, directeur de l'ingénierie de l'apprentissage automatique à l'adresse Clarity AI. "Pour moi, les modèles d'apprentissage automatique sont un moyen de comparer systématiquement un nombre infini d'approches différentes, ce que nous appelons des caractéristiques, qui conduiront finalement à la valeur estimée, avec une fonction objective qui choisit entre elles et sélectionne la meilleure", a déclaré Robert. Un résultat statistique fournit un intervalle de confiance (un certain pourcentage de certitude que les données sont aussi précises qu'elles pourraient l'être), offrant une couche supplémentaire de transparence pour renforcer la confiance de nos utilisateurs.

"L'idée n'est pas de se débarrasser des humains, mais de leur faire valider les modèles et un nombre beaucoup plus restreint de résultats. Il s'agit là d'aspects essentiels pour instaurer la confiance dans les modèles alimentés par l'IA. Cela pourrait également nécessiter un changement de mentalité dans certains secteurs."

De nombreuses façons d'exploiter l'IA pour l'ESG

Il n'existe pas d'approche unique de l'IA. Alors que le ChatGPT et l'IA générative sont les plus connus de nos jours, Robert a noté qu'ils ne font qu'effleurer la surface de toutes les approches de l'IA qui sont disponibles pour les investisseurs et les entreprises afin de résoudre les défis liés aux données ESG. 

Au fur et à mesure que les données seront disponibles, l'IA permettra une agrégation beaucoup plus poussée, ainsi qu'une plus grande capacité d'analyse et de mise en évidence des informations nécessaires à la prise de décision. "Nous avons des modèles de traitement du langage naturel qui lisent Nous avons des modèles de traitement du langage naturel qui lisent quotidiennement des centaines de milliers d'articles de presse et sont capables de les classer dans l'une des 40 catégories différentes et de leur attribuer un degré de gravité. Nous avons pu montrer que les entreprises qui avaient un certain niveau de controverse entraînaient une sous-performance de 2 à 5 % après six mois. 2 à 5 % de sous-performance après six mois."

Des techniques de traitement du langage naturel (NLP) à l'imagerie satellitaire pour le suivi des émissions, en passant par l'IA de la biodiversité pour le calcul du nombre d'espèces menacées, l'IA peut élargir ou ouvrir la voie à des données ESG améliorées qui éclairent les décisions des entreprises.

Contactez-nous pour en savoir plus sur la façon dont Clarity AI utilise l'intelligence artificielle pour répondre à tout besoin lié au développement durable.