De la recherche à la gestion responsable : la prochaine étape pour l'IA dans l'investissement responsable

Lors de l’un des plus grands rassemblements annuels au monde consacrés à l’investissement responsable, le PRI in Person, nous avons demandé à un parterre d’investisseurs institutionnels où ils voyaient le plus grand potentiel pour l’IA et les données alternatives. La gestion responsable et l’engagement ont recueilli 71 % des réponses, devançant l’analyse des risques de portefeuille (55 %) et la sélection (52 %).

Je ne m'y attendais pas. La plupart des débats sur l'IA dans le domaine de l'investissement responsable ont porté sur la recherche, la sélection et la construction de portefeuilles, et c'est dans ces domaines que les outils sont les plus avancés. L'actionnariat actif est tout de même arrivé en tête, ce qui montre clairement où se trouve la marge de progression. Cela correspond bien à l'ambiance qui règne cette semaine à Amsterdam, où l'édition de cette année de la conférence annuelle du PRI a rassemblé près de 2 000 participants.

Les investisseurs subissent une pression croissante pour démontrer les résultats concrets de leur engagement plutôt que le nombre de réunions qu'ils ont organisées, et il s'agit là d'un problème de mesure auquel l'IA est relativement bien adaptée.

Les fonctionnalités nécessaires existent déjà. Nous les avons développées pour analyser les informations financières et passer au crible la couverture médiatique, car c’est là que se trouvaient les données et que la demande initiale s’exprimait. Ce que les investisseurs attendent désormais , c’est que nous allions jusqu’au bout, afin que le processus se déroule de bout en bout, sans s’arrêter au stade de l’analyse.

Nous avons examiné les capacités requises de l’IA pour mener à bien cette tâche lors de la session à laquelle j’ai participé dans le cadre de PRI in Person, intitulée « La prochaine génération d’intelligence d’investissement : mettre à profit les données alternatives et l’analyse par l’IA ». J’ai partagé la table ronde avec James Phare de Neural Alpha, le professeur Peter Schwendner de la ZHAW et de PanGeo Nature Risk, ainsi que Tim Verheyden de Goldman Sachs Asset Management.

L'apport des données non structurées dans un processus d'investissement

En préparant cette session, j'ai essayé de mettre en évidence ce que les données non structurées peuvent potentiellement apporter à un processus d'investissement. J'ai fini par identifier six avantages dont les initiales forment, comme par hasard, le mot « MOSAIC ».

• La diversité des points de vue vous offre des perspectives qui complètent ou remettent en question le point de vue de la direction.
• L'originalité vous apporte des indices qui vont au-delà des éléments de preuve que tout le monde utilise déjà.
• La spécificité vous apporte des informations détaillées sur les actifs et les activités que les indicateurs au niveau de l'entreprise ne permettent pas de cerner.
• La disponibilité comble les lacunes là où les informations fournies sont insuffisantes, ce qui revêt d'autant plus d'importance que le champ d'application de la CSRD a été restreint.
• L'instantanéité permet d'obtenir des données en dehors du cycle annuel, en exploitant les informations issues des réunions trimestrielles ou des données satellitaires.
• Le contexte explique pourquoi un indicateur a évolué et si le problème est récurrent.

Le choix de ces sources dépend évidemment de la question d’investissement que vous vous êtes posée au départ et du type de données non structurées ou alternatives sur lesquelles vous travaillez. Il s’agit là d’avantages potentiels, et non d’une liste de critères que chaque ensemble de données est susceptible de remplir. Par exemple, l’imagerie satellite peut apporter des détails immédiats sur un actif particulier, tandis que la couverture médiatique peut aider à identifier des controverses émergentes qui divergent du discours de la direction. Le critère déterminant est de savoir si la source contribue à répondre à la question d’investissement.

Ce que les données non structurées peuvent révéler aux investisseurs

Deux de nos propres travaux de recherche donnent une idée de ce à quoi cela ressemble concrètement.

Dans la première, nous avons utilisé l’IA pour extraire des données textuelles et quantitatives des informations financières publiées par 900 entreprises issues de secteurs à fortes émissions et déclarant des dépenses d’investissement « vertes ». Les entreprises dont les objectifs sont alignés sur l’objectif des 2 °C ou moins consacraient en moyenne 27 % de leurs dépenses d’investissement à des projets verts, contre 25 % pour celles n’ayant pas d’objectif déclaré. L’ambition des objectifs, à elle seule, en dit moins long sur la destination des capitaux que ce que l’on pourrait supposer.

Dans la deuxième étape, nous avons eu recours au traitement du langage naturel pour identifier les controverses liées au développement durable dans la couverture médiatique, puis nous avons examiné plus de 12 000 incidents. La sous-performance estimée sur six mois par rapport à des entreprises comparables allait d’environ 2 % pour les incidents de faible gravité à 5 % pour ceux de forte gravité.

Ces études apportent des réponses à différentes questions en matière d'investissement. L'analyse des dépenses d'investissement (CapEx) vise à déterminer si les ambitions climatiques se reflètent dans l'allocation du capital ; l'étude sur les controverses examine quant à elle le lien entre les incidents liés au développement durable et l'évolution ultérieure du cours de l'action.

Ces deux études montrent comment les données non structurées peuvent aider les investisseurs à tester leurs hypothèses et à identifier les questions à poser aux entreprises. Ces études s'inscrivent dans le cadre de la recherche et de la sélection, car c'est dans ce domaine que le travail a été réalisé. La prochaine étape pour les investisseurs consiste désormais à transposer ce niveau de rigueur dans les échanges qu'ils ont avec les entreprises.

C'est précisément à cela que sert notre solution « Climate Intelligence », développée par nos nouveaux collègues de Glass Lewis. Elle combine les informations publiées, une analyse s'appuyant sur l'intelligence artificielle et une méthodologie d'experts pour évaluer la stratégie de transition et sa mise en œuvre, en transformant les conclusions en questions précises à poser à la direction.

Conception et gouvernance de l'IA dans l'investissement responsable : les enjeux

Avant toute chose, commencez par définir clairement l’objectif de votre investissement : quelle décision cherchez-vous à éclairer, ou quel résultat souhaitez-vous obtenir ? C’est cet objectif qui doit guider le choix des données et des outils. Malheureusement, je constate encore que de nombreux acteurs, enthousiasmés par l’IA, se précipitent sur l’outil avant toute autre chose. Pas étonnant que tant de projets d’IA semblent ne pas être à la hauteur des investissements consentis !

Tout aussi important, la réalisation de cet objectif nécessite la coordination de trois capacités clés :

• Des ensembles de données de bonne qualité, pertinents par rapport à la question posée, offrant une couverture suffisante et provenant de sources fiables.
• Une expertise en matière de développement durable permettant de déterminer les enjeux essentiels et d'interpréter les données dans leur contexte.
• Compétences en intelligence artificielle et en technologie permettant de développer, de tester et de surveiller les outils utilisés pour extraire et analyser ces éléments de preuve.

Enfin, ce système fonctionne tant que la gouvernance conserve le même poids, et je classerais cela en quatre piliers :

1. L'intégrité porte à la fois sur la manière dont les données sont collectées et sécurisées, ainsi que sur les droits d'auteur, la fiabilité et les biais.
2. La précision permet de déterminer si le modèle a extrait les informations pertinentes et si celles-ci correspondent aux définitions, aux champs d'application et aux périodes sur lesquelles vous travaillez.
3. La transparence implique que les sources, les méthodes et les hypothèses soient clairement indiquées, notamment lorsqu'un chiffre est une estimation.
4. La responsabilité permet de déterminer clairement qui est responsable des choix analytiques individuels, qui supervise le processus et qui est responsable du système dans son ensemble. Ces responsabilités peuvent être réparties entre les équipes chargées des investissements, du développement durable et de la technologie, ainsi qu’entre des prestataires externes. Elles doivent être clairement définies, notamment en précisant qui est habilité à contester un résultat ou à modifier le système.

Cette répartition des responsabilités s'applique également lorsqu'un prestataire fournit des données extraites, une évaluation analytique, ou les deux. Le prestataire est responsable des services qu'il fournit, tandis que l'investisseur reste responsable de l'utilisation qui est faite de ces résultats et des décisions d'investissement ou de gestion qui en découlent. C'est toujours à l'investisseur qu'il revient de prendre la décision.

Développer ou acquérir des capacités en IA ? De plus en plus souvent, les deux.

Les travaux de recherche du professeur Peter Schwendner montrent l’étendue actuelle de l’accès aux données ouvertes. Son équipe a analysé les barrages de résidus miniers d’un portefeuille d’actifs à l’aide de jeux de données publics mondiaux portant sur l’altitude, le tracé des cours d’eau et la population, sans aucune information fournie par les entreprises, et a constaté que la taille d’un barrage permettait bien moins bien de prédire les conséquences d’une rupture que le nombre de personnes vivant en aval.

Les investisseurs se penchent également en interne sur ce type de questions, notamment sur les implications financières des risques climatiques physiques et de l’adaptation. La collecte de données et la modélisation ne sont plus l’apanage exclusif des prestataires. Malgré tout, les investisseurs présents à la conférence ont fait part de leurs observations empiriques selon lesquelles environ 80 % à 90 % de ces informations parviennent encore aux investisseurs par l’intermédiaire d’un prestataire, et les partenaires spécialisés continuent clairement de jouer un rôle.

La limite fixée par chaque organisation variera d'un cas à l'autre. Ce qui ne doit pas varier, en revanche, c'est le processus d'achat qui sous-tend cette décision, lequel doit permettre de vérifier les données, l'expertise et la gouvernance de l'IA, quel que soit le produit ou service acheté.

L'avenir de l'IA dans l'investissement responsable

L'avantage en termes de rapidité est le plus évident : un travail familier, réalisé plus rapidement et à moindre coût. Ce qui m'intéresse davantage, c'est le second avantage : découvrir ce qui nous échapperait autrement grâce à une couverture plus large et à des liens entre les éléments de preuve. Le traitement des données ne cessera de s'alléger, tandis que les éléments de preuve manquants et l'incertitude resteront les mêmes ; le jugement et l'interprétation n'en deviendront donc que plus précieux.

Les capacités sont en grande partie déjà en place. Elles ont surtout été orientées vers les étapes du processus les plus faciles à automatiser. Lorsqu’on les applique à la gestion responsable, les données doivent répondre aux mêmes critères, mais sous une forme différente. Elles font l’objet de discussions avec l’entreprise concernée ; elles doivent donc être suffisamment précises pour pouvoir être examinées, et elles doivent être consignées de manière à ce que l’engagement de l’année dernière puisse figurer aux côtés de celui de cette année.

C'est un produit plus difficile à développer et à évaluer. À en juger par le sondage réalisé auprès du public à Amsterdam, c'est celui que les investisseurs réclament.