Comment la science des données peut permettre la création de rapports sur le site SFDR

Fournir une solution de reporting SFDR qui comble les lacunes de couverture des IPA SFDR grâce à des données fiables.

Le règlement de l'Union européenne sur la divulgation des informations relatives au financement durable (SFDR) pourrait révolutionner les rapports sur le développement durable et, par voie de conséquence, redéfinir les données que les entreprises suivent pour mesurer leurs performances ESG.

L'objectif de SFDR est d'améliorer la transparence des informations ESG communiquées par les fournisseurs de produits et de services financiers. Étant donné que toutes les données pertinentes ne sont pas encore disponibles à grande échelle, la conformité à SFDR exige également des acteurs des marchés financiers qu'ils courent avant de marcher. Dans la phase intermédiaire, lorsque les fournisseurs de données sont en train d'augmenter leur offre, cela pourrait être contre-productif et entraîner une mauvaise déclaration ou une déclaration erronée. La science des données peut aider.

Pour rendre les bonnes données disponibles à grande échelle, il faut surmonter deux obstacles principaux :

• Faible fiabilité des données déclarées. Cela peut se produire parce que les données déclarées par les entreprises sont fragmentées et non standardisées, et que des valeurs contradictoires ou non fiables existent chez différents fournisseurs.
• Couverture incomplète des données relatives aux paramètres et aux secteurs industriels. Cela est dû à des déclarations partielles ou inexistantes.

La figure 1 illustre les lacunes dans la couverture des principaux impacts négatifs (PAI) sur le site SFDR par zone géographique, taille et indicateurs sélectionnés, sur la base d'une analyse de 29 000 entreprises basée sur la science des données ( Clarity AI )^.1 Au niveau mondial, seules 3 % des entreprises analysées ont déclaré plus de 70 % des 14 PAI obligatoires. L'Europe arrive en tête avec 10 % des entreprises atteignant ce seuil de couverture, alors que seulement 3 % des entreprises américaines et 1 % des entreprises de la région APAC ont fait de même. Une entreprise à grande capitalisation sur cinq a atteint ce seuil, mais seulement une entreprise à petite capitalisation sur 50. La couverture varie également fortement selon l'indicateur : 20 % des 29 000 entreprises divulguent des données sur les émissions de carbone, mais seulement 3 % font de même pour les données sur l'écart de rémunération entre hommes et femmes.

FIGURE 1
Notre analyse révèle d'importantes lacunes dans la couverture du site SFDR principal adverse impacts (PAI).

Entreprises déclarant plus de 70 % des PAI (n = 29 000 entreprises), en %.

Outre le respect des PAI, le site SFDR exige des preuves de l'inclusion de pratiques de bonne gouvernance et que les entreprises répondent au test Do Not Significant Harm (DNSH), chacun de ces critères posant ses propres problèmes de couverture des données. La mise en œuvre de la directive de la Commission européenne sur les rapports d'entreprise sur le développement durable (CSRD) contribuera à combler cette lacune, en obligeant à terme près de 50 000 entreprises à rendre compte de leurs performances en matière de développement durable sur la base d'un ensemble complet d'indicateurs. La CSRD sera pleinement mise en œuvre d'ici 2025, et les juridictions non européennes risquent d'être encore plus à la traîne.

Clarity AI est une entreprise et une plateforme technologique spécialisée dans le développement durable dont la mission est d'apporter un impact sociétal aux marchés.

SFDR Les exigences en matière de reporting ajoutent une nouvelle couche de données aux 200 paramètres que Clarity AI fournit déjà pour démontrer la performance en matière de risques ESG et d'impact sur le monde, ainsi que l'alignement sur les objectifs climatiques (y compris ceux de la Task Force on Climate-related Financial Disclosures) et l'alignement sur les objectifs de développement durable (SDG) des Nations unies. En tant que guichet unique, Clarity AI fournit également à ses clients des solutions solides et complètes pour répondre à leurs exigences en matière de divulgation SFDR et de conception de produits, en s'appuyant sur nos capacités en matière de science des données.

Dans ce document, nous donnons des exemples spécifiques des mérites de notre approche de la science des données pour la production de rapports. SFDR
les rapports. Nous abordons les conditions préalables à une modélisation solide et les recommandations sur la manière d'utiliser les données. Nous soulignons également les limites actuelles et la façon dont nous avons l'intention de développer le module d'analyse et de rapport SFDR dans les mois à venir. Le document s'articule autour de trois cas d'utilisation spécifiques tirant parti de différentes techniques de science des données, illustrés par les exigences du site SFDR :

1. Comment la science des données peut améliorer la fiabilité des données communiquées
2. Comment l'apprentissage automatique peut étendre la couverture des données
3. Comment le traitement du langage naturel peut contribuer au développement de la métrologie

Alors que SFDR couvre plusieurs classes d'actifs, y compris les obligations souveraines et l'immobilier, nous nous concentrerons sur les entreprises.

FIGURE 2
Clarity AI obtient des résultats optimisés grâce à trois facteurs clés de différenciation.

SOURCES DE DONNÉES
Rassembler la plus grande collection de sources structurées et non structurées afin de couvrir tous les sujets clés et les secteurs industriels.

EXPERTISE EN MATIÈRE DE DONNÉES TECHNIQUES
Agréger, nettoyer et normaliser la base de données assemblée afin d'améliorer la qualité des données, et améliorer continuellement les modèles grâce à l'expertise interne et externe (partenariats avec des universités et des sociétés de conseil).

INTELLIGENCE ARTIFICIELLE
Mettre en œuvre des techniques de pointe en matière d'apprentissage automatique et de science des données, en tenant compte de l'évolutivité, afin de sélectionner automatiquement les meilleures sources et d'obtenir des estimations précises pour les données non déclarées, en augmentant la fiabilité et la couverture.

Dans quelle mesure les données modélisées peuvent-elles être utilisées dans le rapport SFDR ?

La première question que nous nous sommes posée était de savoir dans quelle mesure SFDR permet aux acteurs des marchés financiers d'utiliser des données modélisées. Pour répondre à cette question fondamentale, nous avons fait appel à notre partenaire et conseiller externe en matière de réglementation durable, Eco:Fact.

L'un des principaux objectifs du site SFDR et d'autres réglementations relatives à la finance durable est de réduire l'asymétrie d'information entre les acteurs des marchés financiers et les investisseurs. Par conséquent, les acteurs des marchés financiers sont censés soutenir leurs rapports et prendre des décisions sur la base de données qui ne sont pas toujours disponibles. C'est ce que l'on constate, par exemple, lorsque les réglementations novatrices de l'UE en matière de finance durable ont introduit des exigences en matière d'information sur les risques de durabilité et les effets négatifs sur les facteurs de durabilité.

Bien que ces deux catégories soient étroitement liées, elles obligent les acteurs du marché financier à évaluer les sujets liés à la durabilité, tels que le changement climatique et les violations des droits de l'homme, sous des angles différents :

• une analyse du "risque de durabilité" se concentre sur les impacts négatifs matériels potentiels sur la valeur d'un investissement qui découlent de facteurs de durabilité (par exemple, l'impact de l'élévation du niveau de la mer sur les valeurs immobilières).
• La prise en compte des "impacts négatifs sur la durabilité" se concentre sur les effets négatifs d'un investissement sur les impacts sur la durabilité (par exemple, l'investissement dans des entreprises très polluantes qui ont un impact négatif sur les écosystèmes et la santé des individus).

La disponibilité, l'accessibilité et la fiabilité des données sont essentielles aux efforts déployés par les institutions financières pour répondre aux questions concernant les risques et les impacts négatifs en matière de développement durable, et donc pour répondre aux attentes du site SFDR. Les régulateurs sont conscients des défis auxquels les institutions sont confrontées en matière de données, et ils élaborent actuellement des solutions pour combler ce manque de données par le biais, par exemple, de la proposition de directive sur le reporting en matière de développement durable des entreprises (CSRD). Entre-temps, le régulateur de l'Union européenne fournit des outils que les acteurs des marchés financiers peuvent utiliser pour résoudre le problème de la disponibilité des données.

Un outil est mentionné à l'article 7, paragraphe 2, des normes techniques de réglementation (RTS) (communément appelées niveau 2). (Les RTS du site SFDR devraient être applicables en 2022.) Cette disposition s'applique aux situations dans lesquelles les acteurs des marchés financiers sont tenus de divulguer des données sur les principaux indicateurs d'impact négatif, mais que ces données ne sont pas facilement disponibles. Dans ce contexte, les acteurs des marchés financiers sont censés faire de leur mieux pour obtenir les informations dont ils ont besoin, soit directement auprès des entreprises bénéficiaires, soit en effectuant des recherches supplémentaires. Ils peuvent également coopérer avec des fournisseurs de données tiers ou des experts externes, ou encore émettre des hypothèses raisonnables. Il convient de noter que les acteurs des marchés financiers doivent également rendre compte de ce qui constitue leurs meilleurs efforts.

Dans cette situation, l'utilisation de données modélisées par les acteurs du marché financier est une solution pour relever le défi du manque de données - cette stratégie répond aux critères de l'attente d'utilisation des meilleurs efforts. Par exemple, les données modélisées permettent aux acteurs du marché financier de fonder leurs informations sur une approche vérifiable et utilisée par d'autres acteurs du marché pour formuler des hypothèses raisonnables sur les impacts des facteurs de durabilité.

Télécharger le rapport complet

_______________
1. Pour le site clé SFDR PAI, notre expertise en science des données nous a permis de multiplier la couverture des données par cinq, en moyenne. Dans certains cas, lorsqu'aucune donnée n'était disponible, nous avons développé des ensembles de données entièrement nouveaux. Outre les problèmes de couverture, les acteurs des marchés financiers sont également confrontés à des problèmes de fiabilité des données déclarées, un autre domaine dans lequel notre approche de la science des données apporte des améliorations significatives.