Briser la perception des estimations des données ESG

Les estimations peuvent aider à relever les défis liés aux données ESG afin de libérer de la valeur pour les marchés privés.

Ces dernières années, l'ESG a fait la une des journaux, avec un intérêt accru de la part des investisseurs et des préoccupations croissantes quant au risque d'écoblanchiment. La nécessité de disposer de données fiables est devenue de plus en plus pressante. Néanmoins, un obstacle notable persiste sous la forme d'une disponibilité limitée des données ESG - un défi qui peut être relevé efficacement par l'utilisation d'estimations. 

Malgré l'acceptation généralisée des estimations dans d'autres domaines de l'analyse des investissements, tels que la valeur temporelle de l'argent ou les compromis risque/rendement, l'utilisation des estimations des données ESG suscite encore des réticences.

Pour comprendre la valeur potentielle des données ESG estimées, il faut expliquer le processus d'élaboration de ces estimations et la manière dont elles peuvent mettre en lumière des facteurs de durabilité essentiels. Ces estimations soutiennent une série de cas d'utilisation, y compris la gestion des investissements, et peuvent initier des conversations significatives, combler des lacunes importantes en matière de données et, en fin de compte, permettre aux investisseurs de prendre des décisions mieux informées.

Le besoin d'estimations

Les marchés privés sont de plus en plus reconnus pour le rôle qu'ils peuvent jouer dans la résolution des problèmes environnementaux et sociaux. Cependant, ils restent à la traîne par rapport aux marchés publics, notamment en ce qui concerne la publication de données sur le développement durable. Et même lorsque des données sont publiées, elles ne sont pas toujours complètes, impartiales ou calculées de manière à permettre des comparaisons faciles.

Le fait des'appuyer uniquement sur les données déclarées peut introduire des biais, en raison des déséquilibres entre les ressources. Par exemple, certaines régions comme l'Asie-Pacifique affichent des taux de divulgation nettement inférieurs à ceux de régions comme l'Europe. Si l'on considère l'un des paramètres les plus couramment déclarés au niveau mondial, les émissions du champ d'application 1, les données disponibles déclarées pour ce paramètre dans cette région s'élevaient à 23 % en 2021, ce qui contraste avec des régions comme l'Europe où ce chiffre atteignait 38 %¹.. De même, au cours de la même année, les entreprises à petite capitalisation n'ont communiqué que 24 % de leurs données Scope 1, tandis que les entreprises à moyenne capitalisation en ont communiqué 56 % et que les entreprises à grande capitalisation ont ouvert la voie avec un taux de déclaration de 82 %².. Ce manque d'exhaustivité des rapports s'explique par divers problèmes, notamment des ressources limitées, un manque d'expertise en matière de développement durable et des priorités concurrentes.

Les estimations deviennent donc un outil essentiel pour combler ces lacunes, permettant aux investisseurs de mieux comprendre les performances globales de leurs investissements en matière de durabilité et, à leur tour, de prendre des décisions éclairées qui favorisent les pratiques durables.

SFDR Étude de cas - Reconnaître la nécessité des estimations

Le règlement reconnaît le rôle vital que peuvent jouer des estimations fiables. Le règlement de l'UE sur la divulgation en matière de financement durable (SFDR ) exige des participants aux marchés financiers qu'ils publient un certain nombre d'informations liées au développement durable. Pour ceux qui emploient plus de 500 personnes - en vertu de l'article 4 de SFDR - il est obligatoire de rendre compte chaque année, au niveau de l'entité, de leurs performances sur 18 indicateurs d'impact négatif principal (IAP) obligatoires et sur deux indicateurs parmi une série de 46 autres IAP pour l'ensemble de leurs investissements³..

Toutefois, lorsqu'il n'est pas possible d'obtenir des rapports directs des entreprises détenues, le siteSFDR autorise le recours aux "meilleurs efforts" "en effectuant des recherches supplémentaires, en coopérant avec des fournisseurs de données tiers ou des experts externes, ou en formulant des hypothèses raisonnables". Cette approche reconnaît les difficultés liées au calcul d'indicateurs de durabilité complexes tout en mettant l'accent sur l'utilisation des meilleures ressources disponibles, y compris des estimations dans des situations spécifiques⁴..

Obtenir les estimations les plus fiables

Dans le paysage complexe des données de durabilité, Clarity AI se distingue en fournissant des estimations fiables. Notre approche combine l'apprentissage automatique (ML) et l'intelligence artificielle (AI) pour construire des modèles robustes, essentiels pour les investisseurs à la recherche d'informations complètes sur le développement durable. Ces modèles sont la création collaborative d'experts en science des données et en durabilité, élaborés à l'aide de techniques de pointe et d'une infrastructure solide. Cette approche garantit non seulement la production d'estimations solides, mais aussi la capacité à les valider et à les expliquer. 

L'une des caractéristiques de nos modèles ML est leur capacité à comprendre les relations complexes et non linéaires entre les diverses caractéristiques des entreprises et leur performance environnementale. Ces modèles analysent habilement l'interaction de facteurs tels que le type d'entreprise, la localisation, la performance financière, la taille et les conditions macroéconomiques plus larges, offrant ainsi une compréhension nuancée des mesures de durabilité.

La qualité des données est essentielle dans notre processus. La seule façon de créer des modèles solides est de les alimenter avec des informations de haute qualité. C'est pourquoi nous mettons en œuvre des méthodes rigoureuses pour collecter des données fiables et de haute qualité, complétées par des algorithmes ML avancés tels que la détection d'anomalies et les méthodes de classification pour éliminer les échantillons non fiables. Cette approche méticuleuse garantit la précision et l'évolutivité de notre traitement des données et nous permet d'utiliser les bonnes données pour entraîner nos modèles afin qu'ils puissent apprendre des signaux significatifs.

En fusionnant ces données déclarées soigneusement sélectionnées avec nos estimations fiables, nous pouvons obtenir des références sectorielles, dotant ainsi les investisseurs de données auxquelles ils peuvent se fier pour combler les lacunes et modéliser les performances des entreprises privées qui ne déclarent pas leurs résultats.

Comment les estimations des données ESG entraînent un changement positif

Les investisseurs qui intègrent des estimations dans leurs rapports font preuve d'un engagement tourné vers l'avenir pour encourager des pratiques durables et transparentes tout en mettant en œuvre les outils nécessaires pour permettre des conversations et un engagement significatifs avec les entreprises dans lesquelles ils investissent. À mesure que les méthodologies et les normes évoluent, les estimations offrent une solution pragmatique pour combler les lacunes en matière d'information. En fin de compte, l'utilisation d'estimations ESG favorise une culture d'amélioration continue et de meilleures pratiques ESG sur les marchés privés.

C'est dans cette optique que Clarity AI s'est associé à eFront, qui fait partie de BlackRock, afin d'intégrer ses estimations et ses connaissances de premier plan, fournies par le biais d'indices de référence sectoriels, directement dans le flux de travail des investisseurs par le biais de la plateforme plateforme eFront Insight. Tirer parti de ces références sectorielles, eFront General Partner (GP) et Limited Partner (LP) d'eFront peuvent générer une base de référence initiale de la performance de durabilité de leurs investissements. Ces capacités technologiques avancées permettent aux GP et aux LP de répondre à des exigences clés, telles que les divulgations réglementaires, tout en travaillant à la divulgation de données complètes.

Cette base permet également aux participants d'évaluer leurs portefeuilles, de donner la priorité à l'engagement dans des investissements spécifiques et d'obtenir une vue unifiée de leur portefeuille.

Dans le paysage en constante évolution de l'investissement ESG, les estimations jouent un rôle essentiel pour libérer le potentiel des marchés privés afin de susciter des changements positifs et de promouvoir des pratiques durables. Adopter les estimations n'est pas seulement un choix pratique, c'est un mouvement stratégique vers un avenir d'investissement plus responsable et plus transparent.

¹Cetteanalyse a été réalisée à partir d'un ensemble de 16 183 entreprises dont les données sur les émissions du champ d'application 1 pour 2021 étaient disponibles. La composition de l'échantillon est la suivante : 92 % d'entreprises publiques, 3,6 % d'entreprises privées, 3,6 % d'entreprises publiques d'investissement et 0,8 % d'autres entités.

Lesentreprises à petite capitalisation sontdéfinies comme celles dont la capitalisation boursière est inférieure à 2 000 millions d'USD, les entreprises à moyenne capitalisation ont une capitalisation boursière comprise entre 2 000 et 10 000 millions d'USD, et les entreprises à grande capitalisation ont une capitalisation boursière supérieure à 10 000 millions d'USD.

N.b. dans leur récent rapport final rapport sur les projets de normes techniques réglementaires, les AES suggèrent un certain nombre de changements, notamment l'introduction d'autres IPA obligatoires.

⁴Voir parexemple une récente publication de l'ESMA récente de l'ESMA sur l'utilisation des estimations