Exploration des services financiers verts, partie 3

Ce billet de blogue en quatre parties aborde les services financiers verts qui font actuellement leur apparition sur le marché, et se penche particulièrement sur leur prolifération et leur importance. Dans la première partie, nous avons fait un survol de la finance et des obligations vertes, tandis que dans la deuxième partie, nous avons examiné les prêts liés à la durabilité et le financement durable de la chaîne d’approvisionnement.

Dans la troisième partie, nous explorerons la relation entre la finance verte, les notations ESG et l’intelligence artificielle.

Exploiter la puissance de l’intelligence artificielle

La finance est un véritable levier pour inciter les entreprises à adopter des pratiques écoresponsables. Les banques et les autres institutions financières sont les piliers du financement durable de la chaîne d’approvisionnement et jouent un rôle central dans la sensibilisation et l’adhésion des entreprises à leurs nouveaux programmes et services verts.

Dans tous leurs services et secteurs d’activité, les banques s’efforcent d’améliorer l’intégration de leurs priorités environnementales, sociales et de gouvernance (ESG) à leurs produits de base et à leurs processus de revue diligente, y compris aux processus de connaissance du client. Elles élaborent également de nouveaux modèles de notation des activités écoresponsables des entreprises, qui sont fondés à la fois sur les données ESG et sur les données de connaissance du client.

Le déploiement accru d’outils d’intelligence artificielle (IA) aide les banques à mener ces projets à bien en améliorant leur analyse des données ESG. Pour arriver à leurs fins, elles doivent extraire des renseignements exploitables des données en vue de guider leurs stratégies d’investissement durable et leurs notations ESG, et ce, à court terme comme à long terme.

Évaluer les risques

L’évaluation du rendement ESG d’une entreprise présente certains risques, car les fournisseurs de notations ESG utilisent des cadres, des mesures, des indicateurs, des données et des analyses qualitatives différents. Bien qu’elles se fient de plus en plus aux notations ESG depuis l’an dernier, il est rare que les banques disposent des outils nécessaires pour intégrer efficacement et adéquatement ces notations à leur processus décisionnel.

De plus, une grande partie des analyses de données ESG portent sur des éléments non financiers des activités de durabilité d’une entreprise. Des études soulèvent également des doutes quant à la fiabilité des données ESG et de connaissance du client. On constate fréquemment des écarts en matière de disponibilité des données, des inexactitudes et une faible comparabilité entre les données issues de différents fournisseurs de services ESG. Par conséquent, il est difficile pour les banques d’analyser les notations ESG et d’assurer la cohérence des résultats.

Évaluer les avantages

L’IA peut aider les banques à prendre des décisions éclairées à partir des données ESG. Elle élimine notamment la subjectivité et les biais cognitifs qui peuvent fausser les résultats d’une analyse traditionnelle, réduit le bruit dans les données ESG et permet d’exploiter les données non structurées. Plus précisément, l’IA donne aux banques l’occasion d’utiliser le traitement du langage naturel pour analyser des quantités massives de données non structurées – celles tirées de la géolocalisation et des médias sociaux, par exemple – afin d’effectuer une analyse d’opinion et de détecter les tendances et les relations entre les données.

Les résultats de telles analyses peuvent servir à attribuer des valeurs quantitatives à des données qualitatives pour les paramètres de durabilité. La clarté de cette évaluation représente ce que l’IA a de meilleur à offrir.

Autres champs d’application de l’IA

De nouveaux types de fournisseurs de notations ESG ont fait leur apparition sur le marché dans les dernières années. Ces fournisseurs proposent des notations fondées sur l’IA qui visent à présenter une perspective objective et externe du rendement d’une entreprise en matière de durabilité. Certains experts doutent que ces nouvelles notations prennent la place des notations traditionnelles, mais prédisent qu’elles seront utilisées pour approfondir les connaissances existantes sur l’acheteur, le fournisseur et le client.

D’ailleurs, l’IA pourrait même être utilisée par les entreprises notées pour améliorer leur prise de décision et leur orientation stratégique en matière d’ESG. En outre, l’exploitation de l’IA pour générer des notations ESG pourrait minimiser les risques d’écoblanchiment chez les entreprises en mettant au jour des données moins facilement accessibles au sujet de leurs pratiques de durabilité. Il s’agit d’un autre contexte où la puissance de l’IA pourrait être particulièrement utile.

Dans notre prochain et dernier billet de cette série, nous discuterons de l’avenir de la finance verte et des façons de prendre le virage vert. Entre-temps, si vous souhaitez obtenir davantage d’information sur ce sujet ou sur tout autre thème connexe, n’hésitez pas à nous écrire à nancy.amert@cgi.com ou andy.schmidt@cgi.com.