Nos Experts

Alain BUENO
Directeur – Practice CIB & Investment Services

Gwenn LE PAVIC
Partner – Practice CIB & Investment Services

Frédéric VAN KOTE 
Manager KM – Practice CIB & Investment Services

Données ESG : Un état des lieux

Limites actuelles et évolutions en cours

Avec la prise de conscience progressive depuis quelques années des enjeux Environnementaux (E), Sociaux (S), et de Gourvernance (G) renforcée récemment par la crise sanitaire de la Covid 19, l’intérêt porté à la finance durable et aux stratégies d’investissement responsables est devenu de plus en plus prononcé. Ainsi, la vague réglementaire en matière de reporting extra-financier a sonné le glas d’un modèle où les performances d’une entreprise et l’implication des différentes parties prenantes (investisseurs, gérants d’actifs, analystes…) n’étaient fondées que sur des critères purement économiques et financiers.

Au cours des 30 dernières années et particulièrement au cours de la dernière décennie, la prise en compte de données ESG, données extra-financières, a connu un essor remarquable qui influence les choix des différents acteurs économiques (états, entreprises, investisseurs, asset managers, …). Le nombre d’entreprises de l’indice S&P500 publiant des rapports ESG a connu une croissance fulgurante, passant de 20% en 2011 à 82% en 2016 (Source : Governance & Accountability Institute, Inc. 2017 Research). Depuis le lancement en 2006 par l’ONU des Principles for Responsible Investment (PRI), charte d’engagements volontaires destinée au secteur financier, le volume d’actifs sous gestion suivant des critères ESG est passé de 12.000 milliards de dollars en 2012 à 42.000 milliards en 2020, avec une croissance annuelle de 19%. La tendance se maintiendrait puisque Bloomberg estime que ce volume atteindra 53.000 milliards d’ici 2025, soit alors 38% des actifs totaux sous gestion dans le monde. Les fournisseurs de données ESG ont bénéficié de cette demande accrue et la diversification de leurs offres pose désormais d’une part la question primordiale de la pertinence, la cohérence et la comparabilité de cet univers et d’autre part la réglementation, la standardisation de cet univers de données extrêmement large.

Quels constats pour les données ESG ?

Chaîne de valeur de la donnée ESG

Le cheminement de la donnée ESG permet d’en exhiber la chaîne de valeur et de décrire les différentes phases par lesquelles elle transite. Mais, avant de prendre en considération les données extra-financières disponibles, les différentes parties prenantes doivent au préalable en saisir la diversité et l’aspect hétérogène. Les principales difficultés auxquelles elles sont confrontées sont respectivement l’accès à la pertinence de la donnée, la qualité de la donnée, et enfin l’homogénéisation et la standardisation de la donnée

On pourrait ainsi classer les sources de données ESG en quatre catégories :

1/ Les publications obligatoires : il s’agit d’informations issues de rapports réglementés et à caractère obligatoire (tel que, en Europe, la Non-Financial Reporting Directive NFRD) auxquelles sont soumises les entreprises à une fréquence déterminée ou non.

2/ Les publications volontaires : à l’initiative de l’entreprise elle-même, ces données sont par exemple issues de son site internet ou encore de rapports d’étude volontaires destinés à mettre en lumière son expertise métier et/ou académique sur le sujet de la durabilité.

3/ Les sources publiques et alternatives : essentiellement composées d’informations relayées via différents médias ou de communiqués issus d’ONG, d’organismes étatiques ou de groupes de recherche universitaires.

4/ Enfin, les données ESG chiffrées : provenant d’agences de notation et d’audit ESG (et plus récemment de fintechs) qui ont développé leur propre algorithme de traitement de données afin d’en extraire des indicateurs, des coefficients clés ou encore des scorings.

A cette pluralité de sources s’ajoutent des biais inhérents à la collecte et au traitement des données. A titre d’exemple, le rapport détaillant la méthodologie de scoring de Morgan Stanley Capital International (MSCI) fait état de données « volontaires » ne dépassant pas 35% du volume de données utilisées dans l’algorithme, obligeant ainsi l’agence à avoir recours à des sources de données alternatives. Parmi ces données alternatives, on observe par exemple encore trop peu d’informations relatives aux enjeux ESG dans l’actualité financière relayée par la presse, environ 2% selon la Deutsche Bank contre plus de la moitié qui traite des revenus. La difficile mise à disposition des données, en amont de leur exploitation, rend la normalisation des notations moins évidente. Ajouté à cela, les fournisseurs de données ESG procèdent souvent à l’estimation des données manquantes, avec plus ou moins de fiabilité, afin de répondre aux exigences accrues d’investisseurs en quête d’informations plus spécifiques dans un environnement en peine de standardisation.

Par ailleurs, la question de l’objectivité des reportings ESG se pose car ils se font sur la base du volontariat. Des inquiétudes certaines ont entravé la confiance du marché dans la donnée déclarative ESG. Le problème le plus évident est le « green-washing », qui représente une barrière majeure à l’intégration des données ESG (21% selon un rapport de BNP Paribas en 2018).

On entend par green-washing le fait de fournir des informations trompeuses sur la manière dont une entreprise et ses produits sont respectueux de l’environnement ou plus généralement en ligne avec les bonnes pratiques en matière ESG.

Deutsche Bank, dans son rapport « Big data shakes up ESG investing » cite les techniques courantes de green-washing : rapports longs (leur taille a en moyenne doublé en 10 ans), opaques et parfois au sens ambigu, avec peu de métriques, mettant l’accent sur l’innovation plutôt que sur la gestion de problématiques concrètes liées aux critères ESG. L’investisseur est volontairement noyé dans un flux d’informations orientées et peine à dégager les axes principaux sur lesquels fonder ses stratégies.

Face à cette tendance, deux approches existent : MSCI ouvre le dialogue en offrant un droit de regard et de correction aux entreprises sur les données collectées les concernant, tandis que d’autres fintechs telle que Covalence refusent ce biais en excluant tout bonnement l’entreprise comme source de données.

 

Un paysage d’acteurs qui s’affine

Vers la fin des années 1980, les premiers producteurs et analystes de données ESG étaient essentiellement de petite taille et européens. Face à une demande accrue et pour assurer la pérennité de l’activité, le marché des fournisseurs de données ESG s’est rationalisé. On assiste ces dernières années aux rachats de structures européennes par de grands acteurs anglo-saxons plus établis dans le business de la collecte/diffusion de données ainsi que dans la production de notations extra-financières.

Ces acquisitions ont permis aux grands groupes de diversifier les services offerts. Ainsi, un producteur d’indices tel que MSCI (détenteur de Riskmetrics et, plus récemment, de Carbon Delta) se dote d’équipes importantes dédiées pour des tâches aussi diverses que l’analyse de gestion du risque ESG, le suivi des controverses (scandales et violation du droit international) ou encore le screening dans le but de filtrer le panier d’investissements.

Ces nouveaux entrants dans l’univers ESG, parmi lesquels des fournisseurs historiques de données financières tels que Bloomberg, des bourses de valeurs à l’instar du London Stock Exchange (LSE) ou encore des agences de notation financière du type Moody’s, ont apporté davantage de clarté au paysage ESG en agrégeant de petits acteurs spécialisés.

Une divergence des notations

Plusieurs études académiques ont cependant été publiées ces dernières années sur la question de la cohérence et l’homogénéité des rankings ESG. Une étude de F. Berg, J. F. Koelbel, et R. Rigobon datée de 2020 a mis en lumière les divergences de notation qui existent sur le même échantillon d’étude. En considérant les données issues de six agences de notation de premier plan – à savoir KLD (MSCI Stats), Sustainanalytics, Vigeo Eiris (Moody’s), RobecoSAM (S&P Global), Asset4 (Refinitiv) et MSCI – l’analyse a permis d’évaluer la corrélation entre leurs scores extra-financiers à 0.54 en moyenne tout en constatant que cette corrélation chutait pour les scores relatifs aux dimensions sociales et de gouvernance à respectivement 0.42 et 0.30. Le tableau ci-dessous présente les résultats des corrélations entre scores ESG (au sens global) ainsi que spécifiquement entre les scores environnement (E), social (S) et gouvernance (G). Les acronymes KL, SA, VI, RS, A4 et MS désignent respectivement les agences de notation citées plus haut. On constate que KLD et MSCI sont globalement moins corrélées aux autres agences et que cette divergence se ressent particulièrement au niveau des aspects de gouvernance. Les analyses expliquent ces disparités selon trois axes principaux et d’importance décroissante : la divergence des métriques (pour une firme donnée et un critère fixé, la mesure de la même performance se fait selon des métriques différentes), la différence de scoping (par exemple, les activités de lobbying ne sont pas prises en compte dans la notation de certaines agences) et, enfin, les poids alloués aux mêmes critères qui ne sont pas identiques d’une agence à l’autre.

Par ailleurs, les choix de méthodologie pour pallier les données manquantes tendent à influencer la notation des entreprises. Ainsi, diverses approches sont adoptées allant de la non prise en compte (poids attribué à 0 comme l’applique MSCI) de ces données, à la pénalisation des entreprises ne les produisant pas via des malus. Une autre option consiste à combler les trous d’information par des modèles statistiques, ce qui rend les estimations de données (et donc les notations induites) dépendantes des paramètres de ces derniers.

Paradoxalement, on observe que plus une entreprise produit de l’information extra-financière, plus la divergence des notations est amplifiée. Dans certaines nomenclatures de reporting ESG, un thème central tel que le bien-être des employés peut être abordé à travers une vingtaine de critères souvent redondants. Cet afflux de données sur le même sujet est capté puis traité par des métriques différentes selon les agences, amplifiant ainsi les divergences de mesure.

Certaines entreprises ne sont pas en reste et exploitent les défaillances de l’intelligence artificielle et du machine learning associé, devenu presque indispensable face à l’afflux exponentiel de données, afin de tirer leurs scores ESG vers le haut. C’est notamment le cas aux Etats-Unis où les reportings réglementaires doivent être produits sur une base trimestrielle, ce qui incitent les entreprises conscientes des limites des systèmes à en profiter pour manipuler les signaux d’investissement.

Comment ? Selon Deutsche Bank, l’analyse montre que la sémantique des rapports successifs est ajustée afin de brouiller les algorithmes et dégager une impression plus « positive ».

Enfin, la divergence de notation est accentuée par ce que l’on pourrait appeler le biais de la capitalisation : une différence de 1 Mrd USD de capitalisation entre deux entreprises se traduit en moyenne par 3.5 points d’écart dans le score ESG. Ceci s’explique par le fait que les grosses capitalisations sont probablement plus en capacité d’allouer des ressources dédiées à la production de reporting ESG.

VERS UNE FIABILISATION DE LA DONNÉE ?

 

Un univers ESG plus normé

Dans ce « Big Data » ESG, l’écart entre les attentes des investisseurs et les promesses faites par les entreprises et les fonds d’investissement institutionnels est désormais dans le viseur des régulateurs de marché.

Afin de garantir une donnée de meilleure qualité et comparable, l’harmonisation des normes ESG entre les différentes entreprises mais aussi entre le reporting des entreprises et des investisseurs est un prérequis fondamental. Elle est fortement demandée à travers le monde par les investisseurs et les agences de notation comme Fitch. L’enjeu est stratégique car ce sont ces normes qui vont définir la valeur globale (valeur financière + valeur ESG) des entreprises, qui a de plus en plus d’incidence in fine sur la valeur des actions en bourse. En 2020, on a pu constater que les entreprises ayant les meilleures notes ESG ont surperformé par rapport aux indices de référence.

Au sein de l’Union européenne, la révision de la directive sur le reporting non financier (NFRD) doit justement amener à une meilleure harmonisation des normes, dans une logique de double matérialité (impact des enjeux environnementaux et sociaux sur l’activité de l’entreprise et l’impact des activités de l’entreprise sur l’environnement et sa sphère d’influence). La NFRD révisée obligera les grandes entreprises de l’UE à fournir des informations publiques sur la durabilité plus détaillées et standardisées à partir de 2021.

En octobre 2020, la Banque d’Angleterre a appelé toutes les entreprises à mesurer, modéliser et divulguer leurs risques climatiques et a incité les acteurs à se mettent d’accord sur un cadre unique pour rendre les divulgations cohérentes, les décisions utiles et prospectives.

Aux Etats-Unis, les acteurs privés américains se rapprochent pour promouvoir leur cadre de reporting. Ainsi, en septembre 2020, le Climate Disclosure Standards Board (CDSB), le Global Reporting Initiative (GRI), le Sustainability Accounting Standards Board (SASB), l’International Integrated Reporting Council (IIRC) ont annoncé qu’ils allaient travailler ensemble à une harmonisation via un système de reporting unique, ayant déjà abouti à une fusion de l’IIRC et du SASB en novembre 2020. Ces acteurs de référence à l’international pèseront sans aucun doute sur la portée du travail européen.

L’IFRS Foundation, qui gère les normes comptables au niveau international travaille également sur des standards de reporting ESG.

Une fois ces nouvelles normes mises en place, les investisseurs devraient être mieux informés sur les données climatiques et environnementales des entreprises et sur la durabilité de leurs investissements.

Une réglementation européenne encadrant les critères ESG

L’autorité bancaire européenne (ABE) a lancé en novembre 2020 une consultation auprès des établissements de crédit et des entreprises d’investissement afin d’intégrer les facteurs et les risques ESG dans la réglementation générale de la gestion des risques. Son action s’inscrit dans le cadre de ses travaux visant à élaborer un projet de mise en œuvre de normes techniques sur la divulgation d’informations prudentielles sur les risques ESG.

Cette initiative réglementaire intervient alors que la volonté de transiter vers une finance plus verte est plus que jamais à l’ordre du jour. En mars 2018 déjà, la Commission Européenne annonçait la création de la Taxonomie Européenne, outil majeur de classification qui fournit à tous les acteurs financiers une compréhension commune de ce qui doit être considéré comme une activité « verte » ou « durable ».  Elle doit aider les parties prenantes du système financier à orienter leurs investissements vers les activités économiques respectueuses de l’environnement. La Taxonomie a donc une double utilité : assurer la comparabilité des instruments financiers d’un côté et assener un coup presque fatal au green-washing.

En pratique, chaque entreprise dont le domaine d’activité est inclus dans le champ d’application de la réglementation devra calculer un pourcentage d’alignement à la Taxonomie de ses revenus. Les critères de validation ou non dépendant de seuils de performance fondés sur des études scientifiques.

Les résultats de la consultation de l’ABE ont ouvert des perspectives nouvelles telle que l’intégration du risque ESG dans le pricing des instruments financiers. Les banques sont progressivement incitées à tester l’influence des facteurs ESG sur leurs modèles de crédit et les inclure en cas d’impact significatif. Par ailleurs, l’autorité européenne juge pertinent de savoir si les établissements de crédit vont modifier leur notation interne des contreparties afin de prendre en compte leurs risques ESG.

Ainsi, la standardisation insufflée par la Taxonomie EU permettra aux acteurs du marché de comparer et d’évaluer plus facilement l’impact ESG sur la solvabilité des banques.  Ceci est important car les investisseurs et les analystes s’évaluent par rapport à leurs pairs lorsqu’ils mènent leurs recherches et disposer de données comparables permet plus de transparence.

 

Des outils d’analyses plus robustes

Face à la surcharge de données et aux allégations de green-washing, les outils d’intelligence artificielle contribueront également à répondre aux critiques qui leur sont faites concernant la robustesse de leurs algorithmes. La première génération d’algorithmes consistait à parcourir les volumineux rapports ESG en procédant à une simple analyse de sémantique générale. L’automate dégageait ainsi plusieurs classes de mots et en déduisait une note sur une échelle nuancée de « positivité ».

La limite de cette analyse primaire intervient lorsque les reportings s’adaptent à l’algorithme qui les analyse en influençant son résultat. Pour contrer cette faille, l’intelligence artificielle se sophistique et a davantage recours au traitement naturel du langage (NLP) qui permet aux machines de mieux appréhender les subtilités du langage humain.

Poussés par les importants progrès des dernières années, la machine s’emploie désormais à mieux décortiquer le sens des phrases et à ne pas se laisser tromper par une simple profusion de mots positifs. A ce titre, l’outil de Deutsche Bank baptisé Alpha-Dig est un exemple de cette nouvelle génération d’outils plus robuste permettant de lutter contre les abus du green-washing. Il a été conçu pour classifier les différentes tournures de phrases dans les clusters ESG appropriés et établir une matrice de corrélation entre ces clusters. Les résultats à la suite de sa phase d’apprentissage sur les données de 1000 entreprises montrent que les signaux d’achat/vente déduits ont généré une surperformance notable par rapports aux stratégies classiques n’incluant pas ces éléments.

L’accompagnement Harwell Management

Harwell Management vous accompagne non seulement sur la sélection de fournisseurs de données mais également dans l’implémentation des nouvelles réglementations selon trois axes : Stratégie de mise en place (analyse des données et des textes, benchmark, solution SI, organisation), Transformation des Opérations et du SI (process review, évolution du SI, automatisation, change management) et Pilotage (politique de gestion et gouvernance, dashboard et Interface de pilotage, contrôle et reportings).

Harwell Management est un cabinet de conseil reconnu et spécialiste de la transformation des métiers de la Banque et de la Finance en Europe.  Nous accompagnons nos divers clients dans leurs projets, depuis la phase d’étude à l’implémentation des solutions choisies.

L’accompagnement Harwell Management intègre une double approche : une expertise métier associée au savoir-faire méthodologique du management de la transformation.