De plus en plus, les consommateurs privilégient des entreprises soucieuses de leur politique ESG ; les salariés considèrent les indicateurs environnementaux, sociaux et de gouvernance comme importants dans le choix de leur futur employeur et les institutions gouvernementales et de réglementation commencent également à s’y intéresser.
De nombreuses institutions, gouvernementales ou de réglementation, ont imposé, ou envisagent d’imposer, une collecte et un reporting des données ESG aux entreprises sous leur autorité. En décembre 2022, l’Autorité bancaire européenne (ABE) a publié son plan d’action en matière de finance durable. Cette feuille de route, une compilation de principes et de règles destinés à mieux pallier les risques en matière d’ESG dans le secteur bancaire, entrera progressivement en vigueur ces trois prochaines années.
En amont de ce plan d’action, de nombreuses banques européennes ont déjà entrepris de développer ou de moderniser les plateformes de données ESG pour mettre en œuvre ces changements en matière de financement vert. Ces organisations se concentrent principalement sur l’intégration flexible de ces nouvelles sources de données et sur les nouveaux types et formats de données qu’elles devront traiter en vertu du plan d’action de l’Autorité bancaire européenne.
Collecter les données n’est pas aisé
Il existe deux types de flux de données ESG : « inside-out » et « outside-in ». Les données inside-out sont fournies par les entreprises pour être ensuite analysées. Elles accusent généralement un retard de 6 à 12 mois sur la situation qu’elles reflètent en raison du rythme de publication annuel des entreprises. Les données outside-in, quant à elles, sont régulièrement mises à jour, parfois même en temps réel, et proviennent de la large gamme de données, financières et commerciales, à laquelle les banques ont accès par le biais de leurs clients. Ce type de données a un impact plus ponctuel et permet d’éviter des dommages collatéraux dus à des relations entre fournisseurs qui n’étaient clairement identifiées comme à risque ou simplement à une combinaison de plusieurs sources de données différentes (par exemple des images satellites de champs montrant le niveau d’eau couplées à des données sur les échanges commerciaux).Le volume et la diversité des données ESG rendent leur collecte difficile et dépendent de la variété, de la vitesse et du volume de données au sein-même de l’organisation. À l’inverse de la plupart des ensembles de données financières qui sont numériques, les indicateurs ESG peuvent inclure des données à la fois structurées et non structurées (comme par exemple des vidéos).
Par ailleurs, la vitesse de collecte et d’analyse des données ESG augmentent considérablement au fur et à mesure que les entreprises intègrent ces données en temps réel. Par exemple, le contrôle préalable des prêts dépendait jusqu’à maintenant des données ESG trimestrielles, mais face à la demande d’approbation plus rapide des prêts de la part des clients, les institutions financières devront de plus en plus s’appuyer sur des données en temps réel.
Compte tenu de l'augmentation de la variété et de la rapidité des données ESG, il est probable que le volume de données à stocker et à analyser augmentera également.
En outre, il n’existe encore aucune norme universelle en matière de données ESG, ce qui oblige les entreprises à tenir compte de normes et d’obligations différentes en matière de données en fonction de la zone où elles opèrent.
Se familiariser avec les données ESG en temps réel
Les données ESG permettent en premier lieu d’obtenir une image fidèle de ce qui se passe au moment de leur utilisation. C’est pourquoi un nombre croissant d’entreprises intègrent des données en temps réel à l’analyse, au reporting et à l’évaluation en matière d’ESG. Ce procédé nécessite l’emploi de technologies comme le cloud computing, l’intelligence artificielle et l’apprentissage automatique pour analyser instantanément les dernières actualités afin de trouver des données ESG relatives à leurs investissements ou d'incorporer les données satellitaires les plus récentes aux rapports sur l'impact environnemental de l’entreprise, par exemple.En utilisant des plateformes de données en temps réel, les gestionnaires d’actifs et de fonds peuvent calculer les scores ESG pour guider les investissements et la prévision des risques. Les opérateurs commerciaux peuvent également garantir le contrôle de leur chaîne d’approvisionnement et des unités de production directe chez les tiers.
Des prêts, des indicateurs et des données plus vertes au service de la finance verte
Dans le plan d’action de l’Autorité bancaire européenne, l’une des utilisations prévues des données ESG sont les prêts à vocation écologique, ou la « finance verte ». Ces prêts, souvent appelés “prêts verts”, sont accordés aux PME ou aux clients de la distribution qui souhaitent amorcer une transition écologique, par le biais de panneaux solaires ou d’un investissement dans les énergies renouvelables par exemple.Cela signifie que les banques devront revoir leurs critères d’évaluation pour les prêts verts afin de tenir compte des changements dans les indicateurs de performances ajustés au risque, ce qui impactera l’acceptation des prêts et des hypothèques et impliquera de reconsidérer les prêts déjà accordés.
Ces changements auront un impact significatif sur le processus d'octroi des prêts et sur les systèmes de données qui le soutiennent. Les banques doivent réfléchir à la manière dont elles vont gérer l’évolution et les changements imprévus, la collecte de différents attributs de données pour un même produit ou prêt, l’intégration de nouveaux types et formats de données et à comment tirer des enseignements de l'explosion des données, tout en continuant de répondre aux exigences des clients et de la concurrence.
Pour s'assurer de garder une longueur d'avance sur les changements de réglementation, qui devraient être nombreux au cours des prochaines années, il est important de disposer d'une infrastructure capable de traiter une large gamme de types de données, de consolider des données provenant d'ensembles cloisonnés, de permettre des recherches faciles et de créer des vues personnalisées des données afin qu'elles puissent être utilisées dans l'ensemble de l'entreprise.
Par Boris Bialek, Global Head of Industry & Solutions chez MongoDB
