L’IA au service de la finance durable grâce à l’analyse des métriques ESG

La finance durable, qui consiste à prendre en compte les facteurs ESG (environnementaux, sociaux et de gouvernance d'entreprise) lors des décisions d'investissement, est rapidement devenue un catalyseur de milliards d’euros dans l'industrie financière mondiale. 

L'industrie ESG, dont l’influence et la croissance se développent, représente aujourd'hui 40 000 milliards de dollars. Ce qui amène les institutions financières, telles que les banques d'investissement, les organismes de gestion d'actifs, les sociétés de fusion et d'acquisition, mais aussi les états et les régulateurs à s’intéresser de plus près à l’impact de leurs opérations. Et l’une des pistes de réflexion est notamment de faire appel à l’intelligence artificielle. Plus précisément une de ses disciplines : le traitement du langage naturel ou NLP. 

Collecter des données ESG grâce au traitement du langage naturel

L'objectif d’évaluer une organisation ou un pays à partir de paramètres environnementaux, sociaux et de gouvernance, est de comprendre son niveau de maturité en matière de durabilité et de répondre à des investisseurs de plus en plus exigeants. Par exemple, adopter une approche ESG pour investir dans une entreprise de véhicules électriques ou de batteries, suppose un choix d’investissement en faveur d’une entreprise durable et respectueuse du climat plutôt qu’une entreprise automobile traditionnelle qui n'a pas ou moins d’exigences environnementales particulières. 

Étroitement liées à la finance comportementale, les mesures de données ESG ne sont pas les mêmes que celles du marché et leur collecte et partage n’est pas standardisé. La manière dont elles sont présentées peut différer d’une organisation à l’autre, au point qu’elle nécessite de nouvelles méthodes d’analyse, plus standardisées. 

C'est là que l'intelligence artificielle peut jouer un rôle, plus précisément grâce au traitement du langage naturel (NLP). Le NLP est une forme d'IA qui permet aux ordinateurs de traiter du texte et d'interpréter la signification des mots, des phrases et des paragraphes de manière contextuelle. Dans le domaine de l'ESG, le NLP peut être utilisé pour lire, analyser et interpréter des données provenant de diverses sources afin de compiler et présenter des données sur les facteurs ESG. 

Reprenons l'exemple de la recherche d'une entreprise de véhicules électriques ou de batteries dans laquelle investir : le NLP peut être utilisé pour extraire des données basées sur différents mots-clés, tels que « véhicule électrique », « technologie de batterie », « solaire », ou « gouvernance ». Ces termes permettent alors d'identifier des informations ESG clés sur les entreprises de l'industrie automobile. Les informations utilisées pour la recherche de données peuvent provenir de n'importe quelle source textuelle, comme des rapports trimestriels ou annuels, de documents privés et publics, et ce, soit à partir d'un lot bien défini de données, soit en utilisant des données évolutives en temps réel. 

Les analystes financiers ont développé des pratiques de collecte d'informations publiques, non publiques et non matérielles à propos d’une entreprise donnée pour en déterminer la valeur et formuler des recommandations à son sujet. Il est donc facile d’imaginer qu’une même collecte d'informations puisse être effectuée pour collecter ses données ESG.

Compiler les métriques ESG avec l'IA

Les données extraites pour comprendre les indicateurs ESG proviennent de sources multiples et non standardisées, et sont compilées sous forme de données alternatives ou non structurées pour en assurer l’analyse et la compréhension grâce au NLP.

Dans notre exemple de véhicule électrique, un constructeur de véhicules à énergie alternative peut disposer de beaucoup plus de données sur sa technologie de batterie, dans différents formats, qu'une organisation qui n'est pas aussi avancée. Une grande puissance de calcul par l’IA peut donc s’avérer utile voire indispensable pour traiter ces vastes quantités de données recueillies. La construction d'un algorithme NLP demandera un pipeline de modèles d'IA pour la reconnaissance des entités nommées et les graphes de connaissances, ainsi que des techniques telles que l'analyse des sentiments, la recherche sémantique et le résumé. Les algorithmes NLP d'apprentissage profond tels que BERT, GPT-3 qui gagnent actuellement en popularité dans l'industrie financière et d'autres algorithmes peuvent être utilisés pour l'analyse NLP ESG.

En utilisant des modèles NLP alimentés par GPU, l'analyse des mots-clés et des sentiments peut être effectuée sur les données non structurées pour rassembler des données structurées sous forme de métriques ESG, qui peuvent ensuite être utilisées par des modèles financiers pour la prise de décision financière. 

Le traitement du langage naturel au service de la finance durable

L'ESG est encore une tendance relativement nouvelle dans les services financiers, au même titre que l'IA, le traitement du langage naturel et le deep learning. 

Mais cette tendance croissante à prendre en compte les critères ESG est en train de changer l'industrie financière. Aujourd'hui, les entreprises comme les tendances financières sont évaluées d'un point de vue ESG pour faciliter les décisions financières. L'utilisation du NLP peut accélérer le processus de collecte d'informations importantes et pertinentes pour ensuite servir à l'analyse de métriques. 

Pour les organisations qui cherchent à mettre en œuvre leurs propres algorithmes, la facilité de le faire va généralement dépendre de leur infrastructure d'IA et de leur capacité à gérer les données. 

Alors que le monde est de plus en plus conscient des défis liés à la durabilité, les organisations réalisent de plus en plus qu'elles doivent prendre leur part de responsabilité en prenant des décisions d'investissement durables qui profitent au monde entier. L'IA est capable d’aider à l’accélération de l’efficacité environnementale de quasi toutes les industries et participe déjà au plus grand défi du monde : un avenir durable.