L’Intelligence Artificielle : Solution contre le greenwashing ESG ?

L’émergence d’une nouvelle génération d’Intelligence Artificielle soulève des questions fondamentales. Faut-il s’inquiéter qu’une photo créée de toute pièce par une IA soit lauréate du Sony World Photography Award ? Qu’une chanson d’Angèle générée entièrement par l’IA soit l’une des chansons la plus écoutée de l’année ? Quels sont les travers de l’IA en matière d’analyse extra-financière ? Et si cette montée fulgurante de l’Intelligence Artificielle nous permettait de répondre à l’un des enjeux majeurs de l’industrie financière : le greenwashing ?

Le greenwashing : un enjeu majeur

Le greenwashing est défini par les autorités européennes de surveillance (AES) comme les « pratiques dans lesquelles les déclarations, les actions ou les communications liées au développement durable ne reflètent pas clairement et équitablement le profil de développement durable sous-jacent d'une entité, d'un produit ou d'un service financier ». Cette pratique peut induire en erreur les consommateurs, les investisseurs ou d’autres acteurs du marché. Ainsi, en mars 2023, la Commission européenne émet une proposition de directive sur les allégations vertes pour que les entreprises justifient ces dernières, notamment sur les aspects environnementaux. En effet, il existe 230 labels de développement durable et 100 labels d’énergie verte dans l’UE, avec des niveaux de transparence divers. Près de la moitié des labels verts ont une vérification faible ou inexistante et 53 % des allégations vertes fournissent des informations trompeuses ou infondées (Commission européenne, Économie circulaire).

Depuis 2018, un changement structurel dans la perception du greenwashing a propulsé le secteur financier (banques, compagnies d’assurance et autres acteurs financiers) au premier plan. À travers une analyse algorithmique des articles du Wall Street Journal, les sujets les plus abordés concernant le greenwashing sont la communication, les sujets liés à la gestion d’actifs ainsi que les obligations vertes et évaluations ESG (Gourier, E. et Mathurin, H. 2022. A Greenwashing Index). En effet, de plus en plus d’acteurs questionnent la construction des scores ESG, soulignant l’opacité entourant la « cuisine interne » du traitement des données brutes par les organismes de notation. En procédant à des analyses textuelles, on peut aussi constater une incorporation croissante des acteurs financiers dans les évaluations extra-financières dont l’exemple premier est Vigeo Eiris (ancienne agence indépendante produisant des informations extra-financières) absorbée par Moody’s en 2019, l’inverse n’étant pas vrai. Ceci soulève des interrogations pour certaines parties prenantes sur la qualité et l’objectivité des notations ESG.

Le 13 juin 2023, la commission européenne a soumis une proposition de régulation des notations ESG afin d’harmoniser les méthodologies et de s’assurer de l’indépendance des évaluations extra-financières.

• Depuis 2003, l’intérêt porté aux rapports de durabilité et à l’Intelligence Artificielle (courbe verte) est passé de 0 publication académique par an à 22 en 2022, malgré une baisse depuis 2021.
• À l’inverse, depuis 2012, l’intérêt porté aux rapports de durabilité et au greenwashing (courbe bleue) est en forte hausse avec une augmentation de 65 % des publications de 2021 à 2022.
• Enfin, depuis 2020, l’intérêt porté au greenwashing et à l’Intelligence Artificielle (courbe jaune) est en hausse.

Pour la Commission européenne, il est primordial de trouver rapidement des mesures concrètes pour lutter contre des pratiques peu transparentes qui conduiraient à des évaluations erronées de performances ESG afin de favoriser une véritable transition vers des pratiques durables.

Diversité des labels, manque de clarté des définitions de durabilité, absence d’un modèle de comptabilité extra-financière représentent des risques et ont créé une prime de risque associée au greenwashing qui semble s’accroître avec le temps.

L’intelligence artificielle : la solution ?

L’Intelligence Artificielle peut-elle nous permettre d’être plus transparent en révolutionnant la façon dont nous accédons à l’information ? Le volume d’articles augmente de façon exponentielle avec la capitalisation boursière du marché. C’est pourquoi, plus d’un article sort tous les jours sur les grandes entreprises tandis qu’il est difficile de trouver des actualités sur les Small caps ou petites entreprises. L’IA peut donc être utilisée pour recenser un important volume de données afin d’analyser les performances ESG d’un émetteur et améliorer la perception des risques liés à la durabilité. De plus, en créant des bases de données statistiquement indépendantes et accessibles dans toutes les langues pour chacun, nous pouvons anticiper certaines controverses grâce à des mots clés (ex : en découvrant une publication locale brésilienne traitant d’une problématique sociale avant même qu’elle ne devienne plus largement connue au niveau national) et s’assurer de l’indépendance des données extra-financières. Ainsi, les erreurs d’interprétation linguistique seront moindres et les sources plus disponibles. Par ailleurs, l’Intelligence Artificielle peut directement prendre en compte les données satellites pour déterminer les risques physiques et les impacts environnementaux. Cette même IA peut nous apporter ainsi de l’efficacité et de l’automatisation. Pour donner un exemple, estimer les données carbone d’une entreprise avant même sa publication annuelle ESG, mais aussi n’importe laquelle des données ESG manquantes (Émission carbone d’un pays, intensité carbone, mix énergétique) devient possible. L’IA permet de compléter les valeurs manquantes tel que Gender Pay Gap Bot, qui affiche les données des écarts de rémunération entre hommes et femmes, lorsqu’une entreprise les communique à l’occasion de la Journée Internationale de la Femme en omettant de l’indiquer dans ses rapports annuels. L’Intelligence Artificielle serait aussi une machine à faire gagner du temps : d’après McKinsey, l’IA pourrait à terme améliorer l’efficacité des entreprises de plus de 40 % et réduire les coûts d’exploitation jusqu’à 30 %. Cette aide de l’Intelligence Artificielle permettrait de rendre plus crédibles et plus transparentes les notations ESG.

Pour une IA responsable...

Le sentiment porté au greenwashing semble en hausse dans le secteur financier par manque de transparence et de méthodologie en dépit de nouvelles réglementations. L’Intelligence Artificielle doit permettre de rendre les notations ESG plus crédibles et une harmonisation des méthodologies en s’assurant de l’indépendance des données (défi de transparence). Nonobstant, l’Intelligence Artificielle peut inclure des biais appelés « hallucinations » (réponse trompeuse présentée comme un fait certain). En effet, les algorithmes sont porteurs de préjugés par les données sur lesquelles ils sont formés lié à un manque de contexte et de nuance. Ainsi, l’IA ne remplace pas l’expertise humaine qualitative en durabilité, mais la déplace vers les sujets cruciaux : la supervision des algorithmes et l’interprétation des résultats.