Veuillez mettre votre navigateur à niveau

Nous attachons le plus grand sérieux au sujet de votre sécurité. Afin de vous protéger, ainsi que nos systèmes, nous apportons des modifications à tous les sites Web HSBC. De ce fait, certaines des versions les plus anciennes des navigateurs Web ne seront plus prises en charge pour la consultation de ces sites. De manière générale, les versions les plus récentes des navigateurs (comme Internet Explorer, Google Chrome, Safari, etc.) et des systèmes d'exploitation (comme Microsoft Windows, MacOS) disposent des fonctionnalités de sécurité les plus avancées.

Si vous lisez ce message, c’est que nous avons détecté que vous utilisez un navigateur dont la version n'est plus prise en charge en raison de son ancienneté. 

Découvrez comment mettre à jour votre navigateur

L'intelligence artificielle va-t-elle révolutionner l'analyse ESG ?

Entretien avec Xavier Desmadryl, Global Head of ESG Research & PRI
16 septembre 2021
    Télécharger le rapportPDF, 1.41MB

    L'intelligence artificielle va-t-elle révolutionner l'analyse ESG ?

    Plusieurs thématiques environnementales, sociétales et de gouvernance (ESG*) telles que l’impact sur la biodiversité, le respect des droits humains, l’éthique des affaires et bien entendu le changement climatique ont émergé dans le sillage du Sommet de la Terre à Rio en 1992, et ont encore gagné en importance dans le sillage de la pandémie de Covid-19. Mesurer précisément l'impact économique et financier associé à ces thématiques nécessite d’accéder à des données pertinentes, ce qui peut parfois s’avérer difficile. En effet, les informations disponibles sont trop souvent insuffisantes et hétérogènes. La collecte et l'exploitation de telles données est un processus qui s’avère donc aussi indispensable que complexe, et qui pourrait être grandement aidé par l'utilisation appropriée de technologies issues de l'Intelligence Artificielle (IA).

    *Les critères ESG (Environnementaux, Sociaux et de Gouvernance) constituent les trois piliers de l'analyse extra-financière des entreprises, utilisée notamment dans le cadre de l'investissement responsable.

    Quand on évoque l'Intelligence Artificielle (IA), de quoi parle-t-on précisément ?

    Xavier Desmadryl : L'intelligence artificielle (IA) est un terme générique qui couvre diverses approches et techniques permettant aux machines d'effectuer des tâches relevant habituellement de l'intelligence humaine. Cela signifie que les machines peuvent effectuer des tâches automatisées (par exemple, dans le domaine financier, « chaque fois que le ratio dette/excédent brut d'exploitation est supérieur à 6, exclure ce titre de l'univers d'investissement ») mais aussi prendre en charge des fonctions plus élaborées, comme la reconnaissance vocale ou faciale, le développement de voitures autonomes, ou en finance « prendre la décision de conserver un titre en portefeuille malgré un mauvais ratio dette/excédent brut d'exploitation si cela a du sens», pour reprendre l'exemple précédent. L'IA regroupe différentes technologies, notamment le "Machine Learning" (ou "processus d'apprentissage automatisé"), qui présente un intérêt tout particulier dans les métiers de la gestion d'actifs.

    L'IA n'est pas une création aussi récente que l’on pourrait le penser. Les travaux sur ce sujet ont en effet commencé dès la fin des années 50. Mais aujourd'hui son utilisation est une réalité rendue possible par la quantité massive de données disponibles et accessibles (« open data »), les capacités de collecte d'informations renforcées par le développement de processeurs toujours plus puissants et plus rapides, l'augmentation exponentielle des capacités de stockage à faible coût, et enfin grâce à la disponibilité de logiciels en "open source" (dont le code est en libre accès).

    Quel est le principe du "Machine Learning" ?

    XD : Le « Machine Learning » est un sous-ensemble de l'IA, une branche de l'informatique et de la statistique. Il s'appuie sur des algorithmes1, programmes informatiques qui traitent de grandes masses de données, afin de permettre aux machines et/ou aux systèmes « d'apprendre » par expérience de manière automatisée, d'améliorer leurs capacités à résoudre des problèmes, sans avoir été explicitement programmés par un humain pour le faire.

    Le processus d'apprentissage commence par des observations, l'application d'instructions (issues des algorithmes), l'utilisation de données, et par l'identification de schémas de comportements récurrents de ces informations, afin d'apporter des réponses en se basant sur les "données d'apprentissage" initialement utilisées pour entrainer la machine.

    Les exemples d'application sont infinis. Par exemple, Netflix utilise ce type d'algorithmes pour construire automatiquement des profils utilisateurs en fonction de leurs goûts, déterminés à partir de leurs visionnages passés. Cela permet à la plateforme de proposer des contenus personnalisés à ses abonnés. Une banque peut ainsi tenter d’anticiper le risque de défaut d'un client potentiel grâce à l'utilisation d'algorithmes statistiques qui analysent un certain nombre de variables (âge, revenu, dette du client, niveau d'éducation, etc…) et les comparent aux profils de défauts constatés dans le passé

    1 Algorithme : ensemble d'instructions et d'opérations sur des données réalisées dans un ordre précis afin de produire un résultat ou de résoudre un problème particulier.

    Quels peuvent être des exemples d'application du "Machine Learning" au domaine financier ?

    XD : Un algorithme peut mettre au point un modèle prédictif en utilisant, en "phase d'apprentissage", un ensemble de données situées "en entrée" (celles dont on dispose de façon récurrente) et de données "en sortie" (celles que l'on va chercher à prédire). À l'issue de cette phase d'apprentissage ce modèle pourra, par exemple, utiliser des données historiques de marchés (données disponibles en entrée) pour aider à prédire le niveau de volatilité* des marchés financiers à l'avenir (donnés en sortie).

    *Volatilité : Mesure de l'ampleur des variations de valorisations des actifs financiers.

    Dans ce domaine, il est essentiel de s'appuyer sur la notion de pluridisciplinarité, qui consiste à s'inspirer des progrès technologiques réalisés dans d'autres secteurs pour ensuite chercher à les appliquer à un autre domaine d'expertise. Par exemple, les algorithmes utilisés dans le traitement des images sont très utiles pour la prédiction en finance : en effet, restaurer une image avec des pixels manquants (voir exemple ci-dessous) est un problème similaire à celui qui consiste à essayer de « prédire » l'évolution future des marchés à partir des seules informations connues à ce jour.


    Image 1 : Photo d'origine                 

    Image 2 : 80% de pixels manquants

    Image 3 : Photo restituée par l'IA à partir de l'image 2

    Quelles sont les autres technologies relevant de l’intelligence artificielle (IA) ?

    XD : D'autres algorithmes sont capables de réaliser un traitement du langage courant ("Natural Language Processing*") à partir de contenus de presse écrite ou de publications diverses, qui pourraient permettre à la machine d'anticiper des événements (un conflit, la faillite d'une entreprise, l'apparition d'une controverse ESG…), ou d'identifier les sujets qui émergent dans un domaine donné : nouveaux risques liés au changement climatique, discussions sur de nouvelles réglementations...

    Cette branche de l'intelligence artificielle permet également d'identifier et de dégager des tendances non seulement à partir de l'analyse de textes mais aussi de la « perception de sentiments ». Cela peut notamment servir à traquer les incohérences de communication de certaines entreprises. Prenons par exemple le cas d'une entreprise qui afficherait une politique et des résultats remarquables dans le domaine social, notamment dans ses enquêtes de satisfaction des salariés. L'IA pourrait toutefois, le cas échéant, révéler une communication plus négative sur les réseaux sociaux (confortée par des critères de fréquence et d'intensité), permettant ainsi de nuancer un jugement sur cette entreprise et d'en affiner l'analyse.

    D'une façon générale, l'application de l'IA à la gestion d'actifs s'accélère réellement, et notamment dans le domaine de la gestion des risques : détection automatique d'anomalies de marché, d'anomalies ou de données aberrantes dans les publications de données ESG des entreprises, prédiction du risque de marché, etc...

    * "Natural Language Processing", ou "Traitement automatique du langage naturel".

    Quels pourraient être les apports de l'IA dans le domaine du développement durable et de l'ESG ?

    XD : Ils sont multiples mais l’une des utilisations les plus pertinentes est sans aucun doute de « combler les trous », c’est-à-dire de trouver ou de construire les données manquantes. Par exemple, il est parfois difficile d'obtenir des informations détaillées sur les petites entreprises ou les entreprises non cotées, pour lesquelles les obligations de communication ou de publication de données ESG sont réduites. D'autre part, ces entreprises ne communiquent souvent que dans leur langue locale et répondent à des obligations et à des normes uniquement locales. C'est le cas de la Chine, et les gestionnaires d'actifs sont très souvent confrontés à une situation où l'information sur ces entreprises est rare et peu voire pas exploitable. Pour contourner ces difficultés, il est possible d'utiliser les techniques de "Machine Learning" qui vont alors permettre, grâce aux algorithmes de recherche, de collecter ou de combler les informations manquantes ou qui nécessitent d'être normalisées. Ces algorithmes peuvent être mis en œuvre par des agences de notation traditionnelles ou des fournisseurs de recherche ESG, voire par des Fintechs.

    D'autre part, l'un des avantages majeurs des techniques issues de l'IA est de permettre une approche réellement sur-mesure pour les équipes de gestion. En adaptant les algorithmes, il est possible de construire un système de notation propriétaire en recherchant des informations qui sont jugées les plus pertinentes, et donc les plus aptes à aider à la génération de surperformance financière (dite "alpha") ou à la réduction du niveau de risque comparé à celui du marché ("béta"). Dans le cadre d'une approche d’investissement ESG, préalablement définie en interne avec des enjeux critiques identifiés par secteurs économiques, l'IA peut permettre de renseigner une grille de lecture en accédant à des informations issues de nombreuses sources (la plupart étant en accès libre, notamment sur internet) et d'enrichir ainsi des bases de données en temps réel.

    Quel serait le principal apport de l'IA en termes de décisions d'investissement ?

    XD : Idéalement, l'IA permettra de prendre des décisions de gestion encore plus éclairées. L'idée est de développer une approche de l'ESG motivée plus par la recherche d'opportunités d'investissement que par la seule identification des risques. En effet, les performances boursières positives des entreprises sont souvent corrélées à leur excellence en matière de stratégie ESG mais plus encore aux progrès qu’elles accomplissent selon ces critères (on parle alors « d’ESG momentum » ou de « Dynamique ESG »). Dans ce domaine, les capacités de traitement de l'information décuplées par l'IA permettront d'aller au-delà de l'approche actuelle essentiellement basée sur les risques ESG.

    L'identification plus rapide des opportunités et des risques économiques et financiers grâce aux différentes technologies de l'IA devrait également améliorer la précision, mais aussi les délais des prises de décisions d'investissement, et par conséquent, leur efficacité globale. Cela implique une organisation interne permettant que ces informations soient rapidement intégrées dans les processus de décision des gérants. Une identification plus juste des opportunités et des risques financiers devrait également améliorer la qualité des décisions de gestion, typiquement lors de l'utilisation d'informations non explicitement publiées par les entreprises, ou quand les informations publiques sont susceptibles de comporter un parti pris. Enfin, une identification plus large et plus précise des opportunités et des risques financiers devrait de fait permettre d'élargir l'univers d'investissement.

    Est-ce que les capacités de l'IA pourraient améliorer l'évaluation des facteurs ESG dans des domaines où les données sont difficilement comparables ?

    XD : En effet, le facteur social, par exemple, est celui pour lequel il est le plus difficile de collecter des données comparables géographiquement. L'IA devrait aider à l'évaluation du pilier Social de l'ESG sachant que, même sur des indicateurs aussi basiques que les accidents du travail et leur probabilité d’occurrence, les données communiquées par les entreprises sont très hétérogènes. L'intelligence artificielle permet, par l'application de ses modèles, de réaliser une harmonisation des données entre zones géographiques.

    Cependant, bien que l'IA puisse sans aucun doute apporter une aide, elle ne peut pas non plus tout faire. Elle constitue un complément très utile mais d'autres éléments seront également nécessaires, comme notamment le fait de définir des normes ESG internationales, qui n'en sont pour le moment qu'à un stade embryonnaire.

    L'intelligence artificielle signe-elle la fin de l'analyse ESG classique et plus généralement celle de l'intervention humaine ?

    XD : Absolument pas, car il faudra toujours des ingénieurs qui conçoivent, construisent et maintiennent les algorithmes, ainsi que des analystes financiers qui interprètent les données au-delà des résultats bruts du "Machine Learning". L'interprétation des données permettra une compréhension affinée des entreprises, et les recommandations des analystes resteront bien évidemment essentielles. Elles se nourriront de ces données complémentaires et par conséquent gagneront encore en pertinence.

      

      

    Cette présentation est produite et diffusée par HSBC Asset Management et est destinée à des investisseurs non professionnels au sens de la directive européenne MIF. Elle est incomplète sans les commentaires oraux des représentants de HSBC Asset Management. L’ensemble des informations contenu dans ce document peut être amené à changer sans avertissement préalable. Toute reproduction ou utilisation (même partielle), sans autorisation, de ce document engagera la responsabilité de l'utilisateur et sera susceptible d'entraîner des poursuites.

    Ce document ne revêt aucun caractère contractuel et ne constitue en aucun cas ni une sollicitation d'achat ou de vente, ni une recommandation d'achat ou de vente de valeurs mobilières dans toute juridiction dans laquelle une telle offre n'est pas autorisée par la loi.

    Les commentaires et analyses reflètent l'opinion de HSBC Asset Management sur les marchés et leur évolution, en fonction des informations connues à ce jour. Ils ne sauraient constituer un engagement de HSBC Asset Management. Par conséquent, HSBC Asset Management ne saurait être tenue responsable d'une décision d'investissement ou de désinvestissement prise sur la base de ce document et/ou analyse dans ce document.

    HSBC Asset Management est la marque commerciale de l'activité de gestion d'actifs du Groupe HSBC, qui comprend les activités d'investissement fournies par nos entités locales réglementées.

    HSBC Global Asset Management (France) - 421 345 489 RCS Nanterre. S.A au capital de 8.050.320 euros.

    Société de Gestion de Portefeuille agréée par l'Autorité des Marchés Financiers (n° GP99026)

    Adresse postale : 38 avenue Kléber 75116 PARIS

    Adresse d'accueil : Immeuble Coeur Défense | 110, esplanade du Général de Gaulle - La Défense 4 - 92400 Courbevoie - France

    www.assetmanagement.hsbc.com/fr

    Document non contractuel, mis à jour le 07/07/2021.

    Copyright : Tous droits réservés © HSBC Global Asset Management (France), 2021.

    HSBC Continental Europe - Société Anonyme au capital de 491 155 980 euros - SIREN 775 670 284 RCS Paris - Siège social : 38, avenue Kléber - 75116 Paris - Banque et intermédiaire en assurance immatriculé auprès de l’ORIAS (Organisme pour le Registre des Intermédiaires en Assurance - orias.fr) sous le n° 07 005 894