WeeFin - La difficile lecture de la donnée ESG : un manque d'uniformisation

Dans le cadre de la co-réalisation du livre blanc "ESG : mettre l’innovation au service de la durabilité" par SeaBird et Finance Innovation , découvrez une série de 3 articles rédigés par WeeFin .

La donnée ESG constitue la clé de voûte de l’investissement responsable. La connaissance des performances environnementales, sociales et de gouvernance des émetteurs est une condition indispensable à l’élaboration d’une approche de durabilité, qu’il s’agisse d’une sélection positive ou négative, d’exclusions ou de gestion des controverses.

Or, il est parfois compliqué d’appréhender la donnée ESG, principalement parce qu’il existe une pluralité de métriques d’origine variée (fournisseurs de données, sources publiques, réglementations, standards de Place, associations d’acteurs, etc.). En particulier, ces métriques se décomposent en données brutes et en scores.

Dans le cas de données brutes, il est nécessaire de connaître la définition de l’indicateur, sa méthodologie de collecte - et notamment si la donnée est reportée par l’émetteur ou estimée par le fournisseur de données, et la méthodologie d’estimation le cas échéant - la couverture de l’indicateur, et les différents contrôles réalisés dans la chaîne de valeur (conduite d’un audit externe à l’échelle de l’entreprise, contrôles de qualité par le data provider, etc.).

L’exploitation d’un score, quant à elle, repose sur la compréhension de la donnée sous-jacente, c’est-à-dire des indicateurs sur lesquels se base le score ainsi que de toutes leurs caractéristiques. Il faut aussi connaître les transformations appliquées à ces métriques pour appréhender l’objectif et la portée du score (score de management, de progression, score relatif à tous les émetteurs d’un univers ou à un secteur d’activité, score de risque ou score d’impact), ainsi que le pondération de chaque métrique au sein du score.

A ce jour, le détail des méthodologies de collecte des données ainsi que les transformations appliquées à la donnée brute sont gardés privés par les data providers, ce qui complexifie significativement la lecture de la donnée ESG. Cette problématique est susceptible d’être amoindrie par la réglementation européenne sur les notations ESG, qui rendra obligatoire la production par les data providers de scores séparés pour les piliers E, S et G d’une part, et la publication des méthodologies utilisées d’autre part.

Quoi qu’il en soit, l’hétérogénéité de la donnée ESG rend nécessaire l’utilisation d’outils permettant de simplifier une grille de lecture complexe, pour transformer une donnée non uniforme en un signal de gestion.

Source : Estelle Hingant , Head of Marketing, WeeFin