Comment l’évaluation ESG progresse-t-elle grâce à l’IA ?

• Selon la Global Sustainable Investment Alliance (GSIA), le volume des investissements ESG est passé d’environ 22 839 milliards de dollars en 2016 à environ 30 683 milliards de dollars en 2018, puis à environ 35 301 milliards de dollars l’an dernier

• À mesure que les investissements ESG se développent, les informations ESG gagnent aussi en importance

→ La situation de la gestion ESG des entreprises et les réactions du marché en sont des exemples

→ Les rapports ESG des entreprises, la couverture médiatique liée à l’ESG et les publications sur les réseaux sociaux contiennent ces informations

→ Les notes ou scores ESG font également partie des informations ESG

→ Aujourd’hui, des technologies d’IA comme le traitement automatique du langage naturel, le machine learning et la computer vision sont utilisées pour collecter et analyser les informations ESG afin de les exploiter dans l’évaluation ESG

• L’entreprise américaine Sensefolio

→ utilise des algorithmes de deep learning pour rechercher des sujets liés à l’ESG dans les articles de presse, les communiqués, les publications sur les réseaux sociaux et les rapports d’entreprise, puis analyser les textes

→ grâce au traitement automatique du langage naturel, elle identifie les thèmes, les contenus positifs ou négatifs, ainsi que le caractère objectif ou subjectif des corpus et des textes

• L’entreprise suisse RepRisk

→ étudie les médias imprimés, les médias en ligne, les réseaux sociaux, les organismes publics, les autorités de régulation, les think tanks et les newsletters

→ analyse les données avec le machine learning afin d’aider à identifier automatiquement les incidents de risque pertinents

→ chaque incident de risque est automatiquement étiqueté sur toutes les entités concernées, telles que les entreprises, les projets et les enjeux ESG, sur la base des prédictions du modèle de machine learning

• L’entreprise chinoise WeBank

→ collecte et analyse des informations ESG à partir d’images satellites grâce à la computer vision et au machine learning

→ cela permet d’examiner l’impact environnemental des entreprises