Les banques rodent leur maîtrise des données extra-financières

covea esg — Une tribune d'Anne-Sophie Levavasseur, associée et Marie Trimouille, senior manager chez Colombus Consulting -

Les banques sont expertes, de longue date, des données financières relatives aux transactions qu’elles réalisent et aux actifs qu’elles financent pour leurs clients. Mais aujourd’hui, elles font face à un nouveau de type de données, beaucoup plus complexes à appréhender, et qui parfois les déstabilisent : les données extra-financières, essentielles à la production des indicateurs de finance durable.

Ces données font l’objet de nombreuses réflexions de la part des acteurs de la place, tant en termes de qualification que de sourcing, pour garantir leur bonne maîtrise et préserver la performance et la compétitivité des établissements bancaires.

Des données extra-financières encore mal maîtrisées

Les exigences réglementaires, voire volontaires, en matière de finance durable, sont rarement autoportantes. Elles impliquent un travail important d’analyse normative et de définition de méthodes de calcul pour répondre de manière pertinente aux attendus sur les différents périmètres métiers de la banque. Une fois définies, ces méthodologies se traduisent en besoins de données qui alimenteront les différents reportings.

Si les données financières sont pleinement intégrées dans les processus et systèmes d’information des banques, c’est loin d’être le cas des données extra-financières. Elles sont aujourd’hui encore mal maîtrisées par l’ensemble de l’écosystème, et ce pour des raisons évidentes de manque de maturité ou de recul. L’essor de la finance durable exige une toute nouvelle façon de regarder et d’étudier les investissements et les financements. Elle exige donc de nouvelles catégories de données telles que des données qualifiant l’activité du client et/ou du projet concerné du point de vue de l’ESG.

Certaines de ces données n’avaient jamais été identifiées par les banques, comme par exemple les émissions de gaz à effet de serre. Leur définition et qualification même s’avèrent complexes, de surcroît quand il s’agit de vouloir qualifier avec une même donnée des actifs financés très différents. Au-delà de la définition de ces données, l’appropriation par les métiers, qui sont à l’origine des activités de financement et d’investissement, constitue un autre défi à relever.

Collecte des données : trouver l’équilibre entre sourcing interne et externe

Une fois définies, ces données, qui doivent être collectées et consolidées, font l’objet de réflexions quant à leur sourcing : faut-il acquérir la donnée en interne à travers les processus métiers ou auprès de fournisseurs externes spécialisés ?

Pour faciliter la collecte et la consolidation, le sourcing externe peut être séduisant, tant ces données relatives à l’activité des clients sont complexes à obtenir : manque de disponibilité, difficulté et coût de collecte auprès du client, impact important de l’évolution des processus métiers pour collecter ces données à la source pour les nouvelles transactions, remédiation du stock…

Quand elles sont acquises auprès de fournisseurs externes, les données sont facilement accessibles, de manière consolidée, et permettent d’enrichir de façon intéressante la connaissance du client par les banques. Pour autant, le sourcing auprès de providers n’est pas exempt de risques : les méthodes de calcul ne sont pas toujours explicitées et peuvent provoquer des biais potentiels dans l’analyse réalisée par les banques. Par ailleurs, le taux de couverture des données fournies, en termes de clients ou de types de transactions, est toujours partiel, ce qui implique la coordination de nombreux providers et une gestion contractuelle fine pour répondre à l’ensemble des besoins et usages. Enfin, à privilégier de manière systématique le sourcing en externe, la banque risque de perdre la maîtrise de ces données et donc sa capacité à se différencier sur le marché.

Un juste équilibre est donc à trouver entre sourcing externe et interne, et ce d’autant plus que la nouvelle réglementation CSRD va rendre publiques et accessibles un très grand nombre de données sur les moyennes et grandes entreprises, relatives à leurs impacts, stratégies et plans d’action.

Ces difficultés auxquelles le secteur fait face en matière de données ESG ne peuvent pas être ignorées ou minimisées, mais elles peuvent être limitées, voire maîtrisées. Elles ne doivent en aucun cas freiner les banques et acteurs financiers à prendre pleinement en main le sujet, mais au contraire les encourager à s’en préoccuper au juste niveau, tant le sujet est stratégique.

Maîtriser la qualité et la précision de ses données ESG, c’est pouvoir mieux se positionner, respecter ses engagements environnementaux et sociaux, mais aussi maîtriser la pérennité et la rentabilité des investissements. Maîtriser les processus de collecte, de consolidation et d’analyse, c’est maîtriser ses coûts de fonctionnement interne.

Un enjeu d’automatisation à terme

Différentes stratégies et organisations apparaissent ainsi au sein du système financier pour y voir plus clair dans ce flot de données à identifier, les collecter, les consolider et les transformer en indicateurs extra-financiers. Dans ce contexte, il y a fort à parier que ceux qui auront le mieux intégré et anticipé les enjeux de maîtrise et de qualité de la donnée, d’adaptabilité du dispositif et de coût de la collecte seront les grands gagnants.

En d’autres termes, les banques doivent aujourd’hui organiser, planifier et staffer l’ensemble des processus associés aux données ESG, mais aussi intégrer au maximum ces activités dans les processus existants. Elles doivent également faire preuve d’une grande agilité dans cette phase transitoire de définition, de tâtonnement et de collecte manuelle de données, c’est-à-dire mener de front une phase «Tactique» manuelle et la préparation de la cible la plus automatisée possible. C’est sans doute ce dernier point qui sera le plus complexe, étant donné la vitesse d’évolution des données et le temps nécessaire à l’adaptation des systèmes.