Il existe pléthore de prestataires de classements ESG et au moins autant de méthodologies. Signataire des Principes pour l'investissement responsable des Nations-Unies (PRI) depuis 2015 et membre de Swiss Sustainable Finance, la société RAM Active Investments en est venue à constater qu’elle perdait en qualité et en cohérence avec l’usage des ratings externes. «Les entreprises sont notées très différemment d’une base à l’autre. Nous avons observé trop de subjectivité dans les ajustements dus aux lacunes des données, et donc trop de biais», explique Nicolas Jamet, analyste quantitatif senior chez RAM AI. De plus, ce «bruit» était de nature à impacter négativement les rendements.

Spécialiste de l’analyse quantitative, l’équipe de recherche de RAM AI a donc pris la décision de se tourner vers une autre solution: celle de développer son propre scoring en exploitant dans ses modèles les données les plus brutes possibles afin de l’intégrer dans certains portefeuilles d’actions. Les informations de base sont recueillies auprès des entreprises elles-mêmes et complétées par celles provenant d’autres sources comme, par exemple, CDP (Carbone Disclosure Project), une ONG qui récupère directement les données non ajustées relatives aux émissions de CO₂.

Il s’agit là d’un processus de sélection dit de «pleine intégration» et non d’un processus rudimentaire d’exclusion. «L’exclusion réduit l’univers a priori et présente donc une entrave à la diversification», observe Nicolas Jamet. Si l’exclusion est jugée indispensable, elle se fait en amont au niveau du comité ISR de la société qui établit une liste des thèmes et des titres dans lesquels RAM AI estime ne pas devoir s’engager (l’industrie du tabac par exemple).

Cette approche de «pleine intégration» est respectée tout au long du processus de sélection au même titre que les indicateurs financiers comme la volatilité, le ratio cours sur bénéfices ou la croissance des revenus. Les modèles calculent également les interactions entre critères ESG et données financières traditionnelles. En outre, l’équipe vérifie la cohérence des données et des résultats obtenus sur plusieurs bases. Une analyse des flux de news pour identifier les incohérences possibles entre sources externes et déclarations des entreprises est également prévue.

Le processus de sélection est adapté au segment industriel car il est bien entendu que l’empreinte environnementale d’une cimenterie ne peut être jugée de la même manière que celle d’un fabricant de logiciels. Au sein d’un segment, les «mauvais élèves» sont pénalisés au profit des meilleurs.

La méthode inscrit ainsi l’ESG dans une identification systématique des inefficiences des marchés qui est la marque de fabrique de RAM AI. Elle a permis en outre de mettre en avant l’amélioration des résultats de certains types de stratégies par l’introduction de critères ESG. C’est le cas, par exemple, des stratégies Global Sustainable Income dont l’objectif est un rendement élevé aux actionnaires par le biais de politiques de dividende ou de rachat des actions (share buy-backs). Dans ces cas, l’utilisation des critères ESG offre un profil de rendement ajusté au risque stable sur le long terme.

L’équipe de RAM AI considère des dizaines de données ESG mais beaucoup sont écartées, soit parce qu’elles n’apportent pas d’information additionnelle, soit car elles manquent de couverture, d’historique ou de consistance. Les données sélectionnées servent de base à la construction de facteurs, eux même regroupés en quatre piliers – gouvernance, transparence, climat et diversité, chaque pilier permettant de capturer la durabilité sous un angle différent.

Les notes obtenues au degré le plus granulaire sont combinées pour former le score final de chacun des piliers. L’effort de recherche est continu et de nouveaux critères viennent régulièrement enrichir le processus.

L’analyse de la gouvernance se fait à des niveaux multiples. La force et l’indépendance du conseil d’administration vis-à-vis du management permettent d’assurer l’alignement entre actionnaires et direction exécutive, source de stabilité car source de gestion raisonnable des cashs flows. A noter, l’examen de la gouvernance d’une entreprise est ajusté en fonction du pays, du secteur et de la taille de l’entreprise. Pas d’habit unique pour tous, l’analyse est sur mesure.

La transparence est entendue sous deux aspects : transparence des comptes financiers et transparence ESG. Par une étude de la dynamique des comptes de régularisation, les analystes de RAM AI s’assurent de la cohérence entre revenus et cash généré et donc de la fiabilité des dires de l’entreprise. Pour RAM AI, la transparence est source de durabilité.

De la même manière, RAM AI estime qu’une bonne gestion des émissions de CO₂ reflète les efficacités opérationnelles de l’entreprise.

Introduite au cours des derniers mois, la diversité est synonyme, selon RAM – et selon la recherche académique –, de croissance à long terme. Elle est, à ce titre, scrutée sous différents angles au sein du management et au sein des employés.

Sous tous ses aspects, l’analyse ESG vient donc réellement compléter et étoffer l’analyse financière et, sans surprise, les résultats obtenus sont très différents de ceux des prestataires classiques.

Spécialisé depuis 2014 sur les aspects de gouvernance, RAM AI a affiné son approche en ajoutant de nouveaux piliers. La méthode actuelle qui a récemment intégré le pilier touchant à la diversité, a été mise au point depuis 2 ans. L’équipe de RAM AI juge que son approche obtient de meilleurs résultats et est beaucoup moins couteuse que celle obtenue auprès des agences de notation, parce qu’ils utilisent leurs propres ressources et maitrisent la connaissance interne des données. L’équipe de sept personnes étant commune à toutes les analyses (financière et non financière), ils estiment réduire ainsi la déperdition d’information et mieux assimiler les différents facteurs. Chez RAM, recherche, implémentation, gestion de portefeuille et trading sont intégrés. Ce qui permet une très grande réactivité dans l’apport de nouveaux facteurs, une optimisation de l’usage de l’information et de la mise en production des modèles.