Marc Sanselme 00:00:00 – 00:00:34 : Bonjour et bienvenue sur Data Driven 101, le podcast qui s’intéresse aux applications concrètes et variées de l’intelligence artificielle et de la data. Je suis Marc Sanselme, fondateur de Scopeo, agence d’intelligence artificielle, qui accompagne toutes les entreprises à tirer le meilleur de cette technologie. Dans notre podcast Data Driven 101, je reçois chaque semaine des professionnels pour qu’ils nous partagent leurs expériences et leurs visions sans filtre. Aujourd’hui, je reçois Grégoire Hug, CEO chez WeFin, FinTech ESG qui aide les institutions financières à scaler leurs stratégies de durabilité. Bonjour Grégoire. 

Grégoire Hug 00:00:34 – 00:00:35 : Bonjour Marc et merci de me recevoir. 

Marc Sanselme 00:00:36 – 00:00:43 : Avec grand plaisir. Est-ce que tu peux nous parler de WeFin, nous expliquer un petit peu mieux que ce que je viens de faire, ce que vous faites ? 

Grégoire Hug 00:00:43 – 00:02:05 : Non, c’était déjà très bien. On est donc une fintech. Le constat derrière WeFin vient de mes années précédentes, la création de la boîte. Je bossais à l’époque dans des banques pour des autres institutions financières. Je travaillais sur les modèles financiers et leurs données ESG. En fait, en travaillant sur les données ESG, lorsque je regardais les process d’investissement et de financement, je me suis rendu compte que 80% du temps était passé à faire du data management de manière un peu brute. Je suppose qu’on reviendra dessus pendant le podcast, mais essayer de mettre en qualité les données, avoir une information uniforme sur tous les investissements et les financements. Et que ce travail-là, il n’était pas facilement industrialisable. Et finalement, quand on regardait le constat de l’époque, on était en 2018, il y avait beaucoup de boîtes qui travaillaient à créer des bases de données plus ou moins sophistiquées sur l’ESG, mais pas qui travaillaient à utiliser ces informations du côté des investisseurs. Et WeFin, c’est ça, c’est le pont entre l’ESG et le monde de l’investissement. On est là pour faire en sorte de créer la plateforme qui va permettre aux institutions financières de mieux utiliser leurs données ESG, très concrètement, créer leur référentiel ESG en interne, comme ça s’appelle la Single Source of Truth dans l’organisation, avec pour but de leur permettre de l’utiliser dans leur processus d’investissement et de financement, donc vraiment dans le cœur business. 

Marc Sanselme 00:02:06 – 00:02:12 : Ok. Alors du coup, j’ai envie de poser tout de suite la question, comment on fait ? Comment on fait ça ? 

Grégoire Hug 00:02:12 – 00:03:56 : Alors, quand on prend le monde de l’investissement professionnel, puisque du coup, les clients qu’on va avoir, c’est des grandes banques, investissements, les noms, ça pourrait être des BNP, des AXA ou des Natixis. Il y a des équipes d’investissement pléthoriques et puis on travaille sur l’échelle de plusieurs milliards, voire des fois plusieurs terres. Donc, il y a du volume. À ce moment-là, en fait, la plupart de l’information ESG, comme l’information financière, elle vient de bases de données propriétaires. Donc, notre objectif à nous, c’était de se connecter à toutes ces bases de données propriétaires, plus de la recherche, plus des bases de données publiques. En tout, Wi-Fi, aujourd’hui, c’est 38 sources de données différentes, déjà pré-normalisées. Quand je dis une source de données, ce n’est pas le rapport d’une entreprise, c’est vraiment… une entité qui va vraiment déjà chercher à réunir une grosse partie d’informations. Donc, notre travail et comment on a segmenté le problème, on a d’abord cherché à se connecter à toutes ces sources pour pouvoir donner la main à nos clients sur lesquelles étaient importantes pour eux. Et après, on a monté un gros algorithme qui va permettre de toutes les harmoniser et de les utiliser en face d’une même entreprise. C’est à dire que si tu te dis que tu veux investir sur Orpea, je le dis à dessein parce qu’il s’est passé plein de choses d’un point de vue ESG sur Orpea. On va te ramener toute l’information environnementale, sociale et de gouvernance. En moyenne, nos clients utilisent 500 KPI à peu près, parfois plus sur une même entreprise pour pouvoir assesser leur profil ESG. Puis après, on a tout un ensemble d’autres étapes où on va faire des calculs pour eux, des process et leur permettre de ramener l’information en face de l’investisseur, en face du financeur pour qu’ils puissent l’utiliser après pour décider si c’est un investissement qui est OK ou pas d’un point de vue ESG. 

Marc Sanselme 00:03:57 – 00:04:19 : D’accord, donc vous fournissez à vos clients des sources de données extérieures et vous les packagez, fusionnez, vous utilisez une seule source de vérité à chaque fois pour qu’ils aient une seule référence à regarder ? Et vous en faites des indicateurs. Est-ce qu’on pourrait en citer quelques-uns? ? Oui, complètement. 

Grégoire Hug 00:04:19 – 00:05:02 : Les thématiques de l’EEG, c’est très large. La plus connue et souvent la plus traitée, c’est le climat. Au sein de l’environnement, dans le climat, on va avoir toute une batterie d’indicateurs simples comme l’empreinte carbone, moins simples comme l’empreinte carbone Scope 3, qui est l’empreinte carbone indirecte des entreprises. Et après, tout un ensemble d’indicateurs un peu plus sophistiqués. En ce moment, ce qui est très à la mode du côté des investisseurs, c’est de calculer la température de l’entreprise, c’est-à-dire de faire passer un modèle en fonction de l’empreinte aujourd’hui, de l’empreinte demain, des engagements pris par l’entreprise et de leur stratégie. Quelle est la température de la planète qu’on aurait si tout le monde investissait sur cette boîte? ? 2 degrés, 3 degrés ou 4 degrés ? 

Marc Sanselme 00:05:02 – 00:05:02 : Oui, intéressant. 

Grégoire Hug 00:05:03 – 00:05:27 : Et donc, il faut savoir que dans un sujet comme le climat, ça peut être 100 KPIs différents utilisés par les investisseurs, dont la plupart sont modélisés. Et puis après, des thématiques comme l’égalité femmes-hommes, sur lesquelles on peut avoir le taux de formation des femmes dans l’entreprise, le nombre de femmes qui accèdent à des positions de managers dans le board. Bref, c’est super varié. Et c’est ce qui fait aussi la richesse de ce sujet-là. 

Marc Sanselme 00:05:28 – 00:05:40 : Est-ce que tu peux… J’ai envie de creuser le sujet des scopes. Scope 1, 2, 3. Est-ce que tu peux nous détailler un peu la subtilité qu’il y a entre les différentes façons de compter l’empreinte carbone, justement ? 

Grégoire Hug 00:05:40 – 00:08:17 : Ouais, donc… Nous, les investisseurs vont investir sur des boîtes qui sont listées ou pas listées. C’est des entreprises qui peuvent être très grosses ou très petites. Ça peut être autant Total et LVMH qu’une entreprise qui est une ETI, parfois une PME. Ça dépend de la taille des investissements réalisés. Donc bien sûr, en fonction du secteur et de la taille de l’entreprise, la méthodologie va être complètement différente. Donc ce qui se passe, c’est que la première source de l’information, c’est l’entreprise elle-même. Elle va réaliser son bilan carbone avec diverses solutions en fonction de sa taille. Elle va compter sur l’ensemble de ses activités, donc en général product line par product line avec plus ou moins de proxy. Quelle est l’empreinte carbone des bâtiments, des voitures, de l’énergie consommée ? Et donc dans l’empreinte carbone, on va avoir le scope 1, 2 qui sont assez bien traités par tout le monde et le 3 qui est l’empreinte indirecte. Donc typiquement pour une voiture, ça sera l’utilisation qui est faite par le produit. Donc même Renault, quand il construit une voiture, il va compter l’empreinte carbone émise par la voiture utilisée par toi ou par moi. sur toute sa vie. et là dessus comme tu peux t’en douter il y a énormément d’hypothèses. et donc c’est des empreintes carbone qui sont forcément modélisées. et ce qui se passe dans la chaîne de traitement de l’information c’est que l’empreinte carbone elle est calculée par l’entreprise et reportée dans son rapport d’entreprise, quelque chose comme ça ça va être un PDF. enfin c’est noyé au sein d’autres informations corporate et il y a donc ces fameux intermédiaires auxquels on est connecté qui vont récupérer l’information la pré-normaliser, refaire passer des modèles par-dessus pour pouvoir vérifier l’information, parce que c’est assez fréquent que les entreprises oublient une partie de leur empreinte carbone, ou simplement une méthode qui n’est pas reconnue un peu plus tard. Il n’y a pas tant de standardisation que ça, ou alors on peut jouer avec les détails du modèle. Et d’ailleurs, là-dedans, il y a pas mal d’IA dans la vérification de ces informations pour pouvoir détecter les outliers, se comprendre quand il y a des tendances qui ne sont pas bonnes. Et ensuite, cette information, elle est redonnée aux investisseurs. donc l’investisseur il récupère une information qui est déjà modélisée et la plupart de nos clients ce qu’ils font c’est qu’ils prennent plusieurs sources pour être sûrs d’avoir une information fiable parce que déjà à ce niveau on sait plus si on peut vraiment compter sur l’information. donc ils ont besoin de contre-vérification. et nous c’est ce qu’on fait en interne. on leur permet via plusieurs sources de contre-vérifier l’information d’en être sûrs et de pouvoir attester après aux régulateurs, à leurs contreparties, qu’ils ont une information fiable. Quand on investit, la première chose qu’on a fait dans le monde de l’investissement, c’est de fiabiliser les informations financières pour être sûr que la comptabilité qui est donnée par les entreprises n’est pas fausse. Là, c’est pareil pour les données ESG. 

Marc Sanselme 00:08:18 – 00:08:21 : Oui, ça devient un sujet financier complètement. 

Grégoire Hug 00:08:21 – 00:08:32 : Complètement. Si tu dis que tu vas réduire ton empreinte carbone dans les prochaines années, la question, c’est est-ce que tu vas réussir ? Et puis, est-ce que le chiffre que tu donnes est bon aussi, tout simplement ? 

Marc Sanselme 00:08:32 – 00:08:44 : Et alors, du coup, scope 1 et 2, scope 3, tu nous as dit, c’est l’utilisation du produit. Enfin, ça inclut l’utilisation du produit sur toute sa vie. 1 et 2, du coup, c’est quoi les définitions ? Où est-ce qu’on s’arrête 

Grégoire Hug 00:08:44 – 00:10:02 : ? 1 et 2, c’est plus clair. les définitions dans le sens où c’est ta consommation directe. Il y a une consommation directe, le scope 1 est indirect, mais dans le scope 1, il y a tout un ensemble de catégories dans la définition précise de l’empreinte carbone. Il y a 27 sous-catégories qui vont de l’énergie que tu consommes ? Est-ce que tu as des véhicules que tu as achetés ? Si tu les achètes, ils sont dans ton scope 2. Si tu les loues et que tu les prends en leasing, par exemple, ils sont dans ton scope 3, puisque c’est indirect. Dans le scope 3, on a beaucoup parlé du scope 3 aval, mais il y a le scope 3 amont aussi. Quand tu construis une voiture, tu as besoin de matériaux. Donc forcément, tu as tous ces matériaux qui doivent rentrer dans la chaîne de traitement. Le fait qu’il y ait 27 sous-catégories et que ce soit si compliqué à mettre en place, ce qui fait que beaucoup d’entreprises galèrent à construire l’indicateur en lui-même. Et surtout que l’investisseur, une fois qu’il récupère l’information, la stat c’est que 90% des données que nos clients utilisent rien que sur cet indicateur-là, elles sont modélisées et pas reportées. Soit parce qu’on n’a pas le chiffre, soit parce qu’on n’est pas sûr du chiffre, soit parce qu’on préfère passer à un modèle parce que le modèle va être plus précis que ce que l’entreprise va calculer elle-même. 

Marc Sanselme 00:10:06 – 00:10:26 : est-ce qu’on peut faire cet exercice où je te donne des événements polluants dans la vie d’une société et tu me dis scope 1, 2, 3? j’ai compris qu’il y avait un de cette catégorie mais comme ça on a une idée un petit peu de où. est-ce que ça s’arrête? je vais au boulot avec ma voiture. on compte dans scope quoi. 

Grégoire Hug 00:10:27 – 00:10:49 : ça va être le scope 3 de la société qui produit la voiture. toi à titre perso en tant qu’individu ce serait ton scope 1 la société où tu travailles. alors ça dépend si elle a acheté la voiture ou si elle ne l’a pas acheté. si elle l’a acheté ça va être dans son scope 1 si elle ne l’a pas acheté c’est dans son scope 3 d’accord et ok. 

Marc Sanselme 00:10:50 – 00:10:52 : donc potentiellement cette partie là ça se déplace. 

Grégoire Hug 00:10:52 – 00:12:24 : en fait il faut bien comprendre que ces histoires de scope 1, 2 et 3 et puis l’exemple qu’on vient de donner on est là c’est assez technique. où est-ce qu’on les met? mais pour une entreprise la question c’est plutôt quelle est sa responsabilité? donc pour l’investisseur? quand il regarde la donnée et quand il l’interprète il va à la fois se dire Ok, quelle est la responsabilité de cette entreprise ? Est-ce qu’elle fait bien son boulot vis-à-vis de ses peers ? Et est-ce qu’elle a les moyens d’agir dessus ? Je vais prendre un autre exemple. Un SaaS, par exemple, nous on a un SaaS B2B assez basique, au-delà du fait qu’on fait du ESG, on crée un logiciel qu’on vend à des institutions financières. dans notre scope 3 à nous il y a l’utilisation de notre produit. bon bah c’est un sas. tu te connectes sur ton navigateur avec un ordinateur. donc si toi Marc tu te connectes à mon sas avec un ordinateur ton ordinateur il est dans mon scope 3. donc c’est à dire que l’achat de ton ordinateur il est dans mon scope 3 ça c’est un scope 3 qui est pas très intéressant Parce que concrètement, mon impact à moi sur ton achat d’ordinateur est nul. Je ne vais pas réussir à te faire changer tes manières de consommer l’ordinateur, sauf à devoir redimensionner mon logiciel, mais c’est improbable. Alors que le scope 3 du constructeur automobile était super intéressant, parce que lui, pour le coup, il peut construire un véhicule qui permet de réduire la consommation d’énergie du futur véhicule, donc il a une action possible sur son scope 3. c’est une sorte de bon sens en fonction des secteurs qu’est-ce qui est intéressant ou pas dans le scope 1, 2 et 3 à la limite peu importe s’ils sont dans le scope 1, 2 ou 3 ce qui est important c’est quelle est la responsabilité que l’entreprise a dedans et est-ce qu’elle peut agir dessus? 

Marc Sanselme 00:12:24 – 00:13:08 : Oui, c’est des indicateurs qui sont un peu frustrants parce qu’il n’y en a aucun qui partitionne les émissions de CO2. À aucun moment, on peut dire que cet ordinateur, quelque part, je l’ai acheté pour 150 usages différents et ça, c’est un des 150 usages. Est-ce qu’on peut donner… un cent cinquantième, ou éventuellement, si c’est encore plus fin, un millième de la pollution de mon ordinateur à ta société. Tu vois, on a quand même très envie qu’une fois qu’on somme tout, ça fasse les émissions totales. Parce que c’est vrai que sinon, on est dans le piège où il y a toujours ces sociétés qui disent qu’elles sont neutres, alors qu’elles… 

Grégoire Hug 00:13:08 – 00:14:28 : Non, complètement. Et donc, c’est une histoire de bon sens dans l’utilisation de la donnée. À l’échelle d’un portefeuille d’investissement, admettons, tu as investi autant sur Renault que sur Total. Si tu comptes effectivement le scope 3 de Renault, même s’il fait du sens, tu vas aussi le double compter sur Total, puisque Total va créer le carburant qui permet à la voiture de fonctionner. Donc en soi, au niveau des investisseurs, à la fois c’est super important d’avoir le chiffre, et nous on leur apporte ça, donc leur avoir un chiffre, d’en être sûr, d’être capable de le vérifier, et à la fois c’est super important surtout comment tu utilises ce chiffre. Ça ne sert à rien de le regarder ou de dire il a baissé, il a monté, c’est est-ce qu’il a baissé pour des bonnes raisons et pourquoi ? Donc nous, en ce moment, on fait passer même des modèles qui permettent de comprendre entre deux dates, ton empreinte carbone a évolué, pourquoi ? Est-ce que c’est du fait de l’entreprise, du fait de toi en tant qu’investisseur, tu as eu une action ? Est-ce que c’est des mouvements de marché qui ont fait que l’empreinte a bougé relativement à la valeur de l’entreprise ? Et ça, ça peut être juste un facteur explicatif ? Et donc, c’est super intéressant. Ce qui fait qu’aujourd’hui, le segment de marché sur lequel le WeFind s’est inséré, c’est vraiment l’utilisation de ces données dans les process d’investissement. Et tu vois que tout de suite, la problématique, ce n’est pas que créer ce référentiel, mais c’est aussi dans quel process on l’insère. et est-ce qu’on le fait bien ? 

Marc Sanselme 00:14:28 – 00:14:39 : On a fait une grosse digression, mais très intéressante de pouvoir poser des questions sur lesquelles il y a très peu de gens qui savent répondre aussi. Il faut quand même bien dire les choses. 

Grégoire Hug 00:14:39 – 00:15:11 : Et tu vois, pour itérer un peu sur ta question, c’est un aspect qu’on n’a pas couvert et qui est super intéressant. Ça veut dire qu’aujourd’hui, À la fois, il y a eu beaucoup d’intelligence qui a été mise dans la collecte de cette information et le fait d’avoir une bonne empreinte carbone sur des boîtes. À la fois, ce n’est pas fini du tout. Et dans un podcast qui parle beaucoup d’IA, c’est vrai qu’à cet endroit-là, il y a beaucoup de modèles qui restent à inventer encore pour pouvoir créer une information fiable et puis utilisable. 

Marc Sanselme 00:15:12 – 00:15:48 : Oui, et compréhensible du citoyen et du consommateur. Parce que finalement, l’investisseur, il a beaucoup de pouvoir, mais il est quand même motivé par l’argent. Alors, on peut lui louer beaucoup de… Mais derrière, effectivement, le juge de paix, c’est vrai que c’est souvent un cran au-dessus que ça se fait au niveau du citoyen, au niveau du consommateur. Et aujourd’hui, le consommateur, ce n’est pas très lisible de parler effectivement de scope 3. 

Grégoire Hug 00:15:48 – 00:17:15 : Non, pas du tout. Et pourtant, l’action du consommateur, elle est super importante ou je dirais plutôt de l’investisseur final plutôt que le consommateur. Il faut se dire que quand on est un investisseur sur le marché, un intermédiaire, un gestionnaire d’actifs, on a un client final. C’est celui qui possède l’argent. Donc c’est soit nous, en tant que particuliers, on peut décider de placer de l’argent par divers biais, soit il y a toute une catégorie d’investisseurs institutionnels, les fonds souverains, les assureurs, les fonds de pension, qui possèdent de l’argent et qui les placent sur les marchés. Et l’action de ces personnes-là, quand elles décident est-ce que c’est important pour eux ou pas les thématiques environnementales et sociales, est très très importante. Il y a quand même… Deux tiers de l’argent aujourd’hui en Europe qui est investi par des institutionnels et pas par des particuliers, donc assureurs et fonds de pension. Et eux, ils ont un business model qui va être impacté par le changement climatique. Le monde de demain, il n’est pas assurable. Donc, un assureur, il a envie d’agir sur ces critères et il comprend ce que c’est un scope 3. Donc, il va demander aux différents maillons de la chaîne d’investissement… d’avancer. c’est ça qui ces dernières années ont créé une vraie opportunité de marché pour nous de développer des solutions sur l’ESG en finance à titre individuel. les particuliers c’est plus disparâtre. ça dépend. il y a des gens qui sont très convaincus et d’autres non mais effectivement le financier agit aussi parce que ses clients lui demandent oui Oui, parce que c’est vrai, bon 

Marc Sanselme 00:17:15 – 00:17:25 : Je ne suis pas sûr de croire à la capacité de l’institutionnel d’anticiper ses propres problèmes du monde de demain qui n’est pas assurable. Je ne sais pas si je lui fais confiance. Mais bon, c’est un autre sujet. 

Grégoire Hug 00:17:26 – 00:18:17 : Ouais, c’est intéressant. En fait, si on le regarde vraiment d’une manière très froide et très pragmatique, dans les grosses institutions financières comme ça, pas tout le monde a un bilan long terme. Donc une banque, par exemple, ça a un bilan à 7 ans, c’est-à-dire que l’ensemble des prêts et si on fait la moyenne de tout, ça couvre à 7 ans. Un fonds de pension, ce n’est pas 7, c’est plutôt 20-30. Parce que si je souscris un contrat pour une retraite, elle est dans 30-40 ans, on l’espère, ou même plus dans certains pays. Et donc ça force à regarder long terme, notamment parce que les calculs prudentiels et réglementaires qu’on te demande, ils te forcent à regarder à ce niveau-là. Donc, si tu fais bien ton boulot, tu es obligé de regarder. Après, j’imagine que, comme dans toute entreprise, tu peux avoir une vision plus court-termiste et maximiser une partie des profits à court terme. Mais quand même, c’est des business qui, par nature, sont forcés à regarder très, très loin. 

Marc Sanselme 00:18:18 – 00:18:37 : Par une nature de type réglementaire, quand même. Oui, complètement. L’ESG, c’est un sujet très en vogue. Il y a eu beaucoup d’acteurs qui sont nés ces dernières années. Comment est-ce que vous vous différenciez ? 

Grégoire Hug 00:18:37 – 00:20:48 : Ouais, on a déjà, comme tu l’as sûrement compris dans le début, on a un positionnement hyper vertical, hyper serré. Donc nous, on a un SaaS B2B et je pense que l’important au début de la boîte, c’était aussi de trouver une typologie de clients qui soient extrêmement restreintes quelque part, mais qui permettent d’aller chercher un marché mondial important. On travaille uniquement pour les grosses institutions financières. Aujourd’hui, dans tout le paysage des boîtes qui font de l’ESG, tu vas entendre beaucoup de gens sur la CSRD, les entreprises, sur le private equity. Ça, c’est des domaines qu’on ne traite pas du tout, qui sont super intéressants, mais où en fait, il y a tout à faire. C’est des entreprises qui ne font pas et il faut leur apprendre. Sur les grosses institutions financières, l’EG, finalement, c’est assez vieux. Tu as peut-être entendu il y a dix ans que la première réglementation sur la finance durable a eu lieu, c’était sous Hollande, en 2016, en France. C’est un sujet qui, si c’est réglementé en 2016, c’est plus vieux que ça. Et c’est un marché qui est déjà mature. Donc nous, on travaille uniquement là dessus, avec des clients qui gèrent des volumes de données assez grands. Quand on déplique toutes les lignes du portefeuille de notre plus gros client, il y a 10 millions de lignes où on doit ramener ces fameux 500 KPI de manière quasi quotidienne. Donc une logique de volume assez importante. Et ce qu’on a décidé de faire, pour se différencier de tous les concurrents sur ce marché, c’est de ne pas devenir une source de données nous-mêmes, mais donc de devenir plutôt un intermédiaire de la donnée. Donc on va se connecter à toutes ces fameuses 38 sources dont j’ai parlé en intro, qui sont des sources propriétaires ou publiques. D’ailleurs, des sources très intéressantes qu’on peut utiliser aussi à des fins de recherche et autres, quand on veut s’intéresser aux données ESG. Et on va connecter tout ça pour le client. Donc on n’est pas… un data provider en soi, c’est rare dans le domaine de l’ESG et c’est ça qui fait la spécificité de notre positionnement. Ça veut donc dire que pour monter la boîte, il a fallu qu’on travaille pendant plusieurs années, ça nous a pris 3-4 ans, à pouvoir avoir le droit de se connecter à toutes ces bases propriétaires qui sont déjà pré-normalisées. C’est un gros boulot parce que ce sont des entreprises gigantesques, américaines, avec lesquelles il faut négocier l’accès aux données pour pouvoir monter le service. 

Marc Sanselme 00:20:49 – 00:20:55 : Oui, on ne se crée pas un compte en deux secondes, on met sa CB et on a les données. C’est un processus d’achat qui est très compliqué. 

Grégoire Hug 00:20:56 – 00:21:45 : complètement, et où il a fallu trouver un modèle de coût qui soit efficace pour nos clients aussi, qui payent directement ces données. Donc nous, en tant qu’intermédiaires, on fait en sorte d’avoir le droit de les utiliser pour eux. Après, on connecte aussi beaucoup de données publiques. Il y a des datasets qui sont super intéressants. L’Institut Louis Bachelier fait le recensement, enfin c’est un institut de recherche français, mais avec des bases de données qui sont assez globales, tout un ensemble de bases de données gratuites publiques qu’on peut utiliser notamment lorsqu’on a envie de tester un modèle et qui sont utilisées par les investisseurs pour certains. il y a une ONG qui donne des données sur le charbon. il y en a une autre qui donne des données sur l’égalité femmes hommes. donc eux aussi ils diversifient et leurs sources d’informations. ils vont pas chercher que des informations propriétaires D’accord. 

Marc Sanselme 00:21:45 – 00:21:48 : Cette source de données qui les agrège, ça s’appelle comment ? 

Grégoire Hug 00:21:48 – 00:22:18 : C’est plutôt un recensement de toutes les sources. L’Institut Louis Bachelier. Pour quelqu’un qui rentrerait dans le sujet ESG et qui aura envie de se rendre compte de ce qui est disponible aujourd’hui pour les investisseurs, pour ne pas réinventer la roue et pour pouvoir aller itérer, c’est un point de départ fantastique parce qu’il y a tout ce listing, tous les sites web, mais… Oui, assez paradoxalement, même la World Bank publie des informations ESG sur chaque pays, disponibles gratuitement, et pas tant de monde que ça le sait. 

Marc Sanselme 00:22:19 – 00:22:23 : Ok. Et les données propriétaires, c’est qui? les gros acteurs ? 

Grégoire Hug 00:22:23 – 00:23:13 : Beaucoup d’entreprises américaines. D’ailleurs, on a un problème de souveraineté en Europe puisqu’on est les plus grands utilisateurs de données ESG, mais toutes les boîtes qui les donnent sont américaines. Des noms connus en finance comme Bloomberg ou MSCI ou Standard & Poor’s. À chaque fois, il y a une division ESG qui va fournir de l’information. Ce qui est intéressant, c’est qu’en France, on a quand même des très grands spécialistes, je vais les citer parce qu’en plus, il y en a qui font un boulot fantastique, mais Césame, par exemple, boîte qui utilise l’IA pour trouver des données au niveau des PME, donc uniquement les petites boîtes, PME, ETI, donc OT, qui va chercher des données de controverse. Donc, avoir l’information d’un Orpea le plus tôt possible, voire même avant que ce soit révélé par la presse si possible. 

Marc Sanselme 00:23:13 – 00:23:15 : Comment s’appelle l’entreprise ? 

Grégoire Hug 00:23:15 – 00:23:17 : Césame, avec deux M. 

Marc Sanselme 00:23:18 – 00:23:25 : Et alors, la controverse, comment est-ce qu’on va chercher de la controverse ? 

Grégoire Hug 00:23:25 – 00:24:21 : On va chercher de la controverse via le news flow, via du réseau social. Ça peut être directement une information croisée avec les chiffres quantitatifs fournis par l’entreprise. Ça peut être une controverse de l’absence d’informations aussi, des fois. Vous êtes une grosse boîte qui ne publie aucune statistique sur le taux d’accident, c’est déjà une information problématique. Et en fait, cette controverse est une donnée hyper dynamique que les investisseurs remettent à jour en quasi temps réel s’ils le peuvent, mais tous les jours au pire. qui vient contrebalancer d’autres informations comme l’empreinte carbone qui sont plus long terme une empreinte carbone tu vas la calculer une fois par an. ça n’a pas trop de sens de recalculer ton empreinte tous les mois. et donc c’est une information qui est plutôt là pour analyser la stratégie de la boîte à long terme et l’idée c’est d’avoir des datasets où tu peux avoir du court terme et du long terme pour contrebalancer l’un avec l’autre et mieux comprendre la stratégie de l’entreprise. 

Marc Sanselme 00:24:22 – 00:24:27 : Ok Alors où est le nerf de la guerre dans votre secteur ? 

Grégoire Hug 00:24:27 – 00:25:53 : Clairement, le nerf de la guerre, c’est d’avoir de l’information fiable. Comme tu as compris, l’information existe quelque part, modélisée ou pas modélisée. Donc, pour l’investisseur, l’objectif, c’est d’être capable non seulement de la récupérer, mais de se prouver que c’est la bonne. De se prouver que c’est la bonne, à la fois parce que personne n’a envie d’investir avec une information qui n’est pas fiable, mais aussi parce que le régulateur lui demande d’être capable de vérifier tout ça. Ce qui veut dire que pour nos clients, on fait passer des batteries de tests, même assez basiques, de fraîcheur, de tendance, de variation, d’être capable de comparer une donnée vis-à-vis d’autres datasets concurrentiels pour vérifier s’il n’y a pas un outlier. Avec des cas simples, tu es une entreprise, tu rachètes ton concurrent, ton empreinte carbone va monter, donc on va voir l’empreinte carbone qui bouge, il faut être capable de l’expliquer. tout un ensemble de checks technico-fonctionnels et ça aujourd’hui il y a peu de gens qui sont capables de le faire à très grande échelle. quand on le fait on a des clients sur lesquels on fait passer des batteries 5 à 10 000 types de vérifications en fonction des données à chaque fois qu’on reçoit un dataset. Ça, c’est le saint graal pour un investisseur, c’est de pouvoir avoir un tampon qui lui dit « Ok, cette donnée, elle est validée selon tes critères et les critères du marché, c’est une donnée utilisable. ». C’est le cas dans beaucoup de secteurs, d’avoir ce challenge de la véracité de l’information, mais comme on est en finance où on va investir basé sur des informations qu’on doit contre-vérifier, il est exacerbé. 

Marc Sanselme 00:25:56 – 00:26:11 : Alors, quel problème résolvez-vous avec votre tech? et si on décompose le problème en sous-problème ? Comment vous l’avez, vous, décomposé en sous-problème et résolu sous-problème par sous-problème ? 

Grégoire Hug 00:26:11 – 00:29:13 : Ouais, c’est une terminologie qui plairait beaucoup à mon CTO, qui effectivement a passé beaucoup de temps à découper le problème en sous-problèmes. On a déjà une… À l’entrée de notre plateforme, il y a ces fameuses 38 sources. Donc la première chose qu’il a fallu qu’on fasse, c’est d’avoir un algorithme qui va permettre de les intégrer et de les matcher les unes avec les autres. Ça a l’air simple comme ça, mais en fait, pas du tout. Tu as un fournisseur qui va te faire un reporting au niveau de la maison mère, par exemple Total. Un autre qui va te donner une information au niveau de la maison mère et de la filiale Total Énergie Renouvelable, parce qu’il a de l’information intéressante à t’apporter là-dessus. Par exemple, une empreinte carbone qui est différente pour la filiale Énergie Renouvelable que pour la maison mère. Et puis il ne va pas la classifier de la même manière, parce que peut-être qu’il n’aura pas vu la boîte de la même façon. Donc déjà, il faut être capable de matcher toutes ces informations les unes avec les autres. Donc nous, le premier volet du problème, c’est ça. Deuxième volet, c’est qu’ensuite, dans l’utilisation de l’information, on la décompose de manière super granulaire, d’où des fois les 500 KPI ou les 1000 KPI, pour pouvoir ensuite rendre ça très atomique et permettre à nos clients de sélectionner les informations qui les intéressent et d’être capables de créer un ESG à leur image. ça c’est quelque chose qu’on n’a pas trop abordé encore. mais il y a une partie de l’ESG qui est extrêmement logique, scientifique et sur lequel il y a un consensus. par exemple je sais pas notre constructeur automobile bien sûr qu’on va regarder son empreinte carbone et bien sûr que c’est plus important pour lui que si tu fais une boîte de techno parce que lui il va avoir une empreinte carbone plus grande. donc c’est plus matériel pour lui. et puis également t’as des choix que tu peux faire. donc l’investisseur va faire des choix et en fonction de toi et moi par exemple c’est pas sûr qu’on ait la même façon de conceptualiser l’ESG et qu’on ait les mêmes priorités. c’est pareil pour chacun. investisseur société générale ou BNP ne va pas conceptualiser l’ESG de la même manière. donc ils ont besoin de le faire à leur façon. donc on leur permet ensuite de reconstituer en face de chaque entreprise un indicateur qui va être ou plusieurs qui vont être les leurs. Je ne sais pas, si tu prends par exemple l’environnement, est-ce que tu considères que le nucléaire, c’est positif ou pas positif ? Alors, les investisseurs français disent oui, les investisseurs allemands disent non. Mais c’est bien que, via ce sujet-là, on peut toucher du doigt le fait qu’il y a un choix politique au-dessus.Donc, il n’y a pas un seul ESG, il y en a plusieurs. Donc, notre deuxième métier, une fois qu’on a ramené l’information et qu’elle est propre… C’est de permettre à nos investisseurs de se positionner de manière claire sur la donnée et d’avoir leur vision de l’ESG. Et puis après, la troisième partie, c’est les process. C’est tout ce qu’on va qualifier d’utilisation de la donnée, qu’à la fois renvoyer l’information vers le gérant ou dans tes reporting ou dans tes process divers et variés. Donc, on fait… du reporting réglementaire, du reporting client, de la compliance, de l’utilisation par les risques et par l’investisseur. L’investissement professionnel, c’est quand même beaucoup d’investissement en compliance derrière. Et avec ici, le défi que tu as évoqué tout à l’heure de pédagogie. Il faut faire en sorte que toi, moi, quand on va voir cette information, on comprenne quelque chose. Et ça, ce n’est pas simple. donc si t’as ça t’as un peu tout ramener une information fiable en entrée de chaîne être capable ensuite de permettre à l’investisseur de se positionner et de faire ses propres choix et ensuite déployer de la pédagogie pour que l’investisseur final en bout de la chaîne comprenne ce qu’il doit comprendre sur le sujet. 

Marc Sanselme 00:29:56 – 00:30:00 : Est-ce que vous avez des cas d’usage d’IA ou de machine learning ? 

Grégoire Hug 00:30:00 – 00:32:18 : Ouais, alors nous, on n’est pas les plus grands utilisateurs d’IA en direct. Par contre, dans toute la chaîne, t’en as un paquet. Déjà dans la collecte d’informations, j’évoquais les camarades de Sésame, mais c’est pas les seuls à utiliser de l’IA pour pouvoir collecter l’information et la vérifier. Donc dans toute la partie initialisation de la donnée, récupération dans le PDF de l’entreprise, par exemple. C’est super compliqué parce que chacun va reporter pas de la même manière, il y a du contexte à récupérer. Donc ici, forcément, plus tu peux interpréter ce contexte, plus tu ramènes une information fiable. Il y a encore 2-3 ans, L’IA, elle était systématiquement contre-vérifiée par… Enfin, les informations récupérées par l’IA étaient systématiquement contre-vérifiées par des équipes opérationnelles, et par une, parce que, concrètement, c’était compliqué de faire confiance à un modèle. Quand on a fait nos premiers tests là-dessus, chez Wi-Fi, de notre côté, on avait 50% de réussite sur les boîtes du CAC 40, quand tu récupérais une information dans un PDF, ce qui n’était pas ouf. Oui. Et la deuxième, c’est sur l’utilisation de cette information. C’est à dire qu’une fois que l’investisseur, il a ses 500 KPI et puis en fait beaucoup d’informations qualitatives qui lui sont ramenées. Un analyste ESG, il peut écrire 100 pages sur une boîte, ce qui peut paraître beaucoup. Mais ces 100 pages, elles permettent de décrire toutes les composantes de la stratégie de durabilité. L’investisseur, il est comme toi et moi, il n’a pas le temps de lire tout ça. Donc, dans la consommation de l’information et pouvoir ramener les informations qui sont intéressantes, là aussi, il y a potentiellement besoin d’IA assez basique, en fait. Pour la petite anecdote, c’était ce qu’on avait… imaginé comme première version de la plateforme avant de faire tout ce qu’on s’était dit là. Quand on le voyait il y a quelques années, on s’était dit, on va faire, ça n’existait pas de chat GPT, mais on l’a appelé le search de l’ESG, on l’a appelé le search engine. Et donc ici, il y a pas mal de cas d’IA. Mais nous, en fait, WIFIN, on est très impacté surtout par le fait que les modèles d’IA rendent l’information plus compliquée à utiliser par les investisseurs. plus tu as de modèles plus ça devient potentiellement une boîte noire pour l’investisseur et plus il doit faire un travail de comprendre ce qui s’est passé avant pour pouvoir utiliser l’info. 

Marc Sanselme 00:32:22 – 00:32:42 : Alors, petite question, comment est-ce qu’on calcule l’empreinte carbone d’un logiciel, mais d’un SaaS en particulier, qui ferait appel à de l’IA ? Comment est-ce qu’on peut faire le calcul de l’empreinte due à l’IA notamment ? 

Grégoire Hug 00:32:42 – 00:34:19 : Effectivement, le compute, c’est l’essentiel de ton empreinte carbone, de manière quasi certaine. En fait, tu as la consommation, on va dire, de serveurs directs. Donc, effectivement, tu fais un compute, ça va consommer de la ressource. Et à ce moment-là, tu peux récupérer ton empreinte carbone. Il me semble que tous les cloud providers, maintenant, ils fournissent l’empreinte carbone directement. En tout cas, nous, on est sur AWS. Tu as une fonction directe qui te donne ta consommation de carbone en fonction de ta consommation. Après, ce qu’on disait de manière intéressante, c’est que le soft, il peut avoir une consommation indirecte puisque toi, moi, quand on utilise un ordinateur pour se connecter à un SaaS, on a donc une partie de l’empreinte carbone qui doit être recalculée. C’est ce que je disais un peu dans la première partie de notre échange. Cette partie d’empreinte carbone, ce n’est pas si compliqué à calculer. On peut faire une stat en disant nombre d’utilisateurs croient une certaine code part de l’empreinte carbone de ton ordi. Oui. mais l’information elle va pas nous être très utile parce qu’on a pas les moyens d’agir dessus. un autre soft qui travaillerait je sais pas sur un site web avec de la pub et qui peut travailler sur l’affichage de sa pub pour qu’elle soit moins consommatrice en échange de données. là oui pour eux c’est intéressant mais pour un SaaS comme nous par exemple ça l’est pas. Donc je pense que ce calcul de l’empreinte carbone doit être très focalisé sur les zones sur lesquelles c’est matériel et où il y a une grosse consommation. Typiquement, si tu fais de l’IA, pour revenir à ta question, je pense qu’à part travailler sur le compute, il n’y a pas grand-chose d’autre à faire puisque ça va représenter 99% de l’empreinte carbone. 

Marc Sanselme 00:34:19 – 00:34:27 : Oui, ça ne sert à rien de regarder les sauts de serveurs, etc. Ça va être surtout le GPU qui tourne pendant… 

Grégoire Hug 00:34:27 – 00:35:07 : Au contraire, si tu es Twitch ou YouTube, je suppose que l’échange de flux, c’est ton problème principal. En fait, à chaque fois, les calculs ne servent qu’à identifier les sources de consommation principale. Dans le cadre de l’IA, elle est évidente. Donc même avant de mesurer, on peut potentiellement agir dessus pour optimiser certaines zones de l’algorithme. ce qui est en général fait par les entreprises de la tech puisque c’est très lié au facteur économique c’est à dire que plus j’optimise moins je consomme de calcul et plus je me retrouve avec quelque chose d’efficace aussi économiquement parlant. 

Marc Sanselme 00:35:07 – 00:35:16 : oui oui alors sur la tech sans doute sur l’IA c’est vrai qu’on ne t’en parle pas encore trop. parler de l’empreinte carbone des différentes solutions qui apportent de l’IA ça va venir 

Grégoire Hug 00:35:17 – 00:35:31 : Ça va venir souvent et ça permettra peut-être de faire le tri un jour sur certains cas d’usage, certains qui seront très utiles et très rentables, comme la Visio peut être rentable si on évite de faire un aller-retour Paris-New York en avion, et d’autres qui ne le seront peut-être pas. 

Marc Sanselme 00:35:32 – 00:35:48 : Je ne sais même pas si l’information sur les modèles propriétaires est servie, comme par exemple celui d’OpenAI. Est-ce qu’on peut savoir ce que ça consomme une requête OpenAI ? 

Grégoire Hug 00:35:48 – 00:36:27 : j’ai pas regardé cette information. comme on ne l’a pas intégrée directement dans notre soft on n’a pas de requête et d’appel direct à ce type de modèle. on n’a pas. mais j’imagine qu’il doit y avoir au moins au début une part d’information propriétaire qui doit être très confidentielle et qu’au bout d’un moment on finit par savoir Comme aujourd’hui, faire l’empreinte carbone d’une recherche Google, c’est à peu près connu. Avec toutes les limites sur le chiffre aussi. Oui, on est capable de calculer cette empreinte carbone d’un Google search, mais est-ce qu’on est capable d’agir dessus ? Est-ce qu’on ne remplace pas quelque chose qui aurait consommé encore plus de carbone ? C’est très discutable. 

Marc Sanselme 00:36:28 – 00:36:45 : Oui, comme derrière, il y a un peu un enjeu concurrentiel de savoir est-ce qu’on est en train d’utiliser un gros modèle ou un petit modèle ? Est-ce qu’on est en train de faire un énorme dumping parce qu’en fait, on le sert à perte en ayant des calculs beaucoup trop gros par rapport à ce qu’on le vend, etc. 

Grégoire Hug 00:36:45 – 00:36:45 : ? 

Marc Sanselme 00:36:45 – 00:37:11 : Ou bien est-ce qu’au contraire, on a trouvé la poulose d’or, un modèle très efficace et on ne le dit surtout pas aux autres pour continuer à garder la marge ? il y a un peu comme il y a une sorte de proportionnalité entre la taille du modèle et la taille du compute. en tout cas entre les coûts de serveur d’un côté et l’empreinte carbone il y a un vrai enjeu de secret industriel dans la transparence de l’empreinte carbone. 

Grégoire Hug 00:37:11 – 00:38:08 : aussi quoi Et j’imagine comme une partie significative des levées de fonds de ces grands noms de l’IA doivent partir dans du compute et que ça, c’est une information cruciale pour les investisseurs et notamment en vue de la négociation de leur futur tour. Ça peut être une information extrêmement cruciale. D’ailleurs, souvent, l’information ESG, elle peut être utilisée par les investisseurs pour faire de la contre-vérification. Quand on investit sur une entreprise de toute taille, on va chercher la cohérence de l’histoire financière et dans les données ESG, on a effectivement une contre-vérification de ces informations financières et de la stratégie de la boîte. Le taux de formation, le taux de turnover, c’est des indicateurs assez basiques, mais qui sont utilisés depuis des décennies pour pouvoir voir si une boîte, elle fait bien son boulot ou pas. Ça fait partie des indicateurs ESG parmi d’autres. 

Marc Sanselme 00:38:08 – 00:38:56 : Tiens, ça te mène à un sujet qui est intéressant, celui de l’aspect social dans l’ESG. Donc, côté environnement, c’est… Je ne peux pas dire que c’est facile, mais en tout cas, c’est plus facile de se représenter, de fusionner un peu les scores et faire un score environnemental. Dans le social, comment est-ce qu’on mélange tous ces sujets qui n’ont pas grand-chose à voir pour faire un score social ? En tout cas, quelle est votre stratégie à vous ? Comment est-ce qu’on traite ce sujet-là qui est un peu absent depuis le début de nos discussions ? D’ailleurs, on est peut-être très focus… Sur l’environnement, oui. Côté social, qu’est-ce qu’on évalue et comment est-ce qu’on fusionne en un seul chiffre, une poignée de chiffres, pour que ça puisse être utilisé de façon actionnable ? 

Grégoire Hug 00:38:56 – 00:39:14 : C’est vrai qu’on a pris beaucoup d’exemples sur l’environnement et le climat en particulier parce que ça parle. Ceci dit, quand il s’agit quand même d’additionner plusieurs thématiques sur l’environnement, ce n’est pas si facile. Est-ce que la biodiversité ou le climat qui est inclus dans la biodiversité est à mettre en 1 ou en 2 ? Vaste débat. 

Marc Sanselme 00:39:16 – 00:39:22 : mais souvent ça va dans le même sens pas toujours la pollution. 

Grégoire Hug 00:39:22 – 00:39:28 : il y a certains polluants qui vont dans un sens qui sont très négatifs pour la biodiversité et qui sont positifs pour le climat. 

Marc Sanselme 00:39:28 – 00:39:31 : Ouais, non, t’as raison, t’as raison, j’ai rien dit alors. 

Grégoire Hug 00:39:31 – 00:41:55 : Mais non, je vois ce que tu veux dire, il y a quand même un consensus plus large sur le fait que c’est dans cette direction qu’il faut aller, alors que sur le social, c’est peut-être encore plus clivé. Nous, notre stratégie, c’est la même sur le social que sur l’environnement, c’est d’être capable de proposer tout un ensemble de thématiques très atomiques, avec beaucoup d’indicateurs, pour ensuite permettre à nos utilisateurs de choisir la manière dont ils veulent s’en emparer. Je vais prendre un exemple. Dans le social, tu as autant les droits humains que taux de formation, l’égalité femmes-hommes, des problématiques de local. Est-ce que tu vas faire en sorte que les communautés locales autour de ton entreprise bénéficient de ton activité ? Bref, il y a plein de choses. Donc c’est très varié. Et pour choisir qu’est-ce que tu décides de mettre en avant dans ton score ou pas, ou dans tes scores, il y a deux dimensions. La première, c’est est-ce que c’est matériel financièrement pour l’entreprise ou les entreprises que tu regardes ? Typiquement, on a bien vu que pour Orpea, tout ce qui concerne le staff, c’est des critères qui sont super importants. Donc en général, il y a peu de métiers dans lesquels ça, ce n’est pas des critères qui sont très matériels et qu’il faut regarder. On pourrait même dire qu’il y a un consensus autour de tous ces critères qui concernent le staff, la formation, le bien-être au travail et le fait que si ça, ce n’est pas nickel, l’entreprise va mal. Donc ça, c’est la première chose. Est-ce que c’est matériel pour la boîte ? Et la deuxième chose, c’est est-ce que toi, tu considères que c’est un sujet sur lequel l’entreprise peut avoir un impact ou que toi, tu peux avoir un impact en tant qu’investisseur ? Est-ce qu’il est important pour toi ? Par exemple, on a accompagné un fonds qui travaille uniquement sur les entreprises familiales. Donc, test d’investissement, on va prendre que des entreprises familiales et on pense que c’est un modèle vertueux et on a une façon de les accompagner. Forcément, pour les entreprises familiales, la participation des salariés au capital ou d’autres indicateurs sur l’égalité femmes-hommes, ils deviennent super importants par construction là-dedans. la satisfaction des salariés dans un modèle familial qui est censé justement garantir quelque chose d’assez pérenne pour ses employés est très important. Si tu fais un fonds sur les boîtes de la tech, forcément t’as pas du tout envie de mettre les mêmes critères. Ça veut pas dire que les premiers étaient pas importants, tous ceux que j’ai donnés. C’est que c’est pas ceux-là que tu vas vouloir avoir en premier et que tu vas considérer comme les plus impactants pour toi. Donc cette double matérialité… 

Marc Sanselme 00:41:55 – 00:41:58 : On prendrait quoi sur la tech ? 

Grégoire Hug 00:41:58 – 00:42:27 : Sur la tech, je pense que… Alors après, c’est perso aussi, mais je trouve que ce qui est dommage, c’est qu’on a beaucoup d’entreprises qui sont assez récentes et qui valorisent très peu la diversité au sens, même juste entre femmes et hommes, et diversité au sens large. Donc avoir des critères là-dessus, je trouve que ça montre à quel point le management est sain, parce que l’environnement tech n’est pas si facile non plus pour créer une vraie diversité dans une boîte. Et je trouve que ça, ça peut être très intéressant. Après, ça dépend. 

Marc Sanselme 00:42:27 – 00:42:37 : Il pourrait presque être matériel celui-là. Il pourrait presque être matériel celui-là. Il y a un cercle un peu vicieux quand on a un déséquilibre qui s’entretient. 

Grégoire Hug 00:42:37 – 00:42:54 : Et après, évidemment, même si c’est un peu bateau, le turnover dans une boîte de tech paraît clé parce que si tu as tous tes talents qui s’en vont, en général, la boîte a quand même des grosses difficultés derrière. Et le nerf de la guerre dans la tech, c’est les talents. Donc, je pense que si tu n’as pas d’indicateur dessus, tu as raté ton boulot. 

Marc Sanselme 00:42:56 – 00:43:05 : Alors, est-ce qu’il y a une différence entre les grosses entreprises et les petites entreprises ? Sur les données ESG qu’on va chercher chez les gros et les petits, est-ce qu’il y a une différence ? 

Grégoire Hug 00:43:05 – 00:45:35 : Alors, surtout sur est-ce que l’information existe ou n’existe pas ? Chez les grosses, elle existe systématiquement, publiée dans le rapport RSE. Il y a souvent une direction de la com qui va travailler à la création de cette information. Et donc, on l’a compris, le travail, c’est surtout de vérifier l’info, d’éventuellement utiliser un modèle qui va être meilleur que cette information. Là où si on parle d’une petite entreprise, incluant WeFin par exemple, quand on se considère nous en tant que startup, l’information existe rarement ou d’une manière très parcellaire. Quand on lance une boîte, la première chose qu’on fait, ce n’est pas de se créer une batterie de KPIs RSE qu’on va publier tous les mois pour que les investisseurs puissent les regarder dans le blanc des yeux. Donc là déjà, c’est différent. Après, les grosses entreprises ont plus de KPIs, mais c’est les mêmes thématiques par contre. Elles vont avoir des thématiques sur l’égalité femmes-hommes, comme les petites entreprises. Maintenant, une petite entreprise, déjà, si tu arrives à avoir une certaine parité dans ton board ou dans ton comité de direction, que tu arrives à éviter des écarts salariaux qui seraient anormaux, c’est déjà bien. Tu n’as pas besoin de faire plus. Si tu es une grande entreprise, forcément, on va aller regarder le pourcentage de femmes dans des couches de management intermédiaires qui n’existent pas dans la petite entreprise. C’est du bon sens, mais en fait, on va créer plus d’indicateurs puisqu’il y a plus de choses à gérer dans une grosse entreprise. Et après, je dirais que dans une petite boîte, l’indicateur doit exister pour une bonne raison. Au tout début, il n’existe pas parce qu’on n’a pas le temps de le gérer et point. À partir du moment où l’entreprise fait 40, 50, 60 personnes, on a le temps de créer une stratégie autour de ça et donc ça a un intérêt de gérer ses KPIs. Et souvent, les investisseurs commencent à le demander à ce moment-là. Et si, je ne sais pas, on est parti pour faire une IPO, alors on est obligé de faire un dossier là-dessus et donc ça devient un moment où c’est important de le faire. Nous, par conviction, oui, fine, on va avoir peut-être plus de KPIs que d’autres entreprises de notre taille parce qu’on pense que c’est important. C’est aussi la conviction des dirigeants qui doit être là. Ça sert à rien d’avoir des KPI si c’est juste pour faire du reporting et qui ne servent pas à piloter quelque part l’entreprise. D’ailleurs, souvent, le problème des données ESG est abordé d’abord du point de vue du reporting. Et après, on se pose la question de ce qu’on en fait, ce qui n’est pas le bon point de départ. Et évidemment, c’est d’abord qu’est ce qu’on a envie de faire dans sa boîte? Qu’est ce qu’on a envie de piloter? Donc, quels sont les critères qu’on va regarder? Il y a quelques immanquables comme l’empreinte carbone qui existe partout pour tout le monde. Mais à part ça, c’est surtout beaucoup de liberté de choisir ce qui est important pour soi. 

Marc Sanselme 00:45:35 – 00:45:39 : C’est quoi les prochaines étapes pour WeFin ? 

Grégoire Hug 00:45:39 – 00:46:44 : Pour l’instant, écoute, on est content. On a fait une série à l’année dernière. C’était notre deuxième levée de fonds. On a 70 collaborateurs pour l’instant, une quarantaine de clients. On a doublé notre taille en un an à peu près. Donc ça se passe bien. Donc nous, on se projette et on est en train de continuer à développer notre plateforme pour faire en sorte d’avoir un soft de plus en plus efficace pour nos clients. Et à l’échelle de WeFin, on est en train d’ouvrir notre premier bureau à Londres. Donc on va continuer à s’étendre en Europe. Déjà quatre pays dans lesquels on a des clients, mais l’objectif d’aller faire de Londres notre deuxième hub après Paris et de continuer à s’étendre dans le futur. Donc il faut nous souhaiter de… devenir la référence, non seulement en France, mais en Europe, sur le software ESG pour les institutions financières. Londres, pour une fintech, ça a du sens, d’autant que dans les marchés financiers, c’est vrai que Londres, Paris, Boston, Singapour, c’est des lieux évidents. 

Marc Sanselme 00:46:44 – 00:46:51 : Et qui est-ce que tu aimerais entendre au micro de Data Driven 101 dans un prochain épisode ? 

Grégoire Hug 00:46:51 – 00:47:46 : J’aime beaucoup tes épisodes. Même si nous, on n’en fait pas directement, tu as compris qu’on baignait dans un milieu d’IA. Je trouve beaucoup de plaisir à regarder les boîtes qui sont vraiment dans le cœur des modèles. Il se trouve que chez un de mes investisseurs, Iris, il y a une nouvelle boîte d’IA qui s’appelle Adaptative ML. J’ai échangé avec Baptiste Pannier, son CTO, il y a quelque temps. Je trouve qu’ils ont une façon hyper intéressante de diffuser les cas d’usage dans les entreprises et de faire en sorte que l’IA devienne concrète. Si tu as l’occasion de discuter avec eux, ils sont fantastiques. Merci beaucoup pour l’échange. et puis j’espère que ça vous a donné envie de creuser avec des modèles dans les données ESG et puis d’aller venir faire en sorte de rendre concret ce sujet. On en a besoin pour transformer la planète, peut-être demain, avec la finance et puis avec le reste des secteurs. 

Marc Sanselme 00:47:46 – 00:47:48 : Carrément, merci. 

Grégoire Hug 00:47:48 – 00:47:49 : Merci Marc.