Les grandes entreprises de l'UE sont légalement tenues de signaler leurs émissions de gaz à effet de serre (GES). Pourtant, tirer ces informations manuellement à partir de longs rapports de durabilité PDF est lent et sujet aux erreurs. De nombreuses équipes essaient d'accélérer le processus avec l'automatisation – par exemple, en utilisant des modèles de grande langue (LLM), des systèmes d'IA qui lisent le texte et produisent des réponses.
Coordinateur du projet et chercheur postdoctoral à la science des données sociales et à l'AI Lab (Soda Lab), le Dr Malte Schierholz exhorte cependant la prudence. « Avec les méthodes d'extraction automatique, il est facile de faire pleinement confiance à la sortie de la LLM et à ignorer les erreurs de mesure qui se produisent fréquemment. »
Étant donné que la tendance de l'augmentation de l'automatisation est prometteuse mais risquée en même temps, le groupe de recherche Greenhouse Gas Insights and Sustainability Tracking (GIST) a décidé de construire un point de référence fiable pour la collecte des données d'émission.
Une étalon-or pour enregistrer les données d'émissions
Dans un article publié dans Données scientifiquesle groupe présente un ensemble de données de référence standard pour extraire les émissions de GES. L'ensemble de données est basé sur des rapports de durabilité échantillonnés auprès d'entreprises de l'indice MSCI World Small Cap et de la DAX allemande.
« La tâche de base était d'extraire les valeurs d'émissions de GES des fichiers PDF dans une table », explique Schierholz. « Ce qui a d'abord semblé simple s'est avéré étonnamment complexe. »
Dans un processus en plusieurs étapes, des experts en finance durable de LMU et Deutsche Bundesbank ont travaillé avec des méthodologues pour définir des règles d'annotation strictes, effectué plusieurs cycles d'extraction et de vérification et convoqué des groupes de discussion d'experts.
« Si vous voulez un ensemble de données à la fois précis et permet des comparaisons entre les entreprises, vous avez besoin de règles claires et de nombreuses boucles de rétroaction tout au long du processus d'annotation de données », explique Jacob Beck, qui a dirigé l'effort d'annotation. « En fin de compte, certains cas ambigus nécessitaient toujours une discussion de groupe d'experts. »
De nombreuses entreprises ne fournissent pas de documentation suffisante
Le chercheur en finance durable, le Dr Andreas Dimmelmeier (Greendia Consortium) n'a été surpris. « Les cas difficiles à résoudre découlent non seulement de protocoles de rapports complexes et partiellement incohérents, mais également du contexte manquant et des divulgations incomplètes dans les rapports d'entreprise. De nombreuses entreprises de notre échantillon n'ont pas divulgué les émissions en fonction des cadres de rapports et de calcul établis. »
L'équipe a également observé qu'environ la moitié des rapports ne contenaient pas du tout de données de gaz à effet de serre utilisables. Lorsque des émissions ont été signalées, ils ont le plus souvent fait référence aux émissions directes et aux émissions indirectes de la consommation d'énergie. Les données sur d'autres émissions indirectes, telles que celles découlant de la chaîne d'approvisionnement ou des voyages et des transports, étaient rarement complètes.
L'ensemble de données – ensemble avec des scripts et des documents supplémentaires – offre une base transparente et rigoureusement organisée pour évaluer les approches automatisées des rapports de durabilité. En rendant les hypothèses et décisions explicites, il permet des comparaisons de méthodes équitables et une communication plus claire de l'incertitude de l'annotation. Le groupe GIST espère que cette ressource aidera les chercheurs et les praticiens à mesurer les progrès plus honnêtement et à combler les écarts de données critiques sur la voie de Net Zero.
