Le rôle de la data dans l’industrialisation du développement durable
‹ Retour au cercle 2022
Les entreprises ont aujourd’hui la possibilité de collecter des milliards de données mais peu d’entre elles sont capables de les gérer, les analyser, les harmoniser. Et si les données environnementales permettaient d’industrialiser le développement durable ? C’est la question que se posent de nombreux chefs d’entreprise dont le premier enjeu est de comprendre comment généraliser et faciliter une utilisation vertueuse de la data.
Pollution de l’air, dégradation de la biodiversité, hausses des températures, saisons perturbées… les entreprises sont conscientes de leur part de responsabilité et ne peuvent plus rester immobiles. La data apparaît de plus en plus comme un outil pour limiter leur impact environnemental : prévoir la demande d’énergie ou de produits, éviter la surproduction, suivre la consommation de certaines ressources, optimiser les chaînes logistiques, analyser l’efficacité énergétique des bâtiments ou des processus de fabrication, mettre en place une traçabilité accrue sur tout le cycle de vie d’un produit ou encore benchmarker des composants optimaux. L’automatisation de modèles financiers peut aussi faciliter et améliorer les décisions d’investissements responsables et performants.
Les enjeux sont aujourd’hui la collecte des données, leur création, leur stockage, leur transmission ou encore leur intégrité.
Afin d’obtenir des propositions concrètes, le groupe de travail a choisi d’analyser la chaîne de valeur de A à Z, d’identifier les difficultés et de construire des propositions génériques qui seront applicables à la majorité des secteurs.
Le mot des co-présidents
CÔME PERPÈRE
Directeur du développement durable
Microsoft France
Rim Tehraoui
Chief Data Officer
BNP Paribas
“ Les données ont déjà révolutionné de nombreux pans de notre économie ces dernières années. Clés de la transformation numérique, les données ont permis des avancées majeures dans l’optimisation des processus de production, la gestion des risques ou encore la transformation de business models. De la même façon, la transition écologique est une transformation sociétale, industrielle et écono- mique. Pour la mener à bien, il est crucial de poser et piloter des objectifs incrémentaux, informés par des données.
Bien sûr, cela est à mettre en perspective avec les questionnements légitimes autour des impacts environnementaux actuels et futurs de l’explosion du volume de données, pour lesquels des réponses doivent être apportées. Nous sommes néanmoins convaincus que la donnée est un levier essentiel au traitement de certains grands enjeux environ- nementaux.
Nous avons cherché à articuler des propositions concrètes, permettant de rendre actionnables les données nécessaires à la mise à l’échelle du développement durable. Nous nous sommes interrogés sur les prérequis normatifs, technologiques et humains pour un emploi vertueux de la donnée. Nous nous sommes demandé comment impliquer le plus grand nombre d’acteurs aux géographies, maturités et tailles diverses. Nous avons souhaité définir les cadres, les contraintes, les moyens techniques et les incitations afin que les données nécessaires à la mesure de l’impact environnemental des différents acteurs de la chaîne de valeur économique mais aussi à leur traçabilité et leur transparence, puissent être collectées, échangées et utilisées.
Notre conviction est qu’une approche industrielle fondée sur la donnée est un ingrédient essentiel, non seulement à la mise à l’échelle du développement durable, mais également à l’efficacité et la crédibilité de nos actions. ”
C’EST LE NOMBRE, au niveau mondial, des entreprises qui évaluent leur impact environnemental de manière précise et complète, c’est-à-dire en mesurant les scopes 1, 2 et 3.
Source : rapport Carbon Measurement Survey 2021 de BCG Gamma
Propositions
1
Créer des consortiums sectoriels multi-parties prenantes pour normaliser des indicateurs d’impact environnemental.
2
Inclure dans le standard CSRD (développé par l’EFRAG) les indicateurs liés à l’empreinte environnementale des produits.
3
Améliorer l’interopérabilité et le partage des données environnementales (ex. : biodiversité et carbone) pour favoriser leur échange.
4
Assurer la qualité et la clarté de la donnée.
5
Rendre le processus de contribution au sourcing et à la gouvernance de la data attrayant pour tous les acteurs de la chaîne de valeur.
6
Considérer la data comme un levier pour mesurer et modéliser l’impact extra-financier d’un projet à but social ou environnemental.