par 
Si les mesures 1 et 2 incluent les émissions produites par les activités directes de ces entreprises telles que celles provenant de leurs installations ou de l’énergie consommée par leurs centres de données, les émissions impliquées par le Scope 3 sont plus complexes à définir. Le secteur financier est davantage concerné par ce dispositif qui touche à l’ensemble de la chaîne de valeur, notamment pour les émissions associées aux voyages d’affaires, aux déplacements des employés, aux biens et services achetés et aux opérations en lien direct avec les clients. Ce secteur peut également avoir d’importantes émissions associées à leurs portefeuilles d’investissement, de souscription et de prêt.
La chaîne de valeur: un défi de taille
Plus difficiles à surveiller et plus complexes à quantifier, les exigences du scope 3 sont plus susceptibles d’échapper au contrôle d’une entreprise. Cependant, il s’agit de l’ensemble des actions environnementales les plus exposées aux consommateurs et donc les plus prioritaires, selon l’Université d’Oxford.
C’est pourquoi, de plus en plus de grands groupes et en particulier des entreprises cotées en bourse, mettent tous leurs efforts pour être en conformité. Aux Etats-Unis, la Securities and Exchange Commission (SEC) a fixé une échéance de la mise en œuvre du dispositif pour l’exercice fiscal 2024. Or, la complexité de la chaîne de valeur peut rendre la collecte d’information périlleuse. En effet, recueillir ces données auprès des différentes parties prenantes, estimer leurs émissions, souvent partielles, et élaborer les méthodologies nécessaires pour en extraire des rapports précis, n’est pas une tâche anodine. Il n’est d’ailleurs pas étonnant que le champ d’application du Scope 3 soit appelé le nouveau Sarbanes-Oxley. Une loi qui a pour objectif d’accroître la responsabilité des entreprises, de rendre la communication de l’information financière plus fiable et de lutter contre les comportements déviants et frauduleux des entreprises
Cette complexité a de quoi inquiéter les institutions de services financiers. Réussir à unifier un tel volume de données à partir d’un nombre important et varié de sources, est une tâche des plus complexes et presque impossible à réaliser en particulier si l’on ne dispose pas d’outils adéquats. A titre d’exemple, les systèmes de gestion de bases de données SQL ou NoSQL ne peuvent pas répondre à cette exigence par leur approche traditionnelle qui s’avère inefficace pour modéliser et interroger des données multiples hautement connectées. Mais existe-t-il une meilleure alternative ?
Et si le jumeau numérique basé sur les graphes était la solution ?
Grâce à une base de données de graphes native, moderne et évolutive, les grandes entreprises construisent des jumeaux numériques de leur chaîne de valeur. Ce qui constitue une aubaine puisqu’elles peuvent profiter d’une réduction nette des coûts et de temps. Les jumeaux numériques
sont des représentations virtuelles de la réalité physique et, s’ils sont bien conçus, ils peuvent être aussi étendus et détaillés que la réalité qu’ils visent à représenter.
A date, le jumeau numérique semble être la seule technologie offrant une modélisation sans faille d’importants volumes en temps réel. Couplés à une base de données de graphes, ils permettent une prise en charge précise et une analyse avancée de données complexes et ultra-connectées facilitant ainsi la prise de décision et un gain de visibilité considérable sur les émissions de carbone sur l’ensemble des chaînes de valeurs. Ils fournissent par ailleurs une vue numérique complète, souvent en temps réel, des processus métier qu’ils représentent, et peuvent servir de base de diagnostic pour définir et atteindre de nouveaux objectifs de réduction des émissions.
Au sein d’une base de données de graphes, les connexions entre les données sont davantage importantes que les données elles-mêmes. Stockées dans la mémoire et sur disque, elles peuvent être interrogées avec des temps de réponse de l’ordre de la milliseconde. Les bases de données de graphes natives modernes peuvent facilement gérer des milliards de relations, ce qui pourrait faire toute la différence pour relever le défi du scope 3.
A ce propos, un jumeau numérique basé sur les graphes peut relier des réseaux d’actifs connectés à des données sur les émissions provenant de diverses sources à l’échelle de l’entreprise et de son portefeuille. Les requêtes graphes peuvent rapidement tout déterminer, de la non-conformité aux dépendances critiques, en passant par l’optimisation des routages, les signaux d’alerte sur l’infrastructure, la mauvaise qualité des données et même les causes profondes des émissions excessives. Les data scientists peuvent exécuter de puissants algorithmes sur des jumeaux numériques pour définir les points de défaillance potentiels, les similitudes de nœuds, les filières à faible émission de carbone, les communautés connectées et d’autres modèles de données cachés qui seraient autrement difficiles à identifier.
Capitaliser sur les connaissances de vos équipes et adopter une stratégie step by step
Les jumeaux numériques basés sur des graphes connectent les données d’émissions d’une manière qui serait difficile, voire impossible, à effectuer dans des systèmes plus traditionnels (c’est-à-dire relationnels ou NoSQL). Grâce à cette technologie, vous aurez une vue entièrement contextualisée de chaque entité de la chaîne de valeur et, par conséquent, de sa contribution aux émissions totales de carbone de votre organisation. Vous pouvez commencer par un cas d’utilisation simple et intégrer des données supplémentaires et des cas d’utilisation adjacents à mesure que l’expertise de votre équipe en matière de graphes mûrit et que vos méthodologies d’estimation des GES deviennent plus sophistiquées.
Les développeurs maîtrisant SQL possèdent déjà une compréhension fondamentale des bases de données relationnelles, ce qui les place dans une position privilégiée pour adopter et étendre leurs compétences vers les bases de données de graphes et le langage Cypher. Les bases de données de graphes ont, ces dernières années, gagné en popularité et en adoption dans divers secteurs tels que la santé, la logistique, les réseaux sociaux et la sécurité autant que la finance. En regardant vers l’avenir, leur capacité à modéliser des relations complexes de manière intuitive et à effectuer des requêtes en parcourant aisément ces liens en font un atout précieux pour l’analyse de données de plus en plus interconnectées.
Les entreprises de services financiers sont aujourd’hui confrontées à des réglementations accrues en matière de reporting sur les risques et la conformité. Plutôt que de mettre à jour les données manuellement à travers des silos, les leaders financiers d’aujourd’hui utilisent des bases de données de graphe pour réunir les silos de données dans un modèle de métadonnées fédéré, ce qui leur permet
de tracer et d’analyser leurs données à travers l’entreprise ainsi que de mettre à jour leurs modèles en temps réel. L’objectif est de garantir la rapidité et la précision de l’analyse des risques et des rapports de conformité.
Par exemple, dans la conformité aux règles de protection des données comme le RGPD, les bases de données de graphes peuvent cartographier les relations entre les données, permettant ainsi une gestion plus fine des autorisations d’accès et des mécanismes de traçabilité. Elles facilitent également la détection de schémas d’utilisation abusive ou non autorisée des données, renforçant ainsi la conformité réglementaire.
Les bases de données de graphes, en simplifiant la gestion des données et en permettant une analyse plus précise, contribuent à optimiser les processus. Dans le contexte actuel, cette optimisation peut également se traduire par une réduction des émissions de carbone.
Enfin, des recherches ont montré que les émissions relevant de ce scope représentent même la plus grande partie des émissions de gaz à effet de serre dans le secteur financier, pouvant atteindre les 90%. Ainsi, selon l’ONG Carbon Disclosure Project, les institutions financières produisent 700 fois plus d’émissions de CO2 dans le cadre de projets d’investissement et de financement, que par leur scope 1 et 2 réunis. La création d’un jumeau numérique de la chaîne de valeur à l’aide d’une base de données de graphes constitue donc un allié de taille pour faire face aux complexités du reporting Scope 3, contribuer à la décarbonisation de la finance.
