📈 economics

AI-Enabled Sustainable Finance: Examining the Roles of FinTech Capability, Digital Trust, and ESG Orientation in Green Investment Decisions

Cette étude utilise la méthode PLS-SEM sur un ensemble de données simulées pour démontrer que les capacités en matière de FinTech et d'IA stimulent de manière significative les décisions d'investissement vert en renforçant la confiance numérique et l'orientation ESG, la littératie financière servant de modérateur contextuel clé.

Auteurs originaux : JAINISH BHAGAT

Publié 2026-08-26

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : JAINISH BHAGAT

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

L'effort mondial pour ralentir le changement climatique dépend d'un déplacement massif de l'argent. Les investisseurs doivent détourner leur épargne des industries qui nuisent à la planète vers celles qui l'aident. C'est la promesse de la finance durable. Parallèlement, le monde de la finance change rapidement en raison des nouvelles technologies. L'intelligence artificielle et les plateformes numériques deviennent les outils que les gens utilisent pour gérer leur argent. Mais une lacune subsiste dans notre compréhension : comment la technologie convainc-elle réellement une personne de choisir un investissement vert ? Il ne suffit pas de savoir que les outils existent ; nous devons comprendre les étapes mentales qu'une personne suit lorsqu'elle voit une interface numérique et décide d'acheter un actif durable. La technologie se contente-t-elle de rendre les données disponibles, ou modifie-t-elle la confiance de la personne envers le système ou son intérêt pour l'environnement ?

Une étude récente de Jainish Bhagat, de l'Université P.P. Savani, explore précisément cette question. La recherche ne repose pas sur le fait de poser des questions à de vraies personnes ou de suivre de vrais comptes bancaires. Au lieu de cela, l'auteur a utilisé une simulation informatique sophistiquée pour créer un groupe réaliste de 500 investisseurs imaginaires. Cette méthode a permis au chercheur de construire un environnement contrôlé où chaque variable pouvait être mesurée avec précision, testant comment différents facteurs interagissent pour mener à une décision. L'étude se concentre sur une chaîne d'événements : partant de la technologie de base dont dispose une plateforme, passant par l'intelligence de l'intelligence artificielle de la plateforme, pour voir comment ces facteurs renforcent la confiance et façonnent les valeurs d'une personne avant qu'elle ne clique enfin sur le bouton pour investir dans un projet vert.

L'investigation commence par le fondement même de la technologie, appelée capacité FinTech. Cela fait référence à l'infrastructure numérique de base qu'une plateforme financière possède. L'étude a révélé qu'une base solide est essentielle car elle permet directement à la plateforme d'utiliser une intelligence artificielle avancée. Lorsqu'une plateforme possède les bons outils techniques, elle peut déployer des algorithmes plus intelligents. Ces systèmes intelligents font plus que simplement traiter des chiffres ; ils changent l'état d'esprit de l'investisseur de deux manières distinctes. Premièrement, la clarté et la rapidité fournies par l'intelligence artificielle aident à instaurer une confiance numérique. Lorsqu'un investisseur voit qu'un système est transparent et fiable, il se sent plus en sécurité en l'utilisant. Deuxièmement, cette même technologie aide à affiner l'attention de l'investisseur sur les enjeux environnementaux, sociaux et de gouvernance. En rendant les données de durabilité complexes faciles à comprendre, les outils aident l'investisseur à aligner ses valeurs personnelles avec ses choix financiers.

Une fois la confiance établie et l'attention de l'investisseur sur la durabilité affinée, la décision d'investir suit. La simulation a montré que la confiance numérique et une forte orientation vers les valeurs environnementales sont des moteurs puissants qui poussent les gens vers les investissements verts. Curieusement, l'intelligence artificielle elle-même a également eu une influence directe sur la décision, même sans passer par les autres étapes. Cela suggère que la technologie agit comme un catalyseur à plusieurs niveaux. Elle renforce la confiance nécessaire pour agir, elle clarifie les raisons morales d'agir, et elle influence directement le choix final. L'étude a confirmé que ces relations ne sont pas de simples suppositions mais des modèles statistiquement robustes au sein des données simulées, expliquant une part significative de la raison pour laquelle les gens font ces choix financiers spécifiques.

Une découverte cruciale de la recherche concerne le rôle de la connaissance financière. L'étude a divisé le groupe simulé entre ceux ayant une faible littératie financière et ceux ayant une littératie élevée pour voir si leurs processus de décision différaient. Les résultats ont révélé une division claire. Pour les investisseurs ayant moins d'expérience en finance, le chemin principal vers un investissement vert passait par la confiance. Ils avaient besoin que la plateforme numérique soit perçue comme sûre et fiable avant de s'engager financièrement. Pour les investisseurs ayant une grande littératie financière, le chemin était différent. Ils utilisaient les outils d'intelligence artificielle pour analyser en profondeur les aspects environnementaux et sociaux d'un investissement. Pour eux, la technologie était un moyen de vérifier que leurs valeurs étaient respectées, plutôt qu'une simple source de réassurance. Cette conclusion suggère qu'une interface numérique unique ne peut pas servir tous les investisseurs de la même manière ; la façon dont la technologie influence une décision dépend fortement de ce que l'investisseur comprend déjà de la finance.

Les implications de ces découvertes dépassent l'écran de l'ordinateur. Pour les concepteurs d'applications et de plateformes financières, l'étude offre un guide clair sur la manière de construire de meilleurs outils. Si l'objectif est d'encourager l'investissement vert, la plateforme doit être suffisamment transparente pour instaurer la confiance, surtout pour ceux qui débutent dans l'investissement. Pour les utilisateurs plus expérimentés, la plateforme doit offrir des données approfondies et détaillées qui permettent de vérifier eux-mêmes les affirmations de durabilité. La recherche souligne également la nécessité d'une meilleure éducation. Puisque la littératie financière modifie la façon dont les gens interagissent avec ces outils, enseigner aux investisseurs à la fois la finance et la durabilité pourrait aider davantage de personnes à faire des choix éthiques et éclairés. Bien que l'étude se soit appuyée sur un ensemble de données simulées plutôt que sur des transactions réelles, la logique interne du modèle a été rigoureusement testée et validée, offrant un schéma directeur solide sur la manière dont la technologie, la confiance et les valeurs se combinent pour façonner l'avenir de la finance durable.

Résumé Technique : Finance Durable Assistée par l'IA

Problématique
L'impératif mondial de réallouer les capitaux vers des activités économiques durables a accéléré la croissance de la finance verte et des outils financiers algorithmiques. Cependant, une lacune critique subsiste dans la compréhension des mécanismes précis par lesquels les capacités technologiques stimulent les décisions d'investissement durable individuelles. Alors que la littérature existante repose souvent sur des modèles généraux d'adoption technologique (ex. : UTAUT, TAM), elle néglige fréquemment la manière dont les infrastructures spécifiques de la FinTech et de l'Intelligence Artificielle (IA) induisent des changements d'état psychologique — spécifiquement la Confiance Numérique et l'Orientation ESG — qui sont nécessaires pour convertir la capacité technique en un déploiement effectif de capital vers les actifs verts. Cette étude aborde cette lacune en proposant un modèle structurel intégré reliant les capacités techniques aux orientations cognitives et attitudinales pour expliquer les Décisions d'Investissement Vert (DIV).

Méthodologie
Cette recherche emploie une simulation de recherche empirique basée sur un jeu de données généré ( $N=500$ ) conçu pour modéliser des distributions de construits latents, des erreurs de mesure et des structures de covariance réalistes. Aucun participant humain n'a été recruté ; le jeu de données sert de prototype statistique pour valider le cadre théorique et le flux de travail avant une potentielle collecte de données réelles.

Cadre Théorique : L'étude intègre la Théorie des Capacités Dynamiques (TCD) et la Théorie de la Confiance. La TCD présente la Capacité FinTech comme l'infrastructure fondamentale permettant des capacités d'IA de niveau supérieur, tandis que la Théorie de la Confiance postule que les décideurs nécessitent une confiance institutionnelle et technologique pour atténuer les risques lors de l'interaction avec des systèmes automatisés.
Approche Analytique : L'étude utilise la Modélisation par Équations Structurelles par les Moindres Carrés Partiels (PLS-SEM).
- Modèle de Mesure : Validé pour la fiabilité des indicateurs, la cohérence interne (alpha de Cronbach, $\rho_A$ , fiabilité composite), la validité convergente (AVE) et la validité discriminante (critères de Fornell-Larcker et HTMT).
- Modèle Structurel : Évalué via un bootstrapping non paramétrique ( $5\,000$ rééchantillonnages) pour déterminer les coefficients de chemin ( $\beta$ ), les statistiques $t$ , les valeurs $p$ et les tailles d'effet ( $f^2$ ).
- Pouvoir Prédictif : Évalué via $R^2$ , $Q^2$ et PLSpredict (validation croisée à 10 plis) comparant la PLS-SEM à une référence de régression linéaire.
- Modération : Une analyse multi-groupes (PLS-MGA) a été menée pour examiner le rôle modérateur de la Littératie Financière, en divisant l'échantillon en groupes à faible et haute littératie après avoir établi l'invariance de mesure (MICOM).

Résultats Clés
Le modèle structurel a démontré un pouvoir prédictif robuste, expliquant 42,8 % de la variance des Décisions d'Investissement Vert ( $R^2 = 0,428$ ).

Effets Directs :
- La Capacité FinTech (CF) stimule significativement la Capacité d'IA (CAI) ( $\beta=0,512, p<0,001$ ).
- La Capacité d'IA influence positivement tant la Confiance Numérique (CN) ( $\beta=0,421, p<0,001$ ) que l'Orientation ESG ( $\beta=0,384, p<0,001$ ).
- La Confiance Numérique ( $\beta=0,315, p<0,001$ ) et l'Orientation ESG ( $\beta=0,402, p<0,001$ ) exercent toutes deux de forts effets directs positifs sur les Décisions d'Investissement Vert.
- La Capacité d'IA a également un effet direct significatif sur les DIV ( $\beta=0,165, p=0,001$ ).
Médiation :
- La Confiance Numérique et l'Orientation ESG agissent comme des médiateurs partiels complémentaires dans la relation entre la Capacité d'IA et les Décisions d'Investissement Vert. L'effet indirect total est significatif ( $\beta=0,287$ ), confirmant que l'IA influence les décisions d'investissement de manière directe et via ces voies psychologiques.
Modération (Littératie Financière) :
- Groupe à Faible Littératie Financière : La Capacité d'IA stimule les Décisions d'Investissement Vert principalement en favorisant la Confiance Numérique (le chemin CAI $\to$ CN $\to$ DIV est plus fort).
- Groupe à Haute Littératie Financière : La Capacité d'IA stimule les Décisions d'Investissement Vert principalement en renforçant l'Orientation ESG (le chemin CAI $\to$ ESG $\to$ DIV est plus fort).
- Cela indique une divergence stratégique : les investisseurs moins instruits s'appuient sur la confiance envers la plateforme pour prendre des décisions vertes, tandis que les investisseurs hautement instruits exploitent les outils d'IA pour évaluer directement l'alignement ESG.
Validité Prédictive :
- Le modèle PLS-SEM a démontré un haut pouvoir prédictif hors échantillon, avec des valeurs d'erreur quadratique moyenne (RMSE) systématiquement inférieures à celles de la référence de régression linéaire pour tous les indicateurs de DIV.

Principales Contributions

Intégration Théorique : L'étude unifie la Théorie des Capacités Dynamiques et la Théorie de la Confiance pour expliquer le déploiement de capital durable, allant au-delà de l'adoption technologique générale pour cibler des mécanismes psychologiques spécifiques (Confiance et Orientation ESG).
Validation Empirique du Lien IA-ESG : Elle fournit la preuve que les outils d'IA ne se contentent pas de traiter des données, mais renforcent activement l'orientation ESG personnelle en abaissant les coûts de filtrage cognitif et en améliant la transparence de l'information.
Nuance Contextuelle : La recherche délimite comment la littératie financière agit comme une condition de bord, déplaçant la dépendance décisionnelle de la « confiance envers la plateforme » (pour la faible littératie) vers « l'alignement des valeurs via l'analyse » (pour la haute littératie).

Signification et Revendications
L'article prétend offrir un cadre empirique validé pour comprendre comment l'infrastructure financière numérique se traduit en résultats durables. Sa signification réside dans la fourniture de stratégies différenciées et exploitables pour les parties prenantes :

Pour les Concepteurs de Plateformes : Les développeurs devraient intégrer l'IA explicable (XAI) et des interfaces adaptées — en mettant l'accent sur la sécurité et les indices de confiance pour les utilisateurs moins expérimentés, tout en fournissant des analyses ESG granulaires pour les investisseurs sophistiqués.
Pour les Régulateurs : Les conclusions suggèrent la nécessité de normes algorithmiques pour l'ESG afin de prévenir le greenwashing et l'intégration de concepts de durabilité dans l'éducation à la littératie financière numérique.
Pour les Gestionnaires d'Actifs : Comprendre la double voie (Confiance vs Orientation) permet de mieux cibler le capital vers les actifs verts en fonction des profils d'investisseurs.

L'auteur maintient une position modeste quant à la portée de l'étude, reconnaissant explicitement que les résultats sont basés sur un jeu de données simulé. Il postule que, bien que le flux de travail statistique soit validé, des recherches futures sont nécessaires pour confirmer ces relations à l'aide de données d'enquêtes d'investisseurs réels et de registres de portefeuilles de courtage effectifs.

Articles similaires