📈 économie

The choice of probability mapping in ESG questionnaire scoring: a structural risk-metric perspective for venture-capital and private-equity due diligence, with a dynamical-systems foundation

Cet article soutient que le choix de la mise en correspondance des probabilités dans la notation ESG est une décision de risque structurel critique plutôt qu'un simple ajout technique, démontrant comment différentes mises en correspondance peuvent radicalement altérer les résultats de notation et proposant un critère fondé sur la dynamique et falsifiable afin de garantir des évaluations ESG défendables et comparables pour la diligence raisonnable du capital-risque et du capital-investissement.

Auteurs originaux : Francesco Eusepi

Publié 2026-10-21

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Francesco Eusepi

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

Dans le monde de la haute finance, les investisseurs sont souvent confrontés à un casse-tête difficile : comment mesurer le caractère d'une entreprise qui n'a pas d'antécédents ? Lorsque les investisseurs en capital-risque et les sociétés de capital-investissement cherchent à investir dans de nouvelles startups, ils ne peuvent pas s'appuyer sur des scores de crédit passés ou sur des décennies de rapports financiers. Au lieu de cela, ils doivent s'appuyer sur un questionnaire structuré, une série de questions par oui ou par non sur la manière dont l'entreprise traite l'environnement, ses travailleurs et sa propre gouvernance. Les réponses sont compilées en un chiffre unique, un score destiné à représenter l'alignement de l'entreprise avec les normes éthiques. Mais un chiffre brut est difficile à interpréter seul. Pour le rendre utile, les analystes doivent traduire ce score en une probabilité — un pourcentage de chance que l'entreprise soit un bon investissement ou, inversement, un risque d'échec. Cette étape de traduction est le moteur invisible derrière chaque notation, pourtant, jusqu'à présent, les règles régissant la manière dont cette traduction s'opère ont été traitées comme un détail technique mineur, choisi plus par commodité que par raisonnement profond.

Une nouvelle étude du chercheur Francesco Eusepi remet en question cette approche désinvolte, affirmant que la méthode utilisée pour convertir un score de questionnaire en une probabilité n'est pas seulement une préférence mathématique, mais une décision qui modifie fondamentalement le résultat d'un investissement. L'article démontre que deux méthodes mathématiques différentes, bien qu'également valides, peuvent prendre exactement le même ensemble de réponses et produire des évaluations totalement différentes pour la même entreprise. Dans un scénario, une entreprise pourrait être signalée comme un investissement à haut risque nécessitant des corrections immédiates ; dans l'autre, utilisant une méthode différente mais défendable, cette même entreprise pourrait être classée comme une opportunité de premier rang à faible risque. La recherche suggère que sans une règle stricte et convenue pour cette traduction, l'ensemble du système d'investissement éthique devient incohérent, rendant impossible la comparaison équitable des entreprises ou la confiance dans les évaluations fournies par différentes firmes.

Le cœur du problème réside dans la forme de la courbe utilisée pour effectuer la traduction. Imaginez une ligne qui part de zéro et monte jusqu'à un, représentant le passage d'un risque total à une sécurité totale. L'étude compare deux formes spécifiques pour cette ligne : une qui monte de manière constante et fluide, et une autre qui grimpe très rapidement au début avant de s'aplatir. Lorsque les chercheurs ont appliqué ces deux formes aux mêmes ensembles d'entreprises hypothétiques, les résultats ont été saisissants. En utilisant la courbe lisse et régulière, une entreprise ayant un score modéré de cinquante sur un maximum possible a été jugée comme un investissement compromis, nécessitant des travaux importants avant de pouvoir être considérée comme sûre. Cependant, lorsque ce même score a été passé à travers la courbe qui grimpe brusquement au départ, cette même entreprise a été classée comme un investissement sûr de premier ordre. La différence n'était pas un petit ajustement ; c'était un décalage de sept étapes sur une échelle de notation de dix points. Cela signifie que deux analystes, examinant les mêmes données et utilisant deux méthodes qui passent toutes deux les tests de base de la logique, pourraient parvenir à des conclusions opposées sur l'opportunité d'investir.

L'article établit un parallèle avec la façon dont les banques évaluent le risque de faillite d'une entreprise. Dans ce domaine, les experts utilisent un concept de « distance à la défaillance », qui mesure la distance entre une entreprise et l'échec financier. Ils utilisent ensuite un outil mathématique spécifique pour transformer cette distance en une probabilité de défaillance. L'étude soutient que le questionnaire ESG fonctionne de la même manière : le score est la distance, et la carte de probabilité est l'outil. Tout comme une banque ne changerait pas arbitrairement l'outil qu'elle utilise pour mesurer le risque de faillite sans recalibrer l'ensemble de son système, les évaluateurs ESG ne devraient pas changer leurs cartes de probabilité sans comprendre les conséquences. La recherche montre que le choix de l'outil modifie l'emplacement des « zones de danger » et des « zones de sécurité » sur l'axe du score. Une méthode répartit les évaluations de manière uniforme sur toute la plage de scores possibles, permettant des distinctions fines entre les entreprises. L'autre méthode, bien que mathématiquement valide, comprime presque toutes les évaluations dans une infime fraction de la plage de scores, rendant presque impossible la distinction entre une bonne entreprise et une excellente entreprise tant que le score n'est pas presque parfait.

Au-delà de la confusion immédiate que cela cause pour les investisseurs, l'étude souligne un problème plus profond de confiance et de gouvernance. Si la méthode utilisée pour calculer ces évaluations n'est pas explicitement énoncée et justifiée, les chiffres résultants ne sont pas véritablement comparables. Une évaluation d'une firme pourrait signifier quelque chose de totalement différent d'une autre, simplement parce qu'elles ont utilisé des courbes différentes pour faire le calcul. L'article propose un ensemble de règles strictes, ou axiomes, que toute méthode acceptable doit suivre pour garantir l'équité et la cohérence. Il suggère que la méthode la plus fiable est celle qui se comporte comme une force constante et prévisible, où chaque petite amélioration du score d'une entreprise entraîne une amélioration proportionnelle de sa notation. Cette approche, connue sous le nom de sigmoïde logistique, garantit que le système de notation reste sensible aux changements sur tout le spectre de performance, plutôt que d'ignorer la majeure partie des données.

Les conclusions servent d'avertissement à l'industrie financière, indiquant que les outils utilisés pour mesurer la responsabilité éthique doivent être choisis avec la même rigueur que les modèles financiers utilisés pour mesurer le profit. L'étude ne prétend pas avoir découvert une nouvelle loi de la nature, mais plutôt avoir exposé une variable cachée dans un système que beaucoup considéraient comme réglé. En montrant que le choix de la carte de probabilité peut faire passer une entreprise d'une note d'échec à une note de réussite, la recherche impose une réévaluation de la manière dont la diligence raisonnable est menée. Elle soutient que pour que le système soit défendable, auditable et véritablement utile, la méthode de traduction doit être divulguée et standardisée. Sans cette clarté, les évaluations qui guident des milliards de dollars de décisions d'investissement restent vulnérables aux choix arbitraires du modélisateur, détournant potentiellement les capitaux des entreprises qui les méritent vraiment.

Résumé Technique : Le choix de la cartographie de probabilité dans la notation des questionnaires ESG

Énoncé du Problème
Dans le cadre des audits de diligence raisonnable (due diligence) en Capital-Risque (VC) et Capital-Investissement (PE), les évaluations Environnementales, Sociales et de Gouvernance (ESG) pour des cibles pauvres en données (ex. : start-ups) reposent souvent sur des modèles de notation additives dérivées de questionnaires de type Oui/Non. Ces modèles génèrent un score brut, non borné ( $m$ ), qui doit être normalisé en une probabilité adimensionnelle ( $p$ ) d'alignement ESG, le complément ( $\psi = 1-p$ ) représentant le risque ESG.

Le document identifie une lacune méthodologique critique, auparavant sous-examinée : le choix de la fonction de cartographie de probabilité (la transformation du score $m$ en probabilité $p$ ) est souvent traité comme un détail technique secondaire. Pourtant, ce choix n'est pas neutre. Différentes fonctions de cartographie admissibles, même lorsqu'elles sont calibrées sur des conditions limites identiques (par exemple, la probabilité à un score de zéro et la probabilité au score maximum possible), peuvent produire des frontières de notation radicalement différentes. Cela conduit à un « problème de comparabilité » où deux analystes appliquant des cartes différentes mais tout aussi défendables aux mêmes données de questionnaire peuvent classer les cibles dans des catégories de notation qui diffèrent de plusieurs crans, modifiant fondamentalement les décisions d'investissement, les structures de clauses contractuelles (covenants) et l'allocation de capital.

Méthodologie
Le document emploie une approche méthodologique en trois volets :

Formulation Axiomatique : L'auteur définit un ensemble d'axiomes naturels pour les cartes de probabilité admissibles :
- Monotonie : Des scores plus élevés doivent produire des probabilités d'alignement plus élevées.
- Bornage : La sortie doit se situer strictement dans l'intervalle $(0, 1)$ .
- Normalisabilité : La carte doit être exprimable comme l'intégrale d'une fonction de densité non négative et intégrable.
  Cela mène au Théorème 1, qui stipule qu'une carte admissible $\pi(s)$ doit satisfaire l'équation différentielle du premier ordre autonome $\pi' = f(\pi)$ , où $f$ est une fonction intégrable.
Analogie avec la Métrique de Risque Structurel : L'innovation centrale consiste à recadrer le problème de normalisation à travers le prisme des modèles de risque de crédit structurels (spécifiquement les modèles de distance à la défaillance comme Merton/KMV).
- Le score ESG additif ( $m$ ) est analogue à la « distance à la défaillance ».
- La carte de probabilité ( $\pi$ ) est analogue à la fonction de répartition cumulative (ex. : la CDF normale) utilisée pour convertir la distance en probabilité de défaillance.
- Cette analogie permet une interprétation économique des paramètres de calibration : le paramètre d'ordonnée à l'origine ( $\beta$ ) représente le taux de base (analogue à une entreprise à la frontière de la défaillance), et le paramètre de pente ( $\alpha$ ou $a$ ) représente la « volatilité » ou la sensibilité de l'échelle de notation.
Fondement par les Systèmes Dynamiques : Pour fournir un fondement mathématique rigoureux au critère d'admissibilité, le document établit une analogie avec les systèmes dynamiques conservatifs unidimensionnels.
- Le score $s$ est traité comme le « temps », la probabilité $\pi$ comme la « position », et la fonction de densité comme la « quantité de mouvement ».
- La condition d'admissibilité ( $\pi' = f(\pi)$ ) est montrée comme étant équivalente à la condition d'un champ de force conservatif (où la quantité de mouvement dépend uniquement de la position, et non explicitement du temps), garantissant l'existence d'un potentiel d'énergie conservée. Cette dérivation est détaillée dans les annexes afin de maintenir l'accessibilité pour un public issu du monde des affaires.

Contributions Clés

Formalisation du Problème de Normalisation : Le document fait passer le choix de la carte de probabilité d'une décision heuristique à un choix axiomatique, fournissant un critère d'existence général (Théorème 1) pour les cartes admissibles.
Quantification du Risque de Modèle : À travers un exemple numérique calibré, le document démontre que deux cartes économiquement raisonnables — la sigmoïde logistique et l'arctangente — peuvent assigner le même résultat de questionnaire à des classes de notation séparées par plusieurs crans.
- Exemple : Une entreprise avec un score de $m=50$ est classée C (nécessitant un assainissement) sous la carte sigmoïde, mais A (aucun assainissement nécessaire) sous la carte arctangente, bien que les deux cartes soient calibrées sur les mêmes points limites ( $p(0)=0,5$ et $p(580)=0,998$ ).
Interprétation Économique des Paramètres : Le document fournit une lecture structurelle des paramètres de calibration, interprétant la raideur de la carte comme une mesure de l'« aversion au risque » ou de la « volatilité » dans la conception de la notation. Une échelle « nerveuse » (haute sensibilité) versus une échelle « indulgente » (basse sensibilité) est montrée comme étant une conséquence directe de la forme fonctionnelle de la carte choisie.
Implications de Gouvernance : L'analyse souligne que sans un critère explicite, divulgué et motivé économiquement pour la sélection de la carte, les notations ESG manquent de comparabilité entre les différents questionnaires et méthodologies, ce qui compromet leur utilité pour les cadres réglementaires (ex. : Bâle III/IV) et les comités d'investissement.

Résultats

Statique Comparative : Sous des conditions limites identiques, la carte arctangente comprime la vaste majorité de l'échelle de notation (de AA jusqu'à D) dans les 15 % inférieurs de l'axe des scores. En revanche, la carte sigmoïde distribue les notations de manière plus équilibrée sur l'ensemble de la plage de scores.
Sensibilité Marginale : La carte arctangente présente un pic de sensibilité aigu près des scores nuls (où quelques réponses positives changent radicalement la notation) mais devient presque insensible aux améliorations ultérieures. La carte sigmoïde maintient une sensibilité marginale plus graduelle et informative sur une plus large gamme de scores.
Illustration Numérique : Le document fournit un exemple reproductible montrant que pour les scores faibles à moyens, le choix de la carte est le facteur dominant dans la détermination de la notation finale, supplantant souvent les réponses spécifiques au questionnaire.

Signification et Revendications
Le document soutient que le choix de la cartographie de probabilité n'est pas un simple détail technique mais un choix de conception structurelle avec des conséquences économiques matérielles.

Défendabilité : Une carte mal justifiée peut déplacer une cible d'un cran complet de notation, affectant les décisions d'investissement et les clauses contractuelles.
Comparabilité : Les métriques ESG hétérogènes ne peuvent être comparées que si elles sont exprimées sur une échelle de probabilité commune dérivée d'un critère de cartographie divulgué et défendable.
Risque de Modèle : La divergence dans les notations causée par la sélection de la carte est une forme de risque de modèle qui n'est actuellement pas traitée dans les pratiques standards de diligence raisonnable ESG.

L'auteur soutient que la sigmoïde logistique est un choix robuste pour la diligence raisonnable en VC/PE car elle maintient une sensibilité marginale non négligeable sur une large gamme de scores, tandis que d'autres alternatives comme l'arctangente peuvent sur-récompenser les améliorations initiales et échouer à discriminer efficacement sur l'ensemble du spectre des profils ESG. Le document conclut en appelant à la divulgation explicite de la carte de probabilité et de ses paramètres de calibration afin de garantir l'auditabilité et la comparabilité des notations ESG.

Résumé Technique : Le choix de la cartographie de probabilité dans la notation des questionnaires ESG

Articles similaires