Presque toute organisation qui se lance dans les données de durabilité commence par le CO2. Non pas parce qu'une directive l'impose dans cet ordre, mais parce que le CO2 est le sujet pour lequel il existe le plus de méthodes de calcul prêtes à l'emploi, le plus de référentiels externes disponibles et le plus de fournisseurs de logiciels avec un tableau de bord tout prêt. La consommation d'énergie, le carburant, le parc de véhicules, ce sont des chiffres souvent déjà enregistrés ailleurs pour un autre usage, généralement la facturation. Ils sont réutilisés, pas collectés.
Cela fait du CO2 le sujet le plus facile à présenter, pas le plus complet. Les données sociales, les informations de chaîne de valeur et les indicateurs de biodiversité disposent rarement d'une infrastructure comparable. Il n'existe pas de facture qui contienne déjà la réponse. Qui ne regarde que le CO2 voit donc une fraction du paysage des données, et en tire parfois la conclusion que le reste sera lui aussi en ordre. Cela n'a pas été établi, cela a été supposé.
Un chiffre de CO2 qui correspond à un référentiel externe n'est pas une preuve que les données sous-jacentes sont vérifiables. Le chiffre peut provenir d'une feuille de calcul gérée par une seule personne, avec un facteur de conversion que plus personne ne peut retracer jusqu'à la source. Il est exact, jusqu'à ce que cette personne parte en vacances ou quitte l'organisation. C'est un problème différent du chiffre lui-même : c'est une question de propriété et de provenance, pas de calcul. La façon dont cette propriété est consignée par défaut est décrite dans qui consulte votre registre de points de données lorsque vous n'êtes plus là.
Le scan que nous construisons ne porte pas sur le chiffre de CO2 lui-même. Il porte sur la question de savoir d'où vient ce chiffre, qui le fournit, quels traitements il subit avant d'apparaître dans un rapport, et quel contrôle existe à ce sujet. Nous appelons cela la lignée : le trajet du système source à la ligne du rapport, par point de données. Pour le CO2, ce trajet est souvent encore reconstituable, car la source est généralement une facture ou un relevé de compteur. Pour d'autres sujets, ce trajet est plus souvent flou, et c'est précisément là que se trouvent les risques qu'un tableau de bord CO2 ne montre pas.
L'hypothèse selon laquelle une approche CO2 peut être copiée vers d'autres sujets est partiellement vraie. La structure — registre des points de données, provenance, propriété, règle de qualité — est la même pour chaque sujet. Mais les sources de données ne le sont pas. Une enquête auprès des employés a une sensibilité aux erreurs différente d'une facture d'énergie. Un questionnaire fournisseur a une fréquence de mise à jour différente d'un relevé de compteur. Qui copie le processus CO2 à l'identique vers des indicateurs sociaux ou de chaîne de valeur se heurte à des lacunes qui n'existaient pas pour le CO2, simplement parce qu'il n'existe pas de source comparable.
C'est aussi pourquoi un outil configuré pour le reporting CO2 ne fonctionne pas automatiquement pour le reste du sujet. La question de savoir si une organisation y est prête ne dépend pas de l'outil mais de ce qui a déjà été consigné sur les sources, les propriétaires et les points de contrôle. La manière de mesurer cette préparation est détaillée dans qu'est-ce que la maturité des données et comment la mesurer. Pour qui pense que les feuilles de calcul sont le cœur du problème : c'est une idée fausse traitée séparément dans pourquoi les feuilles de calcul ne sont pas le problème, car le problème réside rarement dans le format de fichier et plus souvent dans l'absence de provenance consignée.
Dès qu'un expert-comptable ou un prestataire d'assurance intervient, la différence entre un bon tableau de bord CO2 et un bon registre de points de données devient immédiatement visible. L'assurance ne s'intéresse pas au chiffre final, mais au chemin qui y mène : quelle source, quel traitement, quel contrôle. Un chiffre de CO2 exact mais impossible à retracer pose, pour l'assurance, un problème tout aussi sérieux qu'un chiffre encore inexact. La manière dont cette vérifiabilité est construite par point de données est décrite dans comment rendre les données ESG vérifiables pour l'assurance. Pour le CO2, ce travail est souvent déjà partiellement fait, précisément parce qu'une infrastructure existait déjà. Pour le reste du reporting, il faut généralement encore commencer.
Cette méthode ne détermine pas quel sujet une organisation doit traiter en premier, et ne dit rien sur la question de savoir si le CO2 est, sur le fond, le sujet le plus important. C'est un autre choix, avec d'autres considérations. Ce que le scan fait bien, c'est apporter de la clarté sur l'état des données derrière chaque sujet pris séparément, afin qu'un choix d'ordre soit fondé sur ce qui existe déjà et non sur ce qui était le plus facile à présenter. Qui envisage cette démarche peut s'inscrire sur la liste d'attente ; le scan est en développement et n'est pas encore proposé comme un produit achevé. Ce qui change une fois que la lignée d'un sujet est établie est décrit dans ce qui change une fois que la lignée est établie.
Cartographier les points de données, les sources et la propriété relève en partie du travail manuel, et en partie d'un travail qui peut être accéléré une fois la structure établie : reconnaître des schémas dans les sources, remplir des champs standards, signaler des liens manquants. Quelle part de ce travail peut être transférée à l'IA et quelle part reste un travail humain, c'est précisément ce à quoi répond le scan de travail de FTE TO AI, calculé tâche par tâche.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.