Transparence et limites
d’interprétation
Nos analyses ESG sont fournies à titre informatif, sans promesse de résultat. Chaque approche
algorithmique est documentée ; l’utilisateur reste seul décisionnaire.
Nos valeurs fondamentales
Nos principes s’opposent au mythe de la recette miracle et privilégient l’honnêteté
intellectuelle : chaque valeur reflète notre façon d’aborder l’ESG sans détour.
Transparence méthodologique
La rigueur méthodologique ne se discute pas. Nous testons, remettons en cause, puis documentons chaque choix technique afin de réduire les zones d’ombre dans l’interprétation des données ESG, tout en favorisant l’émergence de pratiques reproductibles.
Synergie interdisciplinaire
La collaboration entre disciplines fait tomber les cloisons : économistes, ingénieurs, spécialistes ESG croisent leurs regards, transformant le doute en opportunité d’amélioration continue, pour une démarche collective et robuste.
Innovation critique
L’innovation est un jeu de questionnement : ici, pas de solution magique, mais une volonté de bousculer les évidences pour inventer des méthodologies ESG ancrées dans la réalité opérationnelle.
Clarté et accessibilité
L’accessibilité passe par la clarté. Nos synthèses et nos outils évitent le jargon inutile et favorisent la transmission d’idées actionnables auprès de tout public averti.
Respect réglementaire
La conformité n’est pas une formalité : elle guide le choix des sources, l’évaluation du risque et la structuration des processus, dans le respect des exigences suisses et internationales.
Esprit critique
Le doute méthodique fait partie du quotidien. Plutôt que d’écarter l’incertitude, nous l’intégrons pour questionner nos modèles, renforcer la résilience des analyses et éviter les raccourcis trompeurs.
Notre parcours
Chaque étape a été guidée par la volonté de questionner l’évidence, d’intégrer les critiques et de renforcer la transparence, depuis les premières discussions jusqu’aux publications récentes.
2021
Naissance du collectif
L’idée a germé lors d’une table ronde à Genève où, devant le manque de clarté dans l’exploitation des données ESG alternatives, notre collectif s’est formé pour structurer une approche exigeante et collaborative.
2021
2022
Premiers prototypes algorithmiques
Premiers travaux sur le tri automatisé de données non structurées : le but était d’objectiver le scoring ESG sans sursimplification, en adaptant les outils de la data science aux spécificités suisses.
2022
2023
Validation académique et sectorielle
Validation de notre méthodologie auprès de pairs académiques et d’acteurs du secteur, avec retour critique : la robustesse des modèles et la traçabilité sont placées au centre du processus.
2023
2024
Élargissement des expertises
Déploiement de nouveaux modules pour la prise en compte des controverses et du contexte réglementaire. Le projet prend une dimension plus large, en impliquant davantage d’experts externes.
2024
2025
Publication et diffusion
Structuration du contenu autour de cas pratiques et publication de rapports synthétiques, axés sur la confrontation des mythes ESG aux réalités du terrain suisse.
2025
Notre équipe interdisciplinaire
Oubliez le mythe du spécialiste isolé : ici, chaque angle mort est débattu par des profils complémentaires, croisant finance quantitative, data science et lectures critiques de l’ESG.
Élise Morel
Responsable des analyses ESG
Master Mathématiques financières Université de Lausanne
Données non structurées
Société de gestion suisse
Certifications:
CFA, Spécialiste ESG
Diplôme Data Science appliquée
Méthodologies:
Réseaux de neurones structurés
Backtesting personnalisé
Analyse de robustesse
Traitement du langage naturel
Validation croisée sectorielle
Compétences clés:
Analyse algorithmique
Audit ESG avancé
Optimisation de modèles
Interprétation de signaux faibles
Allie un passé dans l’analyse quantitative à une passion pour la transparence des méthodologies ESG. Privilégie l’expérimentation contrôlée pour détecter les angles morts.
Karim Ben Salem
Directeur scientifique
PhD Informatique appliquée École Polytechnique Fédérale de Lausanne
Transparence algorithmique
Centre IA Genève
Certifications:
Doctorat Intelligence artificielle
Certificat Impact social
Ingénieur Data Mining
Méthodologies:
Arbres de décision interprétables
Expérimentations A/B
Nettoyage avancé de données
Approche bayésienne
Optimisation multi-objectifs
Compétences clés:
Machine learning explicable
Détection de biais
Structuration des bases de données
Evaluation d’impact
Création d’indicateurs
Mène la recherche sur les biais algorithmiques dans l’interprétation ESG. Se concentre sur l’équilibre entre précision des modèles et lisibilité des résultats.
Nina Rossi
Analyste données ESG
Master Finance et Durabilité Université de Genève
Lecture de controverses
Banque privée suisse
Certifications:
Certificat Analyse extra-financière
CFA niveau II
Méthodologies:
Études de cas sectorielles
Tableaux de bord dynamiques
Mappage de controverses
Comparaison inter-marchés
Suivi longitudinal
Compétences clés:
Lecture critique ESG
Vulgarisation
Rédaction analytique
Construction d’indicateurs
Traduit les signaux du marché en analyses exploitables, en privilégiant la contextualisation des scores ESG. Prône une communication sans jargon.
Louis Keller
Superviseur qualité
MSc Statistiques appliquées Université de Zurich
Conformité et normalisation
Cabinet audit ESG
Certifications:
MSc Statistiques appliquées
Formation Compliance ESG
Méthodologies:
Audit processuel
Benchmarks réglementaires
Évaluation multicritère
Tests de cohérence
Analyse comparative
Compétences clés:
Contrôle qualité ESG
Gestion de projet
Normalisation des pratiques
Documentation rigoureuse
Suivi réglementaire
Supervise la cohérence des analyses et garantit la conformité aux référentiels ESG. Met l’accent sur le contrôle de qualité et la documentation des processus.