18 janvier 2023
Les décisions d’investissement et de développement immobilier sont prises dans un monde de risque et d’incertitude intrinsèquement liés au futur climat. Le risque est différent de l’incertitude car le risque est quantifiable dans le sens où une probabilité numérique basée sur des preuves peut être attribuée pour mesurer le risque. Pour prendre des décisions commerciales judicieuses concernant le risque climatique, il est important de mesurer le risque objectif associé à un danger particulier – plutôt que d’obtenir une estimation subjective et biaisée du risque. Les résultats de l’économie comportementale et de la finance soulignent que les êtres humains ont beaucoup de mal à évaluer le risque de manière objective, exacte et précise, car nous avons tous des croyances, des craintes, des préjugés, des mécanismes d’adaptation et des seuils de tolérance au risque très différents pour des risques spécifiques. Par conséquent, la plupart des estimations et des perspectives individuelles sur le risque climatique sont hautement subjectives et varient le long d’un vaste spectre d’incertitude allant de zéro à l’infini. Il est donc vraiment nécessaire d’utiliser la modélisation et l’estimation la plus objective, la plus impartiale et la plus complète possible des risques climatiques auxquels sont confrontés les investisseurs immobiliers.
H2 : Mesures objectives des risques climatiques
Conformément aux orientations de la TCFD et du CRREM, le risque climatique objectif pour un actif physique est défini comme la probabilité non biaisée qu’un événement climatique défavorable se produise – multipliée par l’ampleur du danger – en tenant compte des caractéristiques spécifiques de l’actif et du lieu. Par exemple, le risque d’inondation soudaine pour un immeuble de bureaux du centre de Londres tiendra compte de la probabilité que cette inondation se produise, des coûts attendus d’une inondation pour cet actif unique et du degré d’exposition de l’actif au niveau du lieu. Les risques climatiques tels que les crues soudaines, les vagues de chaleur ou d’autres événements climatiques extrêmes sont appelés risques climatiques physiques. En outre, nous reconnaissons que les investisseurs doivent tenir pleinement compte des risques climatiques de transition au niveau de l’actif et de l’emplacement spécifique afin d’obtenir une compréhension complète de l’exposition au risque climatique pour leurs portefeuilles immobiliers. Ainsi, dans la ligne de service Résilience Climatique de Longevity Partners, l’un de nos objectifs les plus fondamentaux est la quantification objective et transparente des risques physiques et de transition complexes – adaptés spécifiquement au portefeuille ou à l’actif unique du client.
Les mesures objectives du risque climatique sont privilégiées parce que des informations transparentes, honnêtes, précises et idéologiquement impartiales peuvent faire la plus grande différence pratique dans la gestion des risques environnementaux pour les actifs immobiliers. Pour mesurer le risque objectif, il est important de reconnaître les conclusions de Kahneman et Tversky (1979) [1], qui ont démontré que les individus ont tendance à surestimer ou sous-estimer subjectivement le risque objectif. Pour reprendre les termes du fondateur de l’économie comportementale, Herbert Simon [2], cette conclusion découle de notre « rationalité limitée », c’est-à-dire de notre capacité cognitive restreinte à traiter de manière indépendante de grandes quantités d’informations dans le cadre de contraintes de temps et de coûts d’opportunité. À son tour, la « rationalité limitée » rend difficile l’atteinte de conclusions objectives sur des données complexes lorsqu’on se fie uniquement à ses facultés mentales.
Le risque d’estimations biaisées fondées uniquement sur des évaluations mentales est particulièrement répandu dans les environnements d’entreprise au rythme effréné. Dans son best-seller « Thinking Fast and Slow », Kahneman (2011) [3] décrit notre rationalité limitée comme le principal catalyseur de notre recours à un large éventail de biais cognitifs et d’heuristiques, qui constituent ce que l’on appelle notre « système 1 » de pensée, à savoir la pensée automatique, intuitive et souvent idéologiquement biaisée qui prévaut au niveau individuel.
Ainsi, il convient de noter que même les principaux économistes de l’environnement peuvent produire des estimations très différentes du risque climatique. Par exemple, le lauréat du prix Nobel d’économie 2018, William Nordhaus (2017-2020), estime un chiffre de 30 à 50 dollars par tonne métrique de CO2 [4], alors que Nicholas Stern, l’auteur du rapport Stern de 2006 [5], et Joseph Stiglitz, un autre lauréat du prix Nobel, se contentent d’un chiffre radicalement différent d’environ 100 dollars par tonne de CO2 [6]. Cette différence s’explique en grande partie par les différences subjectives de leurs méthodologies respectives. Une telle divergence d’appréciation subjective du coût social réel du changement climatique mérite l’attention du secteur privé. Plus précisément, les sociétés de conseil en développement durable doivent s’efforcer de minimiser la subjectivité de la modélisation afin de produire les estimations les moins biaisées du véritable risque climatique objectif. Cela fournira un cadre solide pour permettre aux clients de prendre des décisions commerciales judicieuses et globales.
H2 : L’effet du « bruit » de fond sur la quantification objective du risque climatique
Notre capacité à quantifier objectivement le risque climatique est également compromise par un autre défaut du jugement humain, le « bruit ». Le bruit désigne les circonstances extérieures et la dynamique de groupe entourant un problème commercial spécifique, tel que la modélisation du risque climatique. Un bruit excessif dans l’environnement de l’entreprise affecte l’humeur de l’analyste ou du manager et les rend enclins à des réactions émotionnelles ou irrationnelles lorsqu’ils travaillent sur des problèmes commerciaux complexes. Cela prédispose les analystes et les décideurs d’entreprise à la subjectivité dans leur estimation indépendante de la modélisation du risque climatique. Par exemple, dans leur livre « Noise : A Flaw in Human Judgment,’ Kahneman, Sibony & Sunstein (2021) [7] rapportent que les primes de risque médianes fixées par les souscripteurs indépendamment pour les cinq mêmes clients fictifs variaient de 55% – cinq fois plus que ce à quoi s’attendaient la plupart des souscripteurs et leurs dirigeants eux-mêmes. En outre, les auteurs citent une autre étude fascinante d’Uri Simonsohn (2006) [8] intitulée « Clouds Make Nerds Look Good », dans laquelle l’auteur a analysé 682 décisions réelles prises par des responsables des admissions dans les universités et a trouvé des preuves irréfutables que les responsables accordaient plus d’importance aux points forts académiques des candidats par temps nuageux, mais favorisaient les points forts non académiques par temps ensoleillé. Considérées dans leur ensemble, ces études montrent que les circonstances extérieures, aussi insignifiantes en apparence que le temps qu’il fait derrière la fenêtre d’un analyste des risques, peuvent influencer des décisions commerciales réelles. Cette constatation s’applique à tous les environnements professionnels, en particulier lorsque les entreprises cherchent à résoudre des problèmes complexes, comme l’estimation du risque climatique pour leurs investissements immobiliers. Par conséquent, il est essentiel que les équipes qui cherchent à produire des estimations objectives du risque climatique soient conscientes des différents types de « bruit » externe qui peuvent interférer avec l’objectivité de leur analyse.
Notre conscience du bruit externe, ainsi qu’une compréhension approfondie de nos biais cognitifs internes, appellent à la mise en œuvre de pratiques de « débruitage » et de « sensibilisation au bruit et à l’hygiène » par les équipes de consultants en durabilité qui travaillent à produire les estimations les plus objectives du risque climatique. En effet, la recherche souligne que la collaboration, la diversité des antécédents des membres de l’équipe et la promotion de la pensée indépendante sont les trois caractéristiques les plus importantes qui définissent dans quelle mesure les équipes de professionnels de la durabilité peuvent réussir à surmonter la subjectivité dans la modélisation des risques climatiques. Les professionnels de la résilience climatique qui travaillent au sein de groupes diversifiés et bien équilibrés agissent comme des » agents de déblaiement » les uns pour les autres dans le cadre d’un dialogue libre et d’une collaboration – produisant des estimations plus objectives du risque qu’ils ne le feraient individuellement (Arlen & Tontrup, 2015) [9].
H2 : évaluations objectives des risques climatiques – une valeur ajoutée pour les investisseurs immobiliers.
En veillant à ce que les évaluations soient réalisées à l’aide d’estimations plus objectives des risques, les consultants en durabilité peuvent réaliser des analyses coûts-avantages des mesures d’atténuation et d’adaptation au changement climatique pour les actifs immobiliers avec beaucoup plus de certitude et de précision. Il en résulte un moindre degré d’incertitude chez les investisseurs immobiliers quant aux déficiences informationnelles concernant l’impact réel attendu du changement climatique sur leurs portefeuilles immobiliers. Par conséquent, le recours à des estimations objectives des risques améliore l’efficacité de l’affectation des ressources financières aux mesures d’atténuation et d’adaptation, ce qui permet de protéger les actifs immobiliers des risques liés au changement climatique et de dégager une valeur d’investissement durable.
En d’autres termes, des équipes de consultants experts en risques climatiques bien rodées, diversifiées et collaboratives produisent des estimations de risques climatiques plus objectives et plus précises que les décideurs individuels orientés vers la subjectivité dans le secteur de l’immobilier.
H2 : Comment Longevity Partners peut-il vous fournir une évaluation objective du risque climatique ?
Enfin, pour se prémunir contre le risque de subjectivité et de « rationalité limitée » dans les modèles internes de risque climatique de Longevity, nous nous appuyons sur nos solides partenariats de travail avec les principaux fournisseurs de données de l’industrie – en alignant nos processus de modélisation avec les pratiques de pointe dans le monde entier, comme le GRESB, CRREM, TCFD, UNPRI et UNEP FI. Nous ne laissons aucune place à la partialité dans notre modélisation du risque climatique en traitant des données fournies exclusivement par les organisations internationales les plus réputées dans ce domaine, qui sont examinées par des pairs ou qui proviennent directement de nos clients. De plus, nous traitons ces données de haute qualité au sein d’équipes complètes et diversifiées, composées d’analystes, d’ingénieurs, de spécialistes des sciences environnementales et d’économistes. En outre, nous effectuons de multiples séries de contrôles d’assurance qualité sur nos modèles avant que nos estimations du risque climatique n’atterrissent sur le bureau de nos clients. Au cours des années où Longevity Partners a fourni des services de résilience climatique à ses clients, nos processus et nos modèles ont été affinés selon les plus hauts standards de qualité, d’objectivité et de robustesse méthodologique.
Nos experts en résilience climatique sont formés et concentrés sur l’utilisation de l’objectivité rationnelle dans le but de construire un risque climatique très robuste. En s’efforçant continuellement de fournir les estimations contextuelles les plus objectives du risque climatique dans un environnement de travail diversifié et collaboratif, notre équipe est en mesure d’ajouter constamment une valeur durable et résiliente au climat aux portefeuilles d’investissement immobilier de nos clients.
Références
[1] Kahneman, D. and Tversky, A. (1979) Prospect Theory: An Analysis of Decision under Risk. Econometrica: Journal of the Econometric Society, 47, 263-291. http://dx.doi.org/10.2307/1914185
[2] Simon, H. A. (1990). Bounded rationality. In Utility and probability (pp. 15-18). Palgrave Macmillan, London.
[3] Kahneman, D. (2011). Thinking, fast and slow. Macmillan.
[4] Nordhaus, W. D. (2017). Revisiting the social cost of carbon. Proceedings of the National Academy of Sciences, 114(7), 1518-1523.
[5] Stern, N. (2006). Stern Review: The economics of climate change.
[6] Wagner, G. Recalculate the social cost of carbon. Nat. Clim. Chang. 11, 293–294 (2021). https://doi.org/10.1038/s41558-021-01018-5
[7] Kahneman, D., Sibony, O., & Sunstein, C. R. (2021). Noise: A flaw in human judgment. Little, Brown.
[8] Simonsohn, U. (2007). Clouds make nerds look good: Field evidence of the impact of incidental factors on decision making. Journal of Behavioral Decision Making, 20(2), 143-152.
[9] Arlen, J., & Tontrup, S. (2015). Strategic bias shifting: herding as a behaviorally rational response to regret aversion. Journal of Legal Analysis, 7(2), 517-560.