32

Sept ans après, l’adoption de l’Agenda 2030, l’humanité se trouve à mi-chemin du cadre d’action qu’elle s’est fixé. Si un nombre croissant de Banques Publiques de Développement (BPD) intègrent les Objectifs de Développement Durable (ODD) dans leurs activités, l’absence de méthodologie commune pour rendre compte de leurs engagements ne permet pas d’apprécier les progrès accomplis pour combler le déficit de financement de l’Agenda 2030. Cet article explore la possibilité d’utiliser des méthodes expertes d’intelligence artificielle (IA) pour analyser de façon systématique, robuste et unifiée les rapports d’activités et de développement durable des BPD. Nous introduisons le Prospecteur ODD qui emploie un modèle de langage, plus robuste et plus performant que les approches par mots clés, pour détecter les ODD dans un texte. Appliqué à la documentation institutionnelle de 237 banques publiques de développement sur la période 2016-2020, le Prospecteur ODD met en évidence que le narratif stratégique et opérationnel des BPD est principalement structuré autour des Objectifs de Développement Durable « productifs », tels que l’ODD 8 « Travail décent et croissance économique », et l’ODD 9 « Industrie, Innovation et Infrastructures ». L’ODD 13 « Mesures relatives à la lutte contre le changement climatique » est pris en compte de façon croissante par l’ensemble de l’échantillon, et nous notons une corrélation positive entre la taille de bilan des BPD et la prise en compte des ODD associés à la protection de l’environnement. Notre travail s’inscrit dans la réflexion globale sur les mesures de l’alignement, et l’application de méthodologies communes d’analyse des impacts extra-financiers des organisations. JEL codes QO1, Q56, H54, G29

Seven years after the adoption of the 2030 Agenda, humanity is halfway through the framework of action it has set for itself. While a growing number of Public Development Banks (PDBs) are integrating the Sustainable Development Goals (SDGs) into their activities, the lack of a common methodology for reporting on their commitments prevents from assessing the progress made in addressing the funding gap of the 2030 Agenda. This paper explores the possibility of using artificial intelligence (AI) methods to analyze systematically, robustly and in a unified way, PDBs activity and sustainability reports. We introduce the SDG Prospector, which uses a language model that is more robust and more effective than keyword approaches to detect SDGs in a text. We apply the SDG Prospector to the institutional documentation of 237 Public Development Banks over the 2016-2020 period. The results highlight that PDBs’ strategic and operational narrative is mainly structured around the “productive” Sustainable Development Goals such as SDG 8 “Decent Work and Economic Growth” and SDG 9 “Industry, Innovation and Infrastructure”. SDG 13 “Climate Action” is increasingly taken into account by the entire sample, and we note a positive correlation between the size of PDBs’ balance sheet and their consideration for SDGs that are associated with environmental protection. Our work is part of the overall reflection on alignment measures, and the application of common methodologies for analyzing the non-financial impacts of organizations. JEL codes QO1, Q56, H54, G29