Les sociétés d’investissement utilisent les données web pour voir ce qui se passe avant que cela n’apparaisse dans un rapport trimestriel : prix qui évoluent sur des milliers de produits, offres d’emploi en hausse ou en baisse, ouvertures de magasins, avis clients, classements d’applications, délais de livraison. Bien collectée, cette donnée alternative constitue un véritable avantage pour les équipes de recherche financière. Mal collectée, elle représente un risque réglementaire et juridique qui peut poursuivre un fonds pendant des années.
La plupart des écrits sur la donnée alternative traitent de ce qu’il faut collecter. Beaucoup moins traitent de la couche de conformité qui l’entoure : ce qu’une équipe de conformité d’un fonds doit savoir avant que des données puissent être utilisées dans une décision d’investissement, et ce qu’un fournisseur de données doit pouvoir prouver. Ce guide traite des deux aspects. Il s’agit d’une information générale, pas d’un conseil juridique ; les sociétés d’investissement doivent impliquer leurs propres services de conformité et leurs conseils juridiques.
Pourquoi la donnée alternative nécessite son propre examen de conformité
Les données de marché classiques proviennent de bourses et de fournisseurs agréés soumis à des règles établies de longue date. Les données web proviennent de sources qui n’ont jamais consenti à servir d’entrée aux décisions de trading de qui que ce soit. Cela soulève des questions auxquelles les équipes de conformité doivent répondre avant d’utiliser ces données :
- Peuvent-elles contenir des informations importantes non publiques ? Des données ne peuvent être utilisées à des fins de trading en toute sécurité que si elles ont été obtenues légalement à partir de sources publiques et ne violent aucune obligation de confidentialité. Les conseillers en investissement aux États-Unis doivent maintenir des politiques écrites conçues pour empêcher l’usage abusif d’informations importantes non publiques, et les sources de données relèvent de ces politiques.
- Ont-elles été collectées légalement ? Les conditions d’utilisation, les identifiants de connexion, les restrictions techniques et le droit de la protection des données s’appliquent tous à la manière dont les données ont été recueillies, pas seulement à leur contenu.
- Contiennent-elles des données personnelles ? De nombreux jeux de données web concernent des individus : auteurs d’avis, employés, utilisateurs d’applications. Le droit européen de la protection des données s’applique à ces données, qu’elles aient été publiques ou non.
- Sont-elles conformes à ce que le fournisseur affirme ? La valeur d’un jeu de données dépend de la manière dont il a été construit. Le décrire de manière erronée n’est pas qu’un problème commercial.
Ce dernier point est devenu une question réglementaire en 2021. La Securities and Exchange Commission américaine a inculpé App Annie, un fournisseur de données sur les applications mobiles, et son cofondateur pour fraude sur titres, pour avoir présenté de manière trompeuse la façon dont ses données étaient dérivées. La SEC a indiqué que l’entreprise avait utilisé des données non agrégées et non anonymisées pour modifier les estimations qu’elle vendait aux sociétés de trading, tout en affirmant le contraire à ses clients. App Annie a accepté de payer une pénalité de 10 millions de dollars. Il s’agissait de la première action répressive de la SEC inculpant un fournisseur de données alternatives pour fraude sur titres, et elle a placé sous surveillance les méthodes derrière un jeu de données, pas seulement son contenu.
Ce que l’équipe de conformité d’un fonds va demander
Les acteurs du côté acheteur se sont accordés sur un ensemble de questions assez standard à destination des fournisseurs de données. L’organisme sectoriel de la donnée financière FISD publie un questionnaire de diligence raisonnable par le biais de son Alternative Data Council, utilisé par de nombreux fonds comme point de départ, avec des versions pour les examens complets de fournisseurs, les essais de données courts et, plus récemment, l’IA générative. Les questions se répartissent en quelques groupes :
| Domaine | Ce qu’ils veulent savoir |
|---|---|
| Source | D’où proviennent les données, et si chaque source autorise cet usage |
| Collecte | Comment elles sont collectées : pages publiques ou derrière des identifiants de connexion, quelles méthodes, à quel rythme |
| Droits | Si le fournisseur a le droit de concéder une licence sur les données, et ce que la licence autorise |
| Données personnelles | Si certaines sont incluses, comment elles sont filtrées ou anonymisées, et la base légale |
| MNPI | Les contrôles qui empêchent les informations confidentielles ou non publiques d’entrer dans le jeu de données |
| Méthodologie | Comment les données brutes deviennent le produit livré, et comment les changements sont communiqués |
| Gouvernance | Politiques, audits, gestion des plaintes et ce qui se passe si une source s’y oppose |
Si vous construisez de la donnée alternative pour des fonds, attendez-vous à devoir répondre par écrit à chaque ligne. Si vous travaillez dans un fonds et collectez vous-même des données, votre équipe de conformité vous posera les mêmes questions.
Les quatre contrôles les plus importants
1. Des sources publiques, collectées sans contourner les contrôles d’accès. Collectez ce que n’importe quel visiteur peut voir sans se connecter, accepter des conditions particulières ou contourner des restrictions techniques. Les données obtenues en détournant un compte ou en contournant un péage sont précisément celles que les équipes de conformité ne peuvent pas accepter. Notre guide ce que votre service juridique va demander avant d’approuver un projet de scraping traite en détail des questions de collecte.
2. Des données personnelles exclues dès la conception. La plupart des signaux d’investissement n’ont pas besoin d’individus. Comptez les offres d’emploi sans stocker les candidats ; agrégez les avis sans conserver l’identité des auteurs ; mesurez les classements d’applications sans données utilisateur. Filtrer au moment de la collecte est bien plus facile à défendre qu’anonymiser après coup. Notre aperçu du RGPD couvre les bases pour les équipes de collecte.
3. Une méthodologie documentée et honnête. Consignez comment les données brutes deviennent le produit : sources, échantillonnage, nettoyage, pondération, imputation et toute estimation modélisée. Lorsque la méthode change, informez-en les clients. L’affaire App Annie montre que l’écart entre la méthodologie décrite et celle réellement utilisée peut constituer en soi l’infraction.
4. Une provenance démontrable. Conservez, pour chaque enregistrement, la source, l’heure de collecte et la méthode, et gardez les captures brutes pendant une période raisonnable. Lorsqu’un fonds demande d’où vient un chiffre, ou qu’un régulateur le fait, vous devez pouvoir le démontrer plutôt que de simplement le décrire.
Droits : ce que vous pouvez concéder sous licence
Un fournisseur de données ne peut concéder sous licence que ce sur quoi il détient des droits. Des faits tels que les prix et les décomptes n’appartiennent généralement à personne ; un contenu créatif tel que le texte d’un article ou des photographies appartient à ses auteurs ; et en Europe, certaines bases de données sont protégées même lorsqu’elles ne contiennent que des faits. Vendre des signaux dérivés, tels que des indices, des décomptes et des tendances, est très différent de redistribuer des copies du contenu d’un site web. Notre guide à qui appartiennent les données scrapées traite de ces différents niveaux et de ce qu’ils signifient pour la revente.
La question de l’infrastructure
Les fonds interrogent de plus en plus sur l’infrastructure qui sous-tend la collecte, y compris les réseaux de proxys. L’inquiétude est légitime : si les adresses IP d’un fournisseur proviennent d’appareils dont les propriétaires n’ont pas consenti à partager leur connexion, le jeu de données hérite de ce problème. Demandez à votre fournisseur de proxys comment ses adresses sont sourcées, quel consentement les propriétaires d’appareils ont donné, et comment les abus sont gérés. Notre explicatif sur comment les fournisseurs sourcent de manière éthique les IP résidentielles liste les questions à poser. Pour la collecte elle-même, les proxys résidentiels sont souvent nécessaires pour voir les prix et les annonces tels que les clients locaux les voient, ce qui compte pour tout signal construit à partir de ce que les consommateurs paient réellement.
Assembler le tout
Un dossier de conformité pratique pour un jeu de données alternatives tient en quelques documents :
- Un registre des sources : chaque source, son type d’accès, ses conditions d’utilisation et sa position vis-à-vis de robots.txt, vérifiée à une date indiquée.
- Une description de la collecte : méthodes, rythmes, et une déclaration qu’aucun identifiant de connexion, péage ou contrôle d’accès n’est contourné.
- Une évaluation des données personnelles : ce qui a été exclu, comment, et la base légale pour tout ce qui est conservé.
- Un document de méthodologie, avec un journal des modifications.
- Un enregistrement de provenance : source et heure par enregistrement, avec conservation des captures brutes.
- Une procédure de plainte et de retrait : qui traite une objection d’une source, et avec quelle rapidité la collecte depuis celle-ci peut cesser.
Avec ce dossier, un fournisseur peut répondre à un questionnaire de diligence raisonnable en quelques jours, et un fonds peut montrer à ses régulateurs comment un signal a été construit. Notre précédent article sur les proxys résidentiels pour la donnée alternative couvre le volet collecte de ce même travail.
FAQ
Est-il légal d’utiliser des données web scrapées pour investir ?
Généralement oui, lorsque les données sont publiques, collectées légalement et exemptes d’informations importantes non publiques et de données personnelles traitées illégalement. Les détails dépendent de la juridiction, de la source et de la manière dont les données ont été collectées, de sorte que les fonds examinent chaque jeu de données avant de l’utiliser.
Qu’est-ce qu’un questionnaire de diligence raisonnable pour la donnée alternative ?
Un ensemble standard de questions que les sociétés d’investissement envoient aux fournisseurs de données concernant les sources, les méthodes de collecte, les droits, les données personnelles, les contrôles MNPI, la méthodologie et la gouvernance. Le FISD Alternative Data Council publie une version largement utilisée.
Pourquoi la SEC a-t-elle inculpé un fournisseur de données alternatives ?
En 2021, la SEC a inculpé App Annie et son cofondateur pour fraude sur titres, pour avoir présenté de manière trompeuse la façon dont ses données étaient dérivées, et l’entreprise a accepté de payer une pénalité de 10 millions de dollars. Il s’agissait de la première affaire de ce type de la SEC contre un fournisseur de données alternatives.
La donnée alternative peut-elle contenir des données personnelles ?
Elle le peut souvent, via des avis, des offres d’emploi ou des profils. L’approche la plus sûre consiste à exclure les données personnelles dès la conception de la collecte et à ne conserver que des signaux agrégés.
L’essentiel à retenir
La donnée alternative n’est un avantage que si elle survit à l’examen de conformité. Collectez à partir de sources publiques sans contourner les contrôles d’accès, excluez les données personnelles dès la conception, documentez honnêtement la méthodologie et conservez la provenance de chaque enregistrement. Les fournisseurs capables de répondre par écrit aux questions de diligence raisonnable d’un fonds remportent les contrats ; les fonds qui posent ces questions évitent d’hériter du problème de quelqu’un d’autre.
Sources et références
- U.S. Securities and Exchange Commission, SEC Charges App Annie and its Founder with Securities Fraud, 14 septembre 2021.
- FISD, Alternative Data Council, y compris ses questionnaires de diligence raisonnable.