Estimation de l'incertitude sur les flux d'inventaire du cycle de vie - modélisation et développement de facteurs empiriques pour l'approche pedigree

L'analyse du cycle de vie (ACV) est un outil d'aide à la décision qui permet d'évaluer les impacts environnementaux potentiels d'un produit, service ou système sur l'entièreté de son cycle de vie : de l'acquisition des matières premières à la gestion de la fin de vie. Cet outil permet de comparer les performances environnementales de différents systèmes ou celles des phases du cycle de vie d'un même produit. Cette connaissance permet aux politiques, au secteur privé ou aux consommateurs de prendre des décisions par rapport aux systèmes étudiés. En tant qu'outil d'aide à la décision basé sur la modélisation, l'ACV considère les incertitudes dues aux modèles employés et à leurs entrants afin d'améliorer le degré de confiance à accorder aux résultats et aux prises de décisions qui en découlent. La typologie d'incertitude la plus documentée est celle touchant les paramètres en inventaire du cycle de vie (ICV – étape de l'ACV permettant de comptabiliser l'ensemble des échanges entre un système et l'environnement). Ces paramètres sont à la fois incertains – on ne connait pas leur « vraie » valeur – et variables – leur valeur change selon le temps, l'espace ou le type d'individus. Aucune méthode pour traiter l'incertitude et la variabilité sur les paramètres d'ICV n'est actuellement utilisée de manière universelle. Seule la base de données d'ICV ecoinvent propose une approche semi-quantitative de gestion de l'incertitude qui prend en compte l'ensemble des données d'arrière-plan, d'ores et déjà modélisées dans la base de données, pour le calcul d'incertitude. Cette approche, ici appelée « approche pedigree », combine une approche statistique et l'utilisation d'une matrice pedigree pour combiner deux typologies d'incertitude. Cette approche quantifie donc 1) l'incertitude de base qui représente l'erreur stochastique ou l'inexactitude et 2) l'incertitude additionnelle qui témoigne de l'utilisation d'une donnée imparfaite à la fois pour le contexte de l'étude et par rapport à sa source. Cette approche pedigree, telle qu'appliquée dans la version 2 de la base de données ecoinvent, souffre de certaines limites : l'approche n'est valable que pour des données modélisées avec leur incertitude par une distribution log-normale, les différents facteurs d'incertitude de base et additionnelle ont été développés par jugements et ne possèdent donc pas d'assise empirique, de plus les facteurs d'incertitude sont les mêmes quel que soit le secteur industriel concerné. Cette thèse propose d'aborder ces limites en répondant à l'objectif global de développer et légitimer par une assise scientifique la structure de gestion semi-quantitative de l'incertitude sur les données d'inventaire qu'est l'approche pedigree. Pour ce faire, les trois objectifs spécifiques suivants sont traités : 1) légitimer l'usage de la distribution log-normale comme distribution par défaut pour modéliser une donnée d'inventaire avec son incertitude; 2) déterminer comment l'approche pedigree peut être appliquée à des distributions autres que log-normales; 3) développer une méthode d'analyse de données permettant de déterminer les facteurs d'incertitudes, et ce, par secteurs d'activités. En répondant à ces objectifs spécifiques, cette thèse apporte les contributions qui suivent à la modélisation de l'incertitude sur les données d'ICV. Tout d'abord, l'analyse de l'effet du choix d'une distribution par défaut pour modéliser une donnée et son incertitude montre que la distribution par défaut utilisée a une incidence sur les résultats d'une ACV quand on analyse les systèmes de manière individuelle. Néanmoins, dans le cas de comparaison de systèmes de produits, le choix de la distribution par défaut ne modifie pas les résultats d'une comparaison. Compte tenu de ces résultats, la distribution log-normale peut donc être utilisée par défaut pour modéliser une donnée et son incertitude si aucune information ne permettant de définir spécifiquement la distribution de la donnée n'est disponible. Le développement d'équations de compilation d'incertitude de base et d'incertitude additionnelle pour l'ensemble des distributions présentes dans la base de données ecoinvent pour modéliser une donnée et son incertitude permet aux praticiens et aux développeurs de données d'utiliser la distribution qui modélise le mieux la donnée. Finalement, par l'utilisation du théorème de Bayes, une méthodologie permettant de mettre à jour les facteurs d'incertitude est développée. Cette méthodologie s'applique si de nouvelles informations sur ces derniers sont disponibles. L'application de cette méthodologie dans le cadre de cette thèse permet l'obtention de facteurs d'incertitude empiriques et mis à jour, et ce, par secteurs industriels. Ces facteurs sont, pour la plupart des cas, plus élevés que ceux obtenus par jugements d'experts. Les développements mis en œuvre pour atteindre ces objectifs sont basés sur un certain nombre d'hypothèses qu'il s'agit de garder à l'esprit lors de l'utilisation de ces résultats. Malgré ces hypothèses, cette thèse propose une justification complète de l'approche pedigree. De plus, ces travaux ont de l'intérêt que si ces derniers sont utilisés par les praticiens ou par les développeurs de données pour lesquels ces résultats s'appliquent. En ce sens, des discussions ont été engagées pour intégrer les facteurs d'incertitude développés dans la base de données ecoinvent. L'approche développée pourrait facilement être intégrée dans d'autres bases de données. Finalement, cette thèse participe à l'amélioration de la modélisation et donc de la connaissance de l'incertitude sur les données d'ICV. Connaissance nécessaire pour pouvoir considérer de manière systématique l'incertitude en ACV et la considérer comme une source de connaissance en soi sur les résultats d'une ACV plutôt qu'être considérée comme une faiblesse.

Abstract

Life cycle assessment (LCA) is a decision support tool that allows evaluating the potential environmental impacts of a product, service or system from the perspective of its whole life cycle: from resource extraction to end-of-life. LCA aims to compare the environmental performances of different systems or of the different life cycle stages of a same product. This knowledge allows legislators, the private sector or consumers to consider environmental aspects in their decisions regarding the assessed systems. As a decision support tool that relies on modelling, uncertainties are an intrinsic part of LCA models. The uncertainty of models and their inputs can be evaluated during a LCA. This evaluation can help improve the confidence in the results and in the decision the LCA results support. The most documented typology of uncertainty is uncertainty on life cycle inventory (LCI) parameters (LCI is the step of the LCA that aims to quantify all the exchanges between the system and the environment). These parameters are both uncertain – we don't know their “true” value – and variable – their value changes according to time, space and type of individual. There is presently no universal method to address LCI parameter uncertainty and variability. Only the ecoinvent LCI database offers a semi-quantitative approach to manage and quantify uncertainty on all the background data modelled in the database. This approach, called “the pedigree approach”, is based on the use of statistics and a pedigree matrix to combine two typologies of uncertainty. This approach quantifies 1) the basic uncertainty that represents the stochastic error ;and 2) the additional uncertainty that is due to the use of an imperfect data, imperfect according to the context study and according to how the datum was obtained. This pedigree approach, as applied in ecoinvent v2 has several limitations: the approach can only be applied if a datum with its uncertainty is modelled by a lognormal distribution, the uncertainty factors for both the basic and the additional uncertainties rely on experts' judgments rather than on empirical basis and the additional factors are unique whatever industrial sector. This thesis aims to address these limits by developing and legitimating, on a scientific basis, the semi-quantitative uncertainty management tool on uncertainty parameters that is the pedigree approach. In order to meet this global objective, three specific objectives are addressed: 1) legitimate the use of the lognormal distribution as a default distribution to model a parameter with its uncertainty; 2) determine how the pedigree approach can be applied to distributions other than lognormal; and 3) develop a data assessment structure that permits to determine empirically-based uncertainty factors and that, by activity sectors. By meeting these specific goals, this thesis makes several contributions to the modelling of uncertainty of LCI data. First of all, the analysis of the effects of the choice of default distributionto represent uncertainty of background LCI data shows that, while the choice can significantly affect the LCA results when product systems are assessed individually, it has no material effect on products system comparisons. Giving these results, the lognormal distribution can be used as a default distribution to model a datum and its uncertainty and that, if no information to specifically define the datum's distribution is available. The development of equations that combine basic uncertainty and additional uncertainty for all distributions in the ecoinvent database to model a datum and its uncertainty allows the practitioner and the data provider to choose the distribution that best fits the assessed datum. Lastly, with the use of Bayesian inference, a methodology that aims to refine uncertainty factors is developed. Applying this methodology allows to refine uncertainty factors whenever new data are accessible. This methodology is applied in the context of this thesis,which led to the development of empirically based, refined and sector-specific uncertainty factors. These factors are mostly higher than the ones presently used in ecoinvent. The developments related to the achievements of the goals are based on some assumptions that need to be considered when the results are used. Despite these assumptions, this thesis brings a complete justification of the use of the pedigree approach. This work is of interest only if the results are used by the practioners or the data developers who need them. Discussions are engaged with the ecoinvent centre to integrate the developed uncertainty factors into the database. The approach could also easily be used with other databases. Finally, this thesis contributes to the improvement of uncertainty modeling and to the knowledge on uncertainty on LCI parameters. This knowledge is necessary to systematically consider uncertainty in LCA and to consider uncertainty on results as a source of information on these results rather than a source of weakness.