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.