Opérationnaliser l'analyse du cycle de vie par l'approche multicritère d'aide à la décision : la modélisation de la subjectivité de l'être humain

La durabilité est un concept de plus en plus important qui oriente les stratégies au niveau despolitiques publiques et des compagnies. Toutefois, la manière d'opérationnaliser de façon réaliste ce concept reste un défi. La prise de décision dans un contexte de durabilité repose sur la manière d'évaluer la performance environnementale, sociale et économique et aussi sur la façon de présenter les résultats aux décideurs dans le but de promouvoir des choix durables. L'analyse dela durabilité du cycle de vie (AdCV) des produits est une source d'information holistique pour appuyer les processus de prise de décision en vue d'une production et d'une consommation durables. Par contre, l'usage de ce genre de résultat dans la prise de décision en milieu organisationneln'est pas évident à cause de trois caractéristiques intrinsèques à ce genre de mesure : (i) les indicateurs sont multidimensionnels (chaque indicateur est exprimé en unités différentes), (ii) les objectifs sont contradictoires dans la plupart des problèmes décisionnels (il est impossible de maximiser les performances de tous les indicateurs) et (iii) il existe une incertitude associée à l'évaluation de la performance. De plus, l'utilisation de l'AdCV dans le processus décisionneldépend aussi de l'amélioration des méthodes d'analyse de cycle de vie, en particulier pour AcCV (Analyse du coût du cycle de vie) et AsCV (Analyse sociale du cycle de vie), en raison de l'absence de normes internationales, malgré les lignes directives proposées par l'UNEP/SETAC (United Nations Environment Program/Society of Environmental Toxicology and Chemistry. Cette thèse vise donc à promouvoir l'opérationnalisation du concept de durabilité dans les processus décisionnels en milieu organisationnel par : (i) l'amélioration de la robustesse des méthodes AsCV par la traduction des performances qualitatives en mesures quantitatives et (ii) l'intégration des résultats d'AdCV dans la prise de décision à l'aide d'outils multicritères d'aide à la décision. D'une part, les études d'AsCV sont souvent qualitatives et ne tiennent pas compte del'incertitude dans l'évaluation. À cause de cette limitation, ce genre de résultat est très peu utilisécomme donnée d'entrée dans les modèles décisionnels dans le contexte des affaires. Dans cette direction, nous proposons une méthode d'évaluation des performances sociales plus pertinente, qui tient compte des particularités de chaque indicateur à partir des fonctions de valeur customisées pour chaque sous-critère considéré dans le volet social. Ces fonctions sont définies à partir de jugements de valeur d'un groupe d'experts de manière à traduire les évaluationsqualitatives dans un score de performance sociale quantitative. Une méthode de pondération est également proposée pour agréger les indicateurs dans chaque dimension sociale évaluée (dimension sociale évaluée = partie prenante impactée par le système de produits). Les échellesde traductions obtenues à partir du processus d'élicitation des points de vue des participants du groupe d'experts ne suivirent pas le comportement linéaire pour la plupart des indicateurs et sont distinctes entre les différents indicateurs, ce qui met en évidence un problème avec la méthode actuelle utilisée lors de la quantification d'analyse sociale du cycle de vie. Le fait de tenir compte des jugements de valeur des experts dans l'évaluation de la performance sociale d'un système de produit apporte des incertitudes liées aux jugements de valeur des gens,qui sont basés sur leurs expériences, convictions, histoire de vie, entre autres variables subjectives. Ces jugements peuvent donc changer beaucoup. Nous avons surmonté cettelimitation en développant une approche stochastique incluant le choix de valeurs dans l'évaluation des impacts sociaux potentiels. L'inclusion de ce type d'incertitude permet une évaluation plus robuste à partir de la présentation au décideur du niveau de confiance desperformances d'AsCV, c'est-à-dire la probabilité qu'un système de produit soit classé en premier (présentant les meilleurs résultats agrégés) pour chaque partie prenante en considérant l'imprécision et la variabilité des jugements de valeur des gens. Donc, notre étude permet de vaincre la limite associée à la faible capacité d'une approche déterministe de capturer la subjectivité de l'être humain au moment de l'évaluation des impacts sociaux. D'autre part, la prise de décision à partir d'études d'AdCV est limitée aux performances AdCV déterministes et aux choix aléatoires des méthodes d'agrégation. Dans cette direction, nous proposons l'intégration des performances environnementales, sociales et économiques à partird'outils d'aide à la décision de manière à favoriser l'usage des résultats de l'AdCV dans le milieu organisationnel. L'intégration des résultats est basée sur l'importance accordée aux critères environnementaux, sociaux et économiques établis par les décideurs. Nous avons testé quatre modèles d'aide à la décision pour observer la robustesse des solutions proposées dans cesdifférentes approches. L'application de ce développement méthodologique permet d'obtenir le niveau de confiance des classements complets des systèmes de produits, en considérant les trois dimensions de la durabilité (et ses différents indicateurs) en même temps, à partir del'incorporation de l'incertitude des performances de l'AdCV au sein des modèles multicritères d'aide à la décision. Il est important de remarquer que notre approche n'est pas une phase d'analyse du cycle de vie, mais une étape supplémentaire d'agrégation des performances dans lebut de faciliter la compréhension et l'emploi de la riche source d'informations produite par les études d'AdCV comme les données d'entrée dans un processus décisionnel.En répondant aux objectifs de la recherche, ce projet a permis de franchir les limites de la quantification et de l'agrégation de l'analyse sociale du cycle de vie et de leur intégration avec les résultats d'analyse environnementale et des couts du cycle dans une analyse globale de durabilité du cycle pour appuyer le processus de prise de décision.

Abstract

Sustainability concept drives the strategies at the level of public policies and companies. However, it remains a challenge how to operationalize this concept faithfully. Decision-making based on sustainability performances is based on the method considered to assess environmental, social and economic performances and how to present results to decision-makers in order to promote sustainable choices. Life Cycle Sustainability Assessment (LCSA) of products is a holistic source of information to support decision-making processes for sustainable production and consumption. However, the use of this type of result in companies' decision-making is not obvious because of three intrinsic characteristics: (i) the AdCV indicators are multidimensional (each indicator is expressed in different units), (ii) the objectives are contradictory in majority of decision-making problems (it is impossible to maximize performance across all indicators) and (iii) there is uncertainty associated with performance evaluation. In addition, LCSA use in the decision making process also depends on improved life-cycle methods, particularly for LCC and SLCA, due to the lack of internationally standardized processes for both, despite the guidelines proposed by UNEP / SETAC. This thesis debates two research questions in order to integrate LCSA results in companies' decision-making: (i) implementation of improvements in SLCA methods (translation of qualitative performances into quantitative measures) and (ii) integration of LCSA results into decision-making using support decision-making tools. Considering the social dimension, SLCA studies are often qualitative and don't address the uncertainty associated to the value judgment of people. It limits the use of this kind of performances as input of decision-making models in the business context. We propose a method to obtain a more accurate social performance that takes into account the peculiarities of each indicator by the use of customized value functions for each sub-criterion considered in the social dimension. These functions are defined from the value judgment of a group of experts in order to translate the qualitative evaluations into a quantitative social performance score. A weighting method was also proposed to aggregate the indicators within each evaluated social dimension (social dimension evaluated = stakeholder in the context of SLCA studies). The translation scales obtained from the elicitation process did not follow the linear behavior for most of the indicators and are distinct among different indicators, highlighting the problem with the current method used when quantifying the social performances through life cycle approach. Taking into account the value judgment of experts when assessing social performance of product systems introduces uncertainties related to people's value judgment (based on their experiences, convictions, life history among others subjective variables). These judgments can therefore vary a lot. We overcome this limitation by developing a stochastic approach including uncertainty in assessing potential social impacts. The inclusion of this type of uncertainty allows a more accurate assessment. It allows presenting to decision-maker about the confidence level of SLCA performance, i.e. the probability that a product system is ranked first (product system presenting the best aggregated result) for each stakeholder dimension considering the variability of people's value judgments. Thus, our study allows surpassing the limit associated with the low capacity of a deterministic approach to capture subjectivity of human being when assessing social impacts.On the other hand, decision-making based on LCSA studies is limited to deterministic performances and random aggregation method choice. We integrate environmental, social and economic performance into decision-making by MCDA techniques in order to promote the use of LCSA results. We tested four MCDA models to observe the robustness of the solutions proposed by them. The application of this methodological development makes possible obtaining the rankings' confidence levels, considering the three dimensions of sustainability (and its various indicators) at the same time, the LCSA performance uncertainty by multiple criteria decision analysis models.Our approach promotes sustainable decisions. It is important to note that this step is not part of the LCA approach but is considered an additional phase to facilitate the understanding and the use of the rich source of information generated by LCSA studies as input data into a decision making process. In responding to the research objective, this project allowed overcome limits on quantification and aggregation in life-cycle social analysis and its integration with environmental and economic life cycle sustainability analysis in order to support decision-making processes.