CHAPITRE 2 MÉTHODOLOGIE
2.7 Évaluation de l’incertitude sur les résultats
L’incertitude sur les conséquences environnementales de chaque scénario énergétique européen a été évaluée en combinant analyses de sensibilité et simulations statistiques.
2.7.1 Analyses de sensibilité des résultats du modèle GTAP
Considérant que l’évolution des populations, de l’économie et des technologies est incertaine sur la période 2010-2025, toutes les variables reflétant l’évolution de ces grandeurs ont été prises en compte dans des analyses de sensibilité. De plus, les élasticités d’Armington (qui régissent la compétition entre les produits domestiques et étrangers) ont également été incluses dans les analyses de sensibilité, car ces paramètres internes au modèle GTAP sont réputés être très sensibles quant aux résultats des simulations du modèle (Kloverpris et al., 2010; Shigekazu et Deffi Ayu Puspito, 2010; Valenzuela et al., 2008; Welsch, 2008). Ainsi, des simulations GTAP ont été effectuées en augmentant ou en diminuant de 50% les valeurs des élasticités d’Armington et les changements initialement calculés pour les variables d’évolution des populations, de l’économie et des technologies. Cette approche s’inscrit dans les travaux de Bouët (2010), Laitner (2006), Langevin (2010) et Toke Ward (2004). Cependant, à la différence des études réalisées par ces auteurs, le nombre de paramètres dans la présente étude étant beaucoup plus important, il n’a pas été possible de faire varier indépendamment les valeurs de chaque élasticité et variable. En effet, l’agrégation utilisée (13 régions et 20 secteurs économiques) conduit à 26 élasticités d’Armington, 13 variables d’évolution de la population, 52 variables d’évolution économique et 260 variables d’évolution technologique : soit un total de 351 paramètres. Autrement dit 3351 combinaisons possibles si chaque paramètre peut prendre indépendamment des autres paramètres trois valeurs (valeur d’origine et valeur augmentée/diminuée de 50%). Compte tenu que chaque scénario nécessite 4 simulations pour couvrir l’intervalle de temps 2005-2025 et que chaque simulation requiert une configuration manuelle avant de pouvoir être solutionnée en environ 5 minutes par le calculateur GEMPACK, il n’est pas envisageable de réaliser un tel nombre d’analyses de sensibilité. Ainsi, les paramètres étudiés ont été regroupés en 3 catégories :
macroéconomique (population et économie), technologique et Armington. Chacune des trois valeurs a été appliquée tour à tour à tous les paramètres d’une catégorie indépendamment des valeurs des paramètres des deux autres catégories ce qui a permis de réduire le nombre de combinaisons à 27, aboutissant ainsi 216 simulations GTAP.
Un 28ième scénario a été ajouté pour évaluer les effets, de l’application simultanée en Amérique du Nord, d’une politique similaire à la politique de bioénergie de l’UE sur les conséquences économiques et environnementales de cette dernière. Le choix s’est naturellement porté sur l’Amérique du nord puisque ce continent est le principal consommateur d’énergie de la planète et qu’il a les moyens de développer ses énergies renouvelables. Ainsi, deux scénarios prospectifs énergétiques pour l’Amérique du nord ont été modélisés : l’un prévoyant un développement important des énergies renouvelables et l’autre décrivant l’évolution du secteur énergétique nord- américain dans le contexte d’une poursuite des politiques actuelles. Ces deux scénarios ont été adaptés du World Energy Outlook 2009 (International Energy Agency, 2009) en considérant que toute l’énergie renouvelable supplémentaire générée sur la période 2005-2025 était issue de la biomasse des secteurs de la foresterie et de l’industrie du bois. Bien que cette hypothèse ne soit pas très réaliste elle permet de modéliser ce qui pourrait être le pire cas de compétition pour la biomasse bois entre l’Amérique du nord et l’UE. Les données de simulations de ce scénario sont incluses dans l’annexe 4.
2.7.2 Gestion de l’incertitude sur les résultats de l’analyse de cycle de vie
Il existe plusieurs approches pour gérer l’incertitude en ACV, mais ce sont les simulations de Monte-Carlo qui sont les plus utilisées (Andrae et al., 2004; Contadini et Moore, 2003; Contadini
et al., 2002; Dones et al., 2005; Frey et Patil, 2002; Mullins et al., 2011; Scipioni et al., 2009;
Seabra et al., 2011; Sonnemann et al., 2003; Spatari et al., 2010; Venkatesh et al., 2011). Cette approche consiste à recalculer un grand nombre de fois les résultats de l’ACV en changeant à chaque fois, de façon aléatoire, la valeur de chaque paramètre incertain selon la distribution de probabilité qui lui correspond. Cette approche permet de calculer la distribution de probabilité de chaque impact environnemental et d’exprimer par exemple le pourcentage de cas que les impacts attribués à un scénario donné soit moins importants que celui d’un autre scénario. Notons que les distributions de probabilité de chaque paramètre incertain impliqué dans les simulations de
Monte-Carlo sont définis à partir de mesures empiriques de la variabilité des paramètres ou suivant des recommendations d’experts.
Le logiciel SimaPro permet de réaliser des simulations de Monte-Carlo sur l’ensemble d’un cycle de vie qui est modélisé dans le logiciel. Cependant, comme cela est mentionné au paragraphe 3.3.7 les calculs nécessitent d’être effectués conjointement dans SimaPro et Microsoft Excel si bien que les simulations de Monte-Carlo ont été en partie menées dans chacun des logiciels. Dans un premier temps, des simulations de Monte-Carlo ont été réalisées dans SimaPro pour chacun des 393 processus ecoinvent utilisés pour modéliser les secteurs économiques du modèle GTAP. Pour chaque processus, les simulations ont été effectuées en considérant une production unitaire (1 m3, 1 kg, etc.) et en itérant le calcul 5000 fois (nombre d’itérations par défaut dans SimaPro). Afin de rendre compte de l’incertitude des données des processus ecoinvent relativement à leur contexte technologique, géographique et temporel, la déviation standard attribuée à la distribution de probabilité des émissions et de consommation de substance de chaque processus a été augmentée d’un facteur 2,5. Ce facteur étant observé dans SimaPro lorsque les paramètres d’incertitudes d’un processus passent de la situation la plus certaine à la situation la moins certaine. L’application de ce facteur 2,5 surestime vraisemblablement l’incertitude réelle dans la mesure où toutes les données ecoinvent ne sont pas d’une qualité optimale. Ainsi, c’est un facteur compris entre 1 et 2,5 spécifique à chaque processus qui aurait dû être appliqué. En revanche, le manque d’expertise et de temps ne permettait pas de déterminer un facteur propre à chaque processus. Le choix de surestimer l’incertitude permet d’une certaine manière de renforcer la robustesse des résultats obtenus comme cela est expliqué à la section 3.5. Les résultats de ces simulations ont permis de déterminer les distributions de probabilité de chacun des 393 processus ecoinvent utilisés pour modéliser les secteurs économiques du modèle GTAP. Ces distributions ont ensuite été utilisées dans Microsoft Excel pour réaliser une seconde série de simulations de Monte-Carlo à l’aide du plug-in Crystal Ball (version 11) en calculant la différence des impacts environnementaux entre les deux scénarios prospectifs énergétiques de l’UE dans chacun des 28 scénarios développés lors de l’analyse de sensibilité. À cet effet, le calcul a été itéré 1000 fois plutôt que 5000 afin de réduire le temps global de calcul. Quelques simulations de Monte-Carlo ont été réalisées au préalable avec 5000 puis 10 000 itérations pour s’assurer que les résultats n’étaient pas sensiblement affectés par la réduction du nombre
d’itérations. Les résultats des analyses de sensibilité et d’incertitudes sont présentés dans Dandres