compte des incertitudes en analyse de cycle de vie des
Étape 2 : Élimination des données éloignées L’identification des données éloignées sera faite
3.2 Calcul des incertitudes pour une ACV de maison individuelle
3.2.4 Analyse de contribution et de sensibilité
3.2.4.1 Analyse de contribution et de sensibilité à l’échelle bâtiment
Nous avons présenté dans le tableau III. 2 les contributions des IE des matériaux et éléments de la maison, aux IE de la maison entière et à ses incertitudes pour 3 indicateurs d’impact. Le tableau III.3 compare les résultats obtenus par la méthode de Monte-Carlo et la méthode MFST. Nous remarquons que le niveau d’erreur est très faible et notre méthode peut être considérée comme une bonne approche dans l’analyse de contributions et de sensibilité. L’avantage de la méthode tient au fait qu’elle nécessite beaucoup moins de temps de calcul, contrairement à la méthode de Monte-Carlo. Par ailleurs, l’analyse de contribution et de sensibilité met en évidence un résultat très important : le béton armé a une influence très significative sur l’indicateur du changement climatique (27,3 %), mais une influence faible sur l’incertitude de cet indicateur. Par contre, la laine de roche a une influence faible sur l’indicateur du potentiel de changement climatique (10,3%), mais influence sur l’incertitude très grande de 34,9%. La laine de roche représente d’ailleurs le matériau ayant la plus grande influence sur l’incertitude de l’indicateur du changement climatique.
Les résultats que nous avons obtenus en termes d’influence des matériaux de la maison sur les incertitudes des IE du bâtiment étudié dépendent des incertitudes sur les entrants, de leur quantitatif, du nombre de renouvellement (cycle de rénovation) pendant la durée requise du projet, des coefficients d’impacts et des coefficients de compatibilité. Il est aussi important d’identifier l’influence des entrants sur les incertitudes des IE des composants de la maison. C’est ce que nous présentons dans le paragraphe suivant.
109 Changement climatique MFST Monte-Carlo Influence sur l’amplitude de l’indicateur Influence sur l’incertitude Influence sur l’amplitude de l’indicateur Influence sur l’incertitude Terre cuite non- structurelle 3,88% 2,95% 3,85% 3,01% Béton non- structure 5,62% 0,46% 5,57% 0,47% Béton structurel 5,03% 1,82% 4,99% 1,82% Béton armé 28,40% 14,80% 28,09% 14,36% Acier non- structurel 3,16% 0,31% 3,13% 0,31% Bois non- structurel 1,98% 5,98% 3,07% 5,51% Bois structurel -3,58% 0,71% -3,55% 0,79% Laine de roche 10,77% 35,82% 10,66% 36,20% Polyuréthane 4,32% 3,01% 4,28% 3,01% Polyéthylène 0,18% 0,00% 0,00% 0,00% PVC 7,92% 2,26% 7,86% 2,23% Plâtre 4,38% 3,51% 4,34% 3,54% Panneaux solaires 1,98% 0,81% 1,96% 0,83% Fenêtres 4,86% 1,99% 4,82% 2,06% Peinture 4,38% 12,77% 4,33% 13,13% Équipement électrique 7,48% 6,65% 7,43% 6,54% Porcelaine 1,83% 0,13% 1,81% 0,14% Acrylique 0,64% 0,03% 0,64% 0,02% Grès émaillé 0,74% 0,05% 0,73% 0,06%
110
Grès cérame 4,34% 5,68% 4,16 % 5,74%
Zinc 1,70% 0,24% 1,63 % 0,23%
Tableau III. 3 – Résultats de l’analyse de contribution et de sensibilité calculés par la méthode
de Monte Carlo et la méthode MFST, développée au chapitre II.
3.2.4.2 Analyse de sensibilité à l’échelle composant
Le niveau de la fiabilité des résultats en termes d’IE du projet de la maison individuelle indique la nécessité d’identifier les responsables de ces incertitudes. L’identification de l’influence des entrants sur les incertitudes des IE des composants demeure donc une étape importante de l’analyse. L’application de la méthode de sensibilité a permis d’évaluer ces influences. Les résultats obtenus sont présentés sur la figure III. 3. Les résultats illustrent les valeurs obtenues pour l’indicateur de changement climatique, des déchets et de l’énergie non renouvelable.
112
Figure III.3 – Influence des paramètres « masse, coefficient d’impact, coefficient de
113 Les résultats obtenus ont permis d’identifier l’influence des paramètres étudiés (masse, coefficient de conversion, coefficient d’impact, nombre d’utilisation) sur l’indicateur du changement climatique, celui des déchets et celui de l’énergie non renouvelable.
Tout d’abord, nous observons que le nombre d’utilisation des éléments est dans beaucoup de cas la source principale d’incertitudes. Cela est dû à une grande disparité de la pérennité des composants du bâtiment, laquelle est fonction de la qualité intrinsèque du composant, la qualité de la pose et la sévérité de l’environnement. Par exemple, une couverture en zinc n’aura pas la même durée de vie en fonction des situations climatiques ou de pollution. Un revêtement de sol est fortement influencé par le taux de fréquentation, etc.
Une seconde source d’incertitude dominante est dans certains cas le coefficient d’impact, notamment pour les composants à base de ciment, et les installations sanitaires. Pour les composants en béton, il peut s’agir de la diversité des formulations utilisées. Les incertitudes de l’indicateur « déchets » des composants sanitaires montrent que les industriels n’ont peut- être pas unifiées leur méthode de recyclage, ce qui apparaît dans les FDES comme une source importante d’incertitude.
En troisième lieu vient le paramètre « masse des composants » qui peut influencer l’incertitude des indicateurs d’impacts. Par exemple la masse de béton armé intervient beaucoup sur l’incertitude de l’indicateur « déchets ». Il est fort probable que la filière ne se soit pas encore stabilisé sur la meilleure méthode à adopter pour traiter les déchets de béton armé, d’où cette disparité de quantités traités générant une incertitude.
Enfin, le paramètre « coefficient de conversion », qui n’est autre que la masse volumique des composants, (certains composants étant affichés en masse, d’autres de même nature en volume, l’uniformisation des données impose de définir une masse volumique) est source d’incertitude principale pour les isolants en fibre, notamment la laine de roche. En fait, il existe une grande diversité de densité de ces isolants en fonction de leur usage (mur, plafond, toiture terrasse, intérieur, extérieur, etc.), et la difficulté d’accéder à ces informations est source d’incertitude. Une meilleure description de ces composants isolants de la part des industriels permettraient facilement de diminuer drastiquement les incertitudes sur ce paramètre « coefficient de conversion ».
114
3.3 Conclusion
Dans ce chapitre, nous avons utilisé la base de données de l’ANNEXE 3 pour l’évaluation des incertitudes par la méthode de Monte-Carlo et la méthode MFST. La comparaison des résultats obtenus par les deux méthodes n’a pas révélé de différences significatives entre les résultats ce qui montre que la méthode représente une bonne approximation pour le calcul de propagation des incertitudes.
L’application de la méthode de sensibilité à l’échelle composant a permis d’identifier l’influence des paramètres (nombre d’utilisations du composant, coefficient d’impact, coefficient de conversion, masse) sur les impacts environnementaux des composants. Ces éléments offrent aux praticiens de l’ACV des informations importantes sur l’évaluation des incertitudes des bâtiments.
3.4 Perspectives
La principale perspective de ce travail est l’implémentation de modules complémentaires dans le calcul des incertitudes des ACV du bâtiment. Par contre, une telle implémentation compliquera les équations de la méthode et augmentera le temps de calcul dans des logiciels. Certes, cela présente un inconvénient, mais en le comparant avec le temps requis par la méthode de Monte-Carlo, elle peut représenter une solution pertinente.
115