Atteintes des objectifs de recherche

L’objectif général de cette thèse, « Développer une approche d’analyse du cycle de vie

permettant d’intégrer les comportements humains, l’effet rebond ainsi que leurs aspects temporels lors de la modélisation de la phase d’utilisation des systèmes complexes » a été atteint

grâce aux approches méthodologiques développées pour répondre aux trois objectifs spécifiques. La méthode développée au chapitre 4 permet de répondre au premier objectif spécifique :

développer une approche d’ACV qui permet de prendre en compte un large champ d’étude incluant les comportements humains. Il a été démontré que la combinaison de la SMA et l’ACV

permet de modéliser l’hétérogénéité des utilisateurs d’un système et leurs changements de comportements dans le temps. Il a aussi été démontré que ces aspects ont un effet non négligeable sur les résultats de l’ACV.

L’évaluation des systèmes complexes tels que les grandes aires de consommation (mobilité, alimentation, logement) nécessitent de prendre en compte l’utilisation de plusieurs produits et services par l’utilisateur ce qui implique d’élargir le champ d’étude. Il a été montré que la SMA permet de définir des agents à un niveau individuel, chacun possédant ses propres schémas de consommation, ce qui facilite l’évaluation d’un large champ de l’étude. De plus, cette technique de simulation permet de représenter le processus de prise de la décision des utilisateurs, incluant leurs aspects irrationnels. Ce dernier point permet notamment à l’ACV d’évaluer des politiques comportementales telles que les nudges qui se basent justement sur les aspects irrationnels de la prise de décision des utilisateurs.

Cette prise de décision intervient par ailleurs dans le temps. Il a aussi été démontré dans ce chapitre qu’une partie des impacts environnementaux liée à la prise de décision des utilisateurs ne

pouvait être incluse dans l’analyse si les aspects temporels de la production de l’unité fonctionnelle n’étaient pas aussi inclus, au même titre que ceux liés à l’utilisation. Dans l’étude de cas, c’était par exemple les décisions liées au décalage dans le temps de la consommation d’électricité. Le couplage de l’ACV et de la SMA a là encore été mis à profit puisque cette dernière permet de représenter l’évolution de systèmes dans le temps.

Finalement, il a été démontré que la méthode est capable de résoudre certains problèmes liés à la modélisation des comportements humains en ACV. Cette méthode permet de capturer la singularité des utilisateurs d’un produit/service. De plus, elle permet d’inclure les aspects temporels à la fois des comportements humains des utilisateurs et de la production du produit/service qui est utilisé.

Le chapitre 5 va plus loin dans l’exploration des aspects temporels de l’ACV. La méthode développée dans ce chapitre permet de répondre au second objectif spécifique : développer une

méthode d’analyse du cycle de vie adaptée aux systèmes sociotechniques et à leurs aspects temporels. Il a été démontré dans ce chapitre qu’une approche strictement attributionnelle ou une

approche strictement conséquentielle n’était pas adaptée dans le cas des systèmes sociotechniques où la demande et la production d’un produit/service co-évoluent dans le temps. En effet, une partie de la demande participe alors au « statu quo » alors qu’une autre partie participe au changement. La méthode développée dans ce chapitre permet l’ACV de tels systèmes.

L’approche attributionnelle utilisée dans le chapitre 4 ne permet pas de bien rendre en compte des conséquences des changements de comportements sur le système de production. C’est justement ce que permet de faire l’approche conséquentielle. Utiliser ces deux approches en combinaison permet une ACV qui rend à la fois compte des impacts environnementaux de la part du système qui ne change pas par rapport au cas usuel et de la part du système qui subit un changement. La méthode développée est particulièrement pertinente pour analyser la prise de décision des utilisateurs. Ces décisions, parce qu’elles apportent un changement, devraient être prises selon des informations issues d’une approche conséquentielle. Le chapitre 5 démontre notamment que ne pas considérer cet aspect peut conduire à des décisions sous-optimales.

L’utilisation des approches proposées dans les chapitres 4 et 5 pour répondre aux deux premiers objectifs spécifiques pose les bases pour l’analyse de l’effet rebond dans les systèmes complexes

sociotechniques. En effet, l’effet rebond découle des comportements des utilisateurs et implique des changements dans le système, ce qui présuppose une approche conséquentielle.

L’approche d’analyse de l’effet rebond du chapitre 6 permet d’atteindre le troisième objectif spécifique : élargir l’approche générale développée lors des objectifs 1) et 2) pour la prise en

compte de l’effet rebond (et notamment ses aspects temporels et sa relation aux comportements humains). Ce chapitre montre que les aspects temporels sont aussi à prendre en compte lors de

l’estimation de l’effet rebond. En effet, le potentiel d’effet rebond peut être différent selon la période analysée, et ce pour deux raisons. La première est liée au fait que les comportements des utilisateurs évoluant dans le temps, les changements en ressources qui causent l’effet rebond le sont aussi. Deuxièmement, l’effet rebond dépend aussi de la partie de production du système. Les impacts environnementaux et le prix de la production du produit/service à une période de temps donnée vont ainsi avoir un effet sur l’ampleur de l’effet rebond.

Le chapitre 6 démontre aussi que la prise en compte de l’effet rebond dans la prise de décision permettait d’en atténuer les effets. Cette considération est importante pour maximiser les bénéfices potentiels de politiques visant à changer les comportements des utilisateurs d’une technologie.

Ce projet de recherche a permis de résoudre plusieurs défis de la modélisation de la phase d’utilisation en ACV. Il a aussi démontré l’intérêt d’utiliser la SMA en combinaison avec l’ACV. La SMA permet de répondre à plusieurs défis actuels de l’ACV comme la prise en compte des aspects temporels et de la complexité.

Ainsi, les réponses apportées aux trois objectifs spécifiques ont permis de :

• Améliorer la modélisation de la phase d’utilisation en ACV en intégrant des informations sur les comportements humains et leurs changements grâce à la SMA ;

• Inclure la dimension temporelle liée à la fois à la production d’un produit/service et à son utilisation à l’aide d’une approche de l’ACV adaptée aux systèmes sociotechniques ; • Proposer une approche pour l’estimation de l’effet rebond qui prend en compte les deux

aspects précédents, c’est-à-dire sa temporalité et sa relation aux changements de comportements des utilisateurs.

Les trois objectifs spécifiques énoncés au chapitre 3 ont donc été atteints ce qui a permis de répondre à l’objectif général de la thèse. Cependant, les développements méthodologiques proposés reposent sur un certain nombre d’hypothèses ce qui limite les résultats présentés.