Choix du jeu de données basé sur la similarité géographique

La régionalisation d’un processus unitaire s’opère en quatre temps : i) le choix

d’un processus correspondant au mieux à la géographie du processus à évaluer, ii)

la détermination de la catégorie de produits du produit à évaluer, iii) la

détermination des catégories de produits des produits consommés par le produit à

évaluer, iv) la création des ratios de provenance des catégories des produits, v) et

l’application des ratios de provenance aux produits selon leurs catégories de

produits (voir fig. 2.1 et 2.2).

2.1 Choix du jeu de données basé sur la similarité

géographique

Dans l’état actuel des connaissances, pour chaque processus et région il n’existe

pas systématiquement un jeu de données. Pourtant il est nécessaire de définir un

jeu de données pour chaque processus et région, de préférence le jeu le plus

représentatif. Le choix du jeu représentatif nécessite de déterminer la

représentativité des jeux de données par rapport à chaque processus et région. Or

il n’existe pas de méthodologie ni d’indicateur de représentativité des jeux de

données de processus technologique au regard d’une région géographique. La

technologie d’un processus dépend de multiples facteurs : du progrès technique,

des lois, des normes, etc. Des conditions économiques proches ou la proximité

géographique de deux régions ne signifient pas que la technologie de la première

région est représentative de la seconde.

Pour des raisons de contrainte de temps, la réflexion méthodologique visant à

créer un indicateur de représentativité multi-critère robuste n’a pas été menée

dans le cadre de cette thèse. J’ai plutôt fait le choix de m’appuyer sur un

algorithme dont le seul critère de choix est le lien de similarité régionale et

l’inclusion régionale entre un processus d’une région donnée et les jeux de données

des processus disponibles. Le lien de similarité est déterminé à partir d’une

appréciation des résultats de produit intérieur brut par habitant, de proximité

géographique et de jeux de données accessibles. Les choix qui découlent de cette

approche sont arbitraires et doivent faire l’objet de travaux supplémentaires afin

d’établir une méthodologie plus robuste et plus transparente.

S’il existe plusieurs régions similaires ou supra-régions à une région mais qu’il

n’est pas possible d’évaluer les multiples similarités, on peut se retrouver pour un

processus et une région avec plusieurs jeux de données représentatifs. Parce que la

similarité n’est pas mesurée, il n’est pas possible de classer la similarité des

régions. Dans la méthode proposée, j’ai fait le choix de définir pour chaque région,

une seule région similaire et une seule supra-région. Cette approche évite

d’obtenir un résultat aléatoire lors de l’attribution d’un jeu de données. Les liens

entre les géographies aboutissent à la création d’une structure arborescente

hiérarchisée de similarité et d’appartenance (voir fig. 2.3). D’autres approches

sont possibles, comme celles de sélectionner l’ensemble des jeux représentatifs et

de réaliser une moyenne, mais elles n’ont pas été implentées.

Figure 2-3 a) Principe de relation de similarité et d’inclusion entre différentes régions, et b) exemple de

relations de propriété entre les régions.

Une fois l’arborescence créée, s’il n’existe pas un jeu de données pour le

processus de la région étudiée, un algorithme vient la parcourir pour déterminer le

chemin le plus court entre la région du processus étudié et un jeu de données

d’une région similaire ou une supra-région (voir fig. 2.4). L’algorithme est le

suivant :

1. choisir le jeu de données correspondant au processus et à la région

souhaitée.

2. choisir le jeu de données correspondant au processus et à la région la plus

similaire de la région souhaitée.

3. choisir le jeu de données correspondant au processus et à la supra-région

de la région souhaitée.

4. choisir le jeu de données correspondant au processus et à la région similaire

à la supra-région de la région souhaitée.

5. Et ainsi de suite.

6. Si aucun jeu de données similaire n’est trouvée, sélectionner un jeu de

données générique.

7. Si aucun jeu générique existe, mais qu’il existe seul et unique jeu données,

sélectionner cet unique jeu de données.

L’algorithme permet de définir pour un processus et une région donnés un jeu

de données considéré comme le plus représentatif, selon les liens de similarité (voir

tableau 2.1).

Figure 2-4 Principe de détermination du processus représentatif: a) un jeu de donnée est considéré similaire à

un autre si leurs régions sont considérées similaires par le chemin le plus court ; dans les cas b), c) et d), la

propriété de similarité l'emporte sur celle d'appartenance.

Tableau 2-1 Exemple de lien de similarité et d'appartenance pour trois régions géographiques.

Régions Régions similaire Régions d’appartenance

France Suisse * Europe (RER)

Chine - ** Asie

Etats-Unis Canada Amérique du Nord

* : Dans la base Ecoinvent, la Suisse et le Canada sont les deux régions pour

lesquelles il y a le plus de données.

** : une région peut ne pas être liée à une région similaire, dans ce cas, on

regarde les données de la région d’appartenance.

La méthode fonctionne que s’il existe au moins un jeu de données accessible en

parcourant l’arborescence selon l’algorithme présenté ci-dessus. Dans le cas où il

n’existe pas un tel jeu de données, un jeu de données plus générique doit être

utilisé. Par exemple, pour la base de données Ecoinvent, ces jeux génériques sont

les jeux « Rest-of-the-World [RoW] », représentant l’ensemble des régions pour

lesquelles il n’y a pas de données spécifiques, ou les jeux « Global [GLO] »,

représentant l’ensemble des régions. Dans le cas où il n’existe qu’un seul jeu de

données représentatifs d’un processus, celui-ci est utilisé pour l’ensemble des

régions.