Combinaison de logiciel d’ACV avec des PGI 25

De nombreuses entreprises utilisent des systèmes de gestion de données centralisés, plus communément appelés Progiciel de Gestion Intégré (ERP en anglais). Certains auteurs y ont vu une opportunité de relier un outil ACV à ces systèmes (PGI) afin de simplifier l’acquisition des données dans la phase d’inventaire (Muller, 2010). Trois approches principales ressortent de la littérature : une approche hybride combinant les deux systèmes (ACV-PGI), une approche par interface où les deux systèmes sont interconnectés par une interface et enfin une approche par intégration où la fonction ACV est incluse dans le PGI (Figure 1.6).

Figure 1.6: Approches proposées pour combiner un logiciel ACV avec un PGI (Muller, 2010) Historiquement, la première approche développée fut l’approche hybride (Januschkowetz & Hendrickson, 2001). Cette approche propose de réaliser l’inventaire du cycle de vie (ICV) à l’aide du PGI, en l’occurrence SAP R/3, alors que les étapes d’analyse et d’interprétation sont réalisées par un logiciel ACV classique. Les avantages de cette approche sont la gestion simplifiée des données brutes d’inventaire ainsi que leur mise à jour à l’aide du PGI. Januschkowetz (2001) estime que cette technique permet de réduire de 50% les coûts de réalisation de l’ACV grâce aux économies de temps durant la phase d’inventaire. Cependant, l’auteur souligne certaines limites de cette méthode. En effet, certaines données enregistrées dans les PGI ne sont souvent pas dans le format requis pour réaliser une ACV et nécessitent certaines manipulations. Ces modifications peuvent s’avérer coûteuses et difficile à réaliser.

La seconde approche est celle proposée par Moon et al. (2003). Elle préconise l’interface entre les deux systèmes (ACV et PGI). Dans celle-ci, les deux systèmes exportent les informations sous forme de données standards, qui vont être traitées et analysées au sein de

l’interface. Le logiciel ACV sert alors principalement de base de données générique. Mais cela implique que toutes les données spécifiques soient disponibles dans le PGI. Or ce n’est pas toujours le cas et un couplage avec d’autres systèmes de gestion de l’entreprise est alors nécessaire (p. ex. : système de gestion de l’énergie). Moon et al. (2003) ont d’ailleurs comparé trois manières de réaliser une ACV en terme de temps et de main d’œuvre : la première en réalisant l’inventaire « manuellement », la seconde en se servant d’une simple interface entre un PGI (modifié pour récupérer les données manquantes dans les autres systèmes de l’entreprise) avec un logiciel ACV classique et la troisième, en faisant l’interface avec deux autres outils : un système de gestion environnementale (SGEv) et un système de gestion de l’énergie (SGEn). Les forces et faiblesses de ces trois approches sont décrites dans le Tableau 1.5.

Tableau 1.5: Approches comparées par Moon et al. (2003) pour la réalisation d’une ACV

TYPE FORCES FAIBLESSES

Entrée manuelle des données

Récolte de données appropriées

Identification directe des données erronées

Méthode longue et coûteuse Faible fiabilité des données

Difficulté à joindre tous les organes de l’entreprise

Difficultés pour mettre à jour les données

Interface PGI

Économie de temps et de coûts Fiabilité des données augmentée Unicité des données vérifiée

Récupération des données à travers les différents organes de l’entreprise simplifiée Mise à jour simplifiée des données

Adaptation du PGI pour recueillir les données manquantes

Faible flexibilité dans la gestion des données

Interface PGI/SGEn/SGEv

Économie de temps et de coûts Fiabilité des données augmentée Unicité des données vérifiée

Récupération des données à travers les différents organes de l’entreprise simplifiée Mise à jour simplifiée des données

Précision et complétude des données

Meilleure classification des données possible

Utilisation du PGI, du SGEn et du SGEv pour recueillir les données manquantes

Divergence des sources et des formats des données

Selon la comparaison de Moon et al., les deux cas avec interface sont pratiquement similaires en termes de coût et de temps , à l’approche manuelle, lors de la première application. En effet, les gains durant l’inventaire sont contrebalancés par la mise en place des interfaces. Par

contre, une fois que les systèmes sont reliés, le temps et le coût nécessaires pour réaliser une ACV sont divisés par un facteur 10. Mais il reste très peu de différences entre les deux systèmes avec interfaces.

La troisième approche proposée par plusieurs auteurs, dont Kuhrke et al.(2005) et Eun et al. (2009), est dite par intégration car toutes les fonctionnalités normalement propre au logiciel ACV sont incluses dans le PGI. L’étude est donc entièrement réalisée par le PGI. Pour cela, il est nécessaire de créer de nouveaux modules au sein du PGI pour l’évaluation des impacts. De plus, ces modules doivent connectés à ceux contenant les informations nécessaires à l’inventaire. Ces modules servent notamment pour le traitement des données d’inventaire et le calcul des impacts. Les avantages de cette intégration sont doubles. Tout d’abord cela permet de bénéficier de la génération de rapports standards proposée par les PGI. Ensuite, cela permet de faciliter la gestion et la mise à jour des données car elles sont toutes centralisées au sein d’un module de base de données. Toutefois les auteurs sont conscients que toutes les informations nécessaires ne sont pas directement disponibles ce qui nécessite des ajouts « manuels » à partir de données externes ou à partir de bases de données ACV déjà existantes. Pour la phase « production » du cycle de vie, les données sont déjà connues de l’entreprise. Les données pour la phase « utilisation » peuvent être extrapolées à partir des exigences d’utilisation définies pour le produit. Par contre pour les autres phases du cycle de vie (« extraction », « distribution » et « fin de vie ») les données ne sont pas présentes dans les systèmes de l’entreprise. C’est à cause de ce manque de précision et d’exactitude dans les données que des erreurs de modélisation peuvent se produire, ce qui restreint l’utilisation de ce genre d’outil en tant qu’outil d’analyse préliminaire (Eun et al., 2009). Certaines données doivent être corrigées afin de vérifier leurs validités et leurs niveaux de détails, ce qui est facile pour une donnée isolée, mais peut être plus compliqué pour des données agrégées. Cela nécessite une manipulation coûteuse en temps et en ressources, ajoutée à celle, déjà onéreuse, nécessaire à l’adaptation du PGI. De plus (et c’est valable pour les autres approches) peu d’informations sont données dans la littérature quant à la configuration des systèmes d’information.

Ces outils, combinant des PGI avec des logiciels ACV, apportent une aide à la réalisation d’ICV en facilitant la gestion des données et permettant des économies de temps et de coûts pour cette phase de l’ACV. Cependant les PGI sont des logiciels très complexes et peu flexibles. La modification de l’architecture d’un PGI peut être très couteuse et longue. Enfin, ces approches de

combinaison ACV-PGI permettent de faciliter l’ICV, mais ne simplifient pas la phase d’interprétation des résultats, ce qui est un grand frein à l’intégration de l’ACV au sein des processus de développement de produits.