Incertitude sur les résultats

+

+

+

60 nombre plus restreint que les catégories d’impacts midpoint. En revanche, le degré d’agrégation étant plus élevé qu’avec une méthode midpoint, le niveau d’incertitude potentiel avec les modèles endpoint est plus élevé [62] et l’information transmise est nécessairement moins détaillée. Les méthodes de caractérisation endpoint les plus utilisées sont Eco-Indicator 99 [64], développée par le bureau d’études Pré-Consultant aux Pays Bas, Impact 2002+, développée par l’Ecole Polytechnique Fédérale de Lausanne en Suisse [65]. Nous pouvons également citer EDIP 2003, qui contrairement à la version de 1997 est orientée dommages [66].

Si les deux écoles apparaissent opposées, elles ne sont pas nécessairement incompatibles [67]. Leur principal point de divergence se résume à la réponse à la question suivante : l’utilisation de résultats en catégories de dommages, donnant une fausse impression de certitude et de précision, peut-elle être justifiée sous couvert d’une meilleure facilité d’interprétation ?

La réponse varie selon les différentes catégories d’impacts à analyser [62] et selon les praticiens et les clients de l’ACV réalisée, même si, fondamentalement, les partisans de l’école midpoint privilégient la minimalisation de l’incertitude à la simplification d’interprétation des résultats. Des tentatives d’harmonisation de ces deux méthodes ont d’ailleurs été réalisées. Ainsi, les méthodes LIME 2 [68], du second projet national en ACV du Japon, IMPACT 2002+ [65], et celui issu du projet ReCiPe [69] ont été développés afin de coupler les approches midpoint et endpoint. Cependant, la communauté scientifique en ACV se répartit majoritairement selon les deux écoles midpoint et endpoint.

Si la norme établit un ordre pour la réalisation de l’évaluation avec d’abord la classification, puis la caractérisation, les logiciels d’ACV permettent de réaliser simultanément ces deux étapes. En pratique, grâce aux logiciels d’ACV, les résultats d’indicateurs de catégorie peuvent être calculés quasi instantanément, selon la méthode de caractérisation préalablement sélectionnée. Il est possible de comparer pour un même système les résultats de différentes méthodes de caractérisation à moindre frais.

La classification et la caractérisation sont les deux seules étapes obligatoires de la phase d’évaluation des impacts. Il est ensuite possible de travailler les résultats obtenus afin d’en faciliter leur appropriation. Avoir des résultats « simplifiés » d’ACV et plus compréhensibles s’explique par la volonté de divulguer, de communiquer, et de valoriser plus

61 aisément sur les résultats d’ACV au grand public ou à des non-avertis. En outre, quand les résultats sont destinés à des décideurs, ces derniers exigent parfois des praticiens de l’ACV une réponse « clef-en main », qui ne leur demande pas de procéder à des arbitrages entre les différents impacts. Pour répondre à ces exigences, les résultats issus de la caractérisation peuvent être retravaillés soit par normalisation, en situant les résultats par rapport à une zone géographique donnée avec par exemple l’utilisation de l’équivalent habitant européen ou français, soit par pondération et agrégation pour l’obtention d’un score unique.

La normalisation

La normalisation constitue la première étape facultative de l’évaluation des impacts. Les résultats de la caractérisation sont exprimés en fonction de valeurs de références, que le praticien aura choisies, afin de relativiser l’importance de ces impacts [62]. Les valeurs de référence peuvent correspondre aux impacts moyens d’un habitant ou des activités anthropiques d’une zone géographique donnée, comme un pays, une région. Heijungs [70] rappelle la formule de normalisation pour un indicateur de catégorie donné :

,

,

. 3

L’indicateur de catégorie normalisé hj,norm de la catégorie d’impact j est le ratio entre l’indicateur de catégorie non normalisé h_j de la catégorie d’impact j du système étudié et l’indicateur de catégorie hj,ref de la catégorie d’impact j pour le système de référence choisi.

Initialement, et comme le souligne Norris [71], la normalisation en ACV était une technique utilisée comme étape préalable à la pondération et à l’agrégation des résultats de catégories d’impacts, c’est du moins ce que présentait le LCA Code of Practice en 1993 [42]. La normalisation en ACV a pris un autre sens à peine quelques années après [72]. Désormais, et comme le spécifie la norme ISO 14 040, la normalisation a pour but de positionner les résultats obtenus dans un contexte, et de mieux comprendre l’importance relative et l’ampleur des résultats. La normalisation est donc essentiellement un outil utilisé pour mettre en évidence les catégories d’impacts représentant un enjeu majeur pour un système évalué dans un contexte donné, avant d’être une étape de traitement des résultats pour leur agrégation ultérieure, même si les deux objectifs cohabitent toujours.

62 La pondération

La pondération est l’autre étape facultative de l’évaluation des impacts et permet d’accorder un poids relatif à chaque catégorie d’impact. Elle peut succéder à la normalisation si celle-ci a eu lieu. La pondération vise à répondre à deux questions. Premièrement, l’ACV fournit des résultats pour différentes catégories d’impacts, exprimés dans des unités différentes, avec des échelles différentes. Dès lors, au sein d’une alternative, comment comprendre et comparer les différents impacts entre eux, et quelle importance relative leur donner [73] ? Ce cas de figure peut se présenter pour des objectifs d’optimisation ou d’éco-conception. Deuxièmement, la pondération peut être une étape préalable et nécessaire à l’agrégation des résultats. Ce cas de figure se présente notamment avec des objectifs de sélection. Le décideur souhaite ne retenir qu’une alternative parmi plusieurs, celle qui serait majoritairement dominante. Or, en général, d’une alternative à une autre, l’amélioration du score de certaines catégories d’impacts se fait au détriment d’autres. L’agrégation des résultats en un score unique permet de classer les alternatives au regard du système de pondération mis en œuvre [73]. Même si ce principe est vivement discuté en ACV, la pondération offre donc les possibilités de rendre comparables entre elles différentes catégories d’impacts mais aussi d’agréger les résultats d’impacts en un score unique.

Cette question de l’agrégation en ACV sera plus amplement traitée en fin de chapitre dans la partie 2-4.

2-1-6 L’interprétation des résultats

L’ACV ne se réduit pas à fournir des résultats d’impacts bruts, le praticien doit aussi être en mesure de les restituer de façon claire et de les mettre en perspective par rapport aux objectifs préétablis et aux hypothèses posées. Ce travail d’interprétation des résultats constitue la quatrième et dernière étape de l’ACV.

Dans un premier temps, l’interprétation doit permettre au praticien de présenter les résultats de l’analyse et d’en tirer des conclusions au regard des objectifs énoncés lors de la première étape. Pour cela, le praticien peut mener une analyse de sensibilité sur certains paramètres, pour montrer leur variabilité potentielle. L’analyse de sensibilité permet effectivement de détecter la dépendance des résultats aux données d’inventaire et aux méthodes de caractérisation utilisées.

63 Les conclusions apportées doivent être nuancées par un rappel des limites de l’analyse concernant les données d’inventaire, la modélisation et la caractérisation des impacts, ainsi que l’incertitude engrangée au cours des étapes successives de l’ACV. A ce titre, le praticien peut mener une analyse de l’incertitude afin de quantifier l’incertitude obtenue dans les résultats d’impacts au regard de la propagation des incertitudes depuis la phase d’inventaire jusqu’aux résultats d’impact. L’analyse de l’incertitude permet donc mesurer la robustesse des résultats obtenus.

Selon le cadre et les objectifs de l’ACV, l’analyse des résultats peut aboutir à des recommandations pour les décideurs concernés par l’évaluation.

Enfin, la cohérence des résultats avec les objectifs et le champ de l’étude peut être vérifiée en pratiquant un contrôle de complétude. Il s’agit d’une vérification de l’exhaustivité des données pertinentes prises en compte au regard des objectifs fixés. Si les résultats manquent de cohérence, il est nécessaire de relancer le processus itératif en révisant les étapes défaillantes comme le champ et les objectifs de l’étude, la nature et la qualité des données.