CHAPITRE 2 REVUE DE LA LITTÉRATURE
2.2 Conception de procédé
2.2.6 Les méthodes d’identification des risques liés aux projets de conception
l’incertitude dans les différents paramètres utilisés dans les modèles de conception. Le risque financier d’un projet est lié à l’incertitude inhérente à ses flux monétaires. Cette incertitude dans les flux monétaires est reliée à l’incertitude dans les paramètres du marché comme le coût de la matière première, de l’énergie, le prix des produits et le volume du marché. Trois méthodes sont utilisées pour la définition des risques liés aux projets de conception de procédé : l’analyse de sensibilité, l’analyse de scénarios et l’analyse en utilisant les techniques probabilistes et la formulation stochastique des incertitudes.
Les risques sont souvent divisés en 2 catégories : les risques contrôlables et les risques non contrôlables. Les risques contrôlables sont les risques générés par des paramètres qu’on peut manipuler et qu’on peut choisir. Comme exemple de ces paramètres, on peut citer le choix des technologies ou de la qualité de la matière première. Les risques non contrôlables sont les risques liés aux paramètres que nous ne pouvons pas contrôler comme les paramètres du marché.
2.2.6.1 L’analyse de sensibilité
L’analyse de sensibilité offre un moyen de se faire une idée sur les conséquences de changement de paramètres sur les performances d’un projet d’investissement. Cette analyse détermine l’effet que produit sur une mesure de performance d’un projet, la variation des variables d’entrée comme les prix et le volume des ventes. L’analyse de sensibilité révèle alors l’importance de l’incidence d’un changement dans une variable d’entrée sur un critère d’évaluation. Certain paramètres d’entrée ont une influence sur le critère d’évaluation plus importante que d’autres. Avec une étude de sensibilité représentée généralement par des graphiques de sensibilité, on arrive facilement à identifier les paramètres les plus importants et le type de relation entre les variables d’entrée et le résultat final.
Ce type d’analyse est largement utilisé pour la conception de procédé. Frederick et al. [29] ont utilisé l’analyse de sensibilité pour voir les conséquences qu’une variation dans le coût d’investissement, le coût d’énergie et de biomasse sur le coût de production d’un gallon d’éthanol à partir de la biomasse lignocellulosique. Wising et al. [30] ont utilisé l’analyse de sensibilité
pour déterminer comment le prix de lignine peut être un élément clé pour justifier l’implantation de procédés de précipitation de lignine dans de différentes usines de pâtes et papiers.
2.2.6.2 L’analyse de scénarios
Quoique l’analyse de sensibilité soit utile, elle a des limites. En effet, il est difficile d’établir une relation entre une variable particulière avec le critère d’évaluation considéré. L’interdépendance entre les variables vient en outre compliquer l’établissement des relations entre les variables et les critères d’évaluations. Par exemple, le fait de varier le coût de la matière première tandis que le prix de vente du produit est maintenu constant peut simplifier l’analyse, mais en réalité, les deux variables ne se comportent pas de cette façon. D’un autre coté, en permettant à plus d’une variable de varier, on risque de rendre l’analyse trop compliquée.
L’analyse de scénario est une technique qui permet d’étudier la sensibilité du résultat final aux changements subis simultanément dans les variables-clés d’un investissement, dans les limites de leurs valeurs probables. Par exemple, on peut considérer deux cas extrêmes, le pire scénario (les coûts de production élevés et les prix de vente faibles) et le meilleur scénario (les coûts de production faibles et les prix de vente élevés). On calcul par la suite, la rentabilité pour le pire scénario et pour le meilleur scénario et on compare les résultats à la valeur de la rentabilité espérée (scénario de référence).
La génération des scénarios n’est pas une tâche facile surtout quand il est difficile d’établir la relation entre les différents paramètres incertains. Schoemaker [31] a publié une méthode constituée de plusieurs étapes pour la capture et le développement des scénarios les plus probables qui peuvent servir lors des processus de prise de décision. Axelsson et al. [32] ont développé un outil pour la construction des scénarios cohérents sur le marché de l’énergie et qui peuvent être utilisés pour l'évaluation des investissements pour l’efficacité énergétique dans les industries énergivores.
2.2.6.3 L’analyse en utilisant les techniques probabilistes
Dans l’analyse des scénarios, on peut trouver par exemple que le projet pourrait perdre de l’argent en considérant le pire cas, mais on ne connaît pas la probabilité de cette possibilité. On ne connait ni la probabilité du scénario de référence, ni celle des scénarios extrêmes. En clair, on a besoin pour la prise de décision de connaitre la probabilité de tous les scénarios. Ce besoin nous
mène à l’établissement des distributions de probabilités des variables d’entrée et les utiliser pour attribuer une distribution de probabilité de la rentabilité d’un investissement.
Dans la réalité plusieurs types de distributions peuvent être utilisés pour décrire les probabilités de changement dans les variables d’entrée. Parmi ces distributions, on peut citer la distribution uniforme, triangulaire ou normale.
Les méthodes qui utilisent et combinent ces distributions de probabilités pour définir une distribution de probabilité de la variable de sortie sont regroupées sous le nom de la méthode de simulation de Monte-Carlo.