Les types d’ACV 16


Sandén et Karlstrom (2007) montrent qu’il est important de distinguer deux types d’ACV, et ce, suivant plusieurs dimensions. Le premier type consiste, d’après eux, à cartographier les impacts environnementaux dont un produit peut être tenu responsable. Pour Ekvall et Weidema (2004), ce type d’ACV sert à décrire les flux physiques environnementaux pertinents du système de produits à l’étude et qui lui sont directement reliés. Selon les auteurs, ce type d’ACV est qualifié d’axé sur les attributs (Ekvall & Weidema, 2004),(Jolliet et al., 2005) qui sera le nom gardé par la suite pour cette étude, ou bien de descriptive (Guinée, 2002) ou encore rétrospective (Ekvall & Weidema, 2004) bien que ces auteurs discutent de l’utilisation de cette dénomination. Cette approche utilise des règles d’imputation pour attribuer au produit une part des impacts dans les cas de systèmes multifonctionnels. Les normes ISO ont défini une hiérarchie entre les méthodes d’imputation. Tout d’abord il faut au maximum éviter toute imputation (subdivision des processus ou extension des frontières), puis si une imputation est nécessaire il faut privilégier une imputation physique (en fonction de la masse des produits par exemple). Si l’imputation physique n’est pas applicable ou peu pertinente une imputation économique ou fonctionnelle sera possible (ISO 14040, 2006). Lors de l’ACV-C aucune règle d’imputation n’est conservée, une extension des frontières est systématiquement effectuée.

Le second type d’ACV a pour but d’analyser les conséquences d’un changement (Sandén & Karlström, 2007). Certains auteurs complètent cette définition en expliquant que ce type d’ACV permet d’analyser les impacts d’une prise de décisions (Ekvall & Weidema, 2004). Dans cette optique ce type d’ACV est qualifié d’axé sur les conséquences bien que l’on retrouve aussi

le terme prospective (Ekvall & Weidema, 2004) ou encore de change-oriented (orienté changement) (Guinée, 2002).

Le temps constituant une dimension importante dans une analyse de cycle de vie, certaines études suggèrent de laisser aux termes prospectif et rétrospectif la dimension temporelle (Weidema, 2003). Ainsi les analyses prospectives porteront sur les développements futurs tandis que les rétrospectives analyseront des impacts passés, relatifs à un historique. Pour le reste de cette étude, les termes d’ACV axée sur les attributs (ACV-A) et d’ACV axée sur les conséquences (ACV-C) sont choisis.

L’ACV-C procure des analyses plus complètes puisqu’elle prend en compte plus de processus dans le système de produits alors à l’étude. Comme il a été dit précédemment, ces analyses permettent d’évaluer les impacts d’un changement qui s’opère lors du cycle de vie. L’ACV-C permet donc d’analyser l’ensemble des impacts environnementaux d’un cycle de vie perturbé. Pour ce faire il s’agit d’identifier quels processus sont affectés par une perturbation survenue au système de produits de l’étude. On évite ainsi toute imputation massique ou physique de certains processus quand le système est multifonctionnel. D’après Weidema (2003), l’extension des frontières devrait toujours être réalisée, il prône donc un recours inévitable à l’ACV-C. Ainsi ce ne sont plus seulement les processus liés par un lien physique (massique ou énergétique) qui seront inclus dans les frontières du système de produits, mais les processus liés au produit par des liens de causalité, d’où la nécessité de construire des chaînes de cause à effet liées aux perturbations qui nous intéressent. L’ACV-C utilise donc des données qualifiées de marginales, remplaçant alors les données moyennes nécessaires pour une ACV-A.

D’après certains auteurs comme Sanden et Karlstrom (2007), il est possible de classer les conséquences étudiées, en 3 catégories :

 Les conséquences de premier ordre sont les conséquences liées aux relations entre la production, l’utilisation et la gestion des déchets. Ce sont les effets directs des flux physiques reliant les processus, ceux qui sont évalués par une ACV-A.

 Les conséquences de second ordre sont les effets plus indirects, engendrés par un changement dans la production d’un autre produit suite à une variation de sa demande, induite par une perturbation sur le cycle de vie du système de produits à l’étude. Ces effets sont souvent observés suite à une modélisation économique.

 Les conséquences de troisième ordre sont, pour finir, les effets liés au changement de technologie (souvent lié à des investissements divers) qui amènent un changement dans la disponibilité de la technologie elle-même ou des ressources (stocks) et qui altéreraient alors les préférences et donc les résultats des analyses.

Dans cette étude de biocarburant où le produit étudié est du E85 à base d’éthanol fait avec du saule, ce sont les conséquences de second ordre qui seront analysées.

Lors du recours à l’ACV-C, l’identification des processus affectés est une étape capitale et souvent difficile puisqu’un consensus sur la méthodologie d’indentification de ces processus semble difficile à mettre en place (Tillman, 2000) . Des incertitudes additionnelles peuvent donc se mêler aux ACV-C. D’après Schmidt, l’approche axée sur les conséquences se veut plus complète et réaliste, mais obtient des résultats moins précis, alors que l’approche axée sur les attributs bien que plus précise quant à ses résultats, se voudra moins réaliste à cause des nombreux blind spots, angles morts, occurrents dans les études (Schmidt, 2008). En effet, en ACV-A, certains processus ne sont pas pris en compte à cause de la délimitation des frontières et des imputations. Ils sont donc laissés de côté car ils ne sont pas « observés » par l’analyse, d’où le terme de blind spot. Ceci explique alors pourquoi l’ACV-A est qualifiée de moins complète par Schmidt.

Le choix entre l’ACV-C et l’ACV-A est au cœur de nombreuses discussions. Tout d’abord, la décision de recourir à une certaine approche doit être motivée par le but de l’étude. D’après Weidema (2003), l’ACV-C permet d’obtenir une meilleure compréhension du système de produits étudié. L’extension de frontières devrait donc être préférée à l’analyse axée sur les attributs (Weidema, 2003). L’ACV-C est largement reconnue comme utile pour l’aide à la décision (Weidema, 2003). En revanche l’ACV-C ne devrait être privilégiée que si ses résultats changent significativement par rapport aux résultats obtenus par une ACV-A (Lundie et al., 2007). De plus, il ne faut pas que les incertitudes, qui sont augmentées par le fait qu’il faut identifier des processus affectés, soient trop élevées et restreignent l’interprétation des résultats (Lundie et al., 2007). Pourtant, les résultats d’une ACV-C se veulent complémentaires, voire préférables à ceux d’une ACV-A (Andrae, 2006).

Deux grandes approches se distinguent au sein de l’ACV-C, l’approche par scénarios reconnue et utilisée par Weidema ou Schmidt (Schmidt, 2008; Schmidt & Weidema, 2008;

Weidema, 2003) ou bien l’approche des modèles macroéconomiques utilisée et prônée entre autres par Searchinger et al. (2008) et Kloverpris et al. (2008).

1.3 Technologies affectées et méthodes actuelles d’identification