Méthodologie

L'analyse de sensibilité des résultats de l'ACV aux valeurs des grandeurs d'entrée a pour objectif d'identifier les paramètres ou grandeurs qui ont la plus forte influence sur l'un ou l'autre des indicateurs d'impacts. Ce sont ces données qu'il faut connaître avec le plus de précision pour minimiser l'incertitude sur les déterminations des indicateurs d'impact. L'analyse de sensibilité identifiera également les données d'entrée de moindre sensibilité qui n'ont que peu d'influence sur le calcul d'impact et pour lesquelles une valeur approximative ou un ordre de grandeur peut être suffisant.

La connaissance des données ou paramètres à forte sensibilité guidera aussi la recherche de solutions techniques pour réduire les charges environnementales du produit étudié.

L'analyse de sensibilité monoparamétrique évalue la sensibilité d'un résultat calculé à chacune des données d'entrée. Chaque valeur de paramètre d'entrée xi est modifiée tour à tour d'une même variation relative Δxi/xi . Le simulateur calcule la nouvelle valeur de l'impact Ij pour cette valeur modifiée de xi. La valeur trouvée de Ij est utilisée pour calculer la variation ΔIj par rapport à la valeur initiale de Ij et sa variation relative ΔIj/Ij.

L'indicateur de sensibilité Sji de l'impact Ij à ce paramètre xi est calculé comme le rapport des variations relatives grandeurs de sortie et d'entrée :

• Sji = ΔIj/Ij / Δxi/xi (7.1)

L'analyse d'incertitude a pour objectif d'évaluer l'incertitude ou la variabilité des résultats de l'ACV compte tenu de l'incertitude ou de la variabilité des grandeurs d'entrée. La connaissance de l'incertitude sur les résultats de l'évaluation permet de définir l'intervalle de confiance pour les valeurs calculées des différents indicateurs d'impact. L'analyse d'incertitude est notamment indispensable dans le cas d'une étude d'ACV comparative pour pouvoir conclure si la différence entre deux scénarios est significative ou non.

Concernant les grandeurs d'entrée, l'analyse d'incertitude prend en compte :

• les variabilités sur certaines données. Ce sont par exemple, les variations des rendements de culture, des compositions des plantes ou des intrants utilisés selon les régions de production ou les années

• les incertitudes sur des données les plus difficilement accessibles, comme par exemple les consommations d'énergie électrique des opérations unitaires ou les données ACV des intrants énergétiques et chimiques. Dans un premier temps, il est conseillé de prendre un ordre de grandeur pour ces données, ce qui implique une incertitude relativement élevée. Si la présente analyse montre une forte contribution de certaines de ces données sur l'incertitude des indicateurs d'impact, une recherche bibliographique plus approfondie devra être réalisée pour préciser les valeurs de données

L'incertitude sur la valeur d'un indicateur d'impact dépend à la fois de l'incertitude ou variabilité des valeurs de tous les paramètres ou grandeurs qui ont une influence sur cet indicateur et des sensibilités de l'indicateur par rapport à ces paramètres. La méthodologie utilisée est celle de la propagation des incertitudes couramment utilisée en métrologie. Elle consiste dans un premier temps, à évaluer les incertitudes des grandeurs d'entrée, puis à utiliser les facteurs de sensibilité Sji précédemment déterminés pour calculer les contributions individuelles des paramètres d'entrée à l'incertitude sur les indicateurs d'impact, enfin à combiner l'ensemble de ces contributions pour l'obtention d'une incertitude globale.

L'analyse d'incertitude portera sur deux indicateurs d'impact : l'indicateur IPEC de la consommation d'énergie primaire en MJ/kg éthanol et l'indicateur IGWP de potentiel de réchauffement global ou d'émission de gaz à effet de serre en kg CO2/kg éthanol, les deux grandeurs étant déterminées par la méthode d'allocation par substitution.