Amélioration de la fiabilité des évaluations environnementales des bâtiments

Qu’est-ce qu’un ACV ?

      Au sens de la norme ISO-14040, l’analyse du cycle de vie (ACV) est définie comme étant « une compilation des intrants, des extrants et des impacts environnementaux potentiels d’un système de produits au cours de son cycle de vie » [ISO-14040, 2006]. Elle est une méthode d’évaluation des impacts environnementaux d’un système (qu’il s’agisse d’un bien ou d’un service, voire d’un procédé), tout au long de leur cycle de vie, méthode dite du « berceau à la tombe » [SAIC, 2006]. La réalisation de l’ACV d’un produit comprend les quatre phases présentées dans la figure I. 1. Après la définition des objectifs et champs de l’étude, l’inventaire (inventaire du cycle de vie : ICV) des flux de matières et d’énergies traversant les systèmes est traduit en impacts ou dommages environnementaux grâce à des coefficients préétablis (appelés facteurs de caractérisation) qui permettent de calculer la contribution de chaque flux aux divers impacts environnementaux étudiés. Dans l’inventaire sont considérées les émissions de toutes les composantes de l’environnement lors de la production, de l’utilisation et de l’élimination du système. Ainsi sont également impliqués les processus de l’exploitation des matières premières et la production d’énergie [BOEGLIN & VEUILLET, 2005]. Les impacts environnementaux se calculent selon l’hypothèse que toute consommation ou émission provoque des impacts, et qu’il existe une relation linéaire entre les flux et les impacts [LEROY, 2009].

Analyse de l’impact environnemental

   La troisième étape de l’ACV est une étape de traduction des données d’inventaire en dommages environnementaux (impacts environnementaux) causés par les flux environnementaux inventoriés. Pour réussir à faire tout cela, il existe des méthodes de calculs appelés écoindicateurs. La première étape dans le calcul des impacts environnementaux est de sélectionner les impacts que l’on souhaite étudier. Cette phase doit être terminée comme une partie de l’étape de définition des objectifs et du champ de l’étude pour guider le processus de collecte de données [SAIC, 2006]. L’évaluation des impacts environnementaux se fait en deux étapes. D’abord, il est recommandé de faire un regroupement des substances, matériaux et énergie identifiés lors de l’inventaire dans les catégories d’impacts auxquelles ils contribuent. La somme totale des impacts unitaires des substances, matériaux et énergie représente l’impact total pour une catégorie [LEROY, 2009]. Une phase facultative dans le calcul des impacts environnementaux est la normalisation des résultats. La procédure fournit une mesure de la contribution relative d’un système de produit pour les indicateurs d’impact identifiés en divisant l’impact potentiel par unité fonctionnelle par le score d’une situation de référence de l’impact [HUIJBREGTS ET AL, 2003].

Pourquoi considérer l’incertitude et la variabilité en ACV ?

     L’ACV est largement présenté comme étant un outil d’aide à la décision. Dans les études ACV, les praticiens attribuent des valeurs ponctuelles pour les données d’entrées, afin de construire des modèles déterministes et obtenir des résultats environnementaux par des estimations ponctuelles. Cette approche ne permet pas d’aborder la question de la variabilité et de l’incertitude inhérente à l’ACV bien qu’elles puissent être élevées. Ceci réduit l’efficacité de l’ACV pour la prise de décision [LLOYD, 2007]. Dans le but d’aider à l’interprétation des résultats dans les études ACV, il est nécessaire de considérer les incertitudes et les variabilités [FINNVEDEN ET AL, 2009]. Nous nous soucions de l’incertitude en ACV pour que les affirmations ou des déclarations que nous faisons, basées sur l’ACV, soient établies avec la connaissance des sources et de l’amplitude des incertitudes. C’est une étape nécessaire pour pouvoir ensuite agir pour réduire ces incertitudes et rendre les résultats plus robustes. La robustesse d’un résultat d’ACV d’un objet peut être apprécié par l’étendue des incertitudes autour d’une valeur moyenne. Cette notion de robustesse intègre aussi la possibilité de comparaison et de classement de solutions entre elles. Le non recouvrement des résultats de 2 solutions, incertitudes comprises, rend la comparaison robuste, par exemple. Des résultats de calcul d’ACV complétés par la connaissance des incertitudes peuvent permettre de conclure (ou non) à leur stabilité, et à leur niveau de robustesse (figure I. 5). Cette question de la prise en compte des incertitudes n’est ni nouvelle, ni spécifique aux ACV. Dans de nombreux domaines comme les tests médicaux, les enquêtes publiques, l’assurance qualité, et tout autre domaine pour lequel toute décision a des conséquences fortes en terme d’enjeux, l’incertitude est fréquemment abordée [NORRIS, 2002], [CIROTH ET AL, 2004].

Méthodes de gestion des incertitudes en ACV bâtiment

     L’évaluation des incertitudes pour l’ACV d’un bâtiment est une nouvelle science qui a ses débuts dans les dernières dix années. Les premiers travaux ont été du type de comparaison des différents scénarios. [PEUPORTIER, 2001] a fait une comparaison de trois maisons individuelles dans le contexte français. Il a trouvé que la comparaison peut être plus pertinente de considérer 1 m² de surface habitable comme unité fonctionnelle plutôt que toute la maison. Toutefois, la comparaison reste dans le contexte français, et, pour cela, il propose dans les perspectives de comparer des maisons situées dans différents pays. D’autres articles ont fait des comparaisons similaires. [KOSAREO & RIES, 2007] dans leur article ont fait la comparaison de trois toits verts. Une étude comparative d’une maison individuelle avec deux systèmes constructifs différents situés à Bruxelles a été présentée par [ROSSI ET AL, 2012]. Une maison était construite en brique et l’autre était construit en profilés acier. Ensuite, une étude comparative de la maison avec la structure en acier a été faite en la localisant différemment (Belgique Portugal et Suède). Des études comparatives comparant une maison modélisée par différents outils ACV ont aussi été réalisées. Dans l’étude présentée par [PEUPORTIER ET AL, 2005], la maison a été modélisée par les logiciels : ECO-QUANTUM (W/E Sustainable Building, The Netherlands), LEGEP (ASCONA, Germany), OGIP (EMPA, Switzerland), EQUER (ARMINES, France), ENVEST (BRE, United Kingdom), Eco-Soft (IBO, Austria), BeCost (VTT, Finland), SIMA-PRO (BDA Milieu, The Netherlands), ELODIE (CSTB, France). D’autres études ont été réalisées en utilisant des méthodes stochastiques pour l’évaluation des incertitudes dans les impacts environnementaux. [BLENGINI & DI CARLO, 2010] ont fait une étude détaillée sur l’analyse du cycle de vie d’une maison individuelle à faible consommation d’énergie construite en Italie. Ils ont pris en compte les incertitudes et la variabilité de certains paramètres, d’une manière forfaitaire. Les paramètres considérés incertains ont été les quantités d’énergie consommée et de matériaux de construction utilisés. Ils ont aussi considéré comme incertaines les phases du cycle de vie. Dans leur étude n’ont pas été prises en compte les incertitudes et la variabilité sur les durées de vie de la maison et ses composantes. Ils concluent que les matériaux de l’enveloppe ont la contribution relative la plus élevée. [AKTAS & BILEC, 2012] ont présenté une étude sur les durées de vie, en étudiant l’influence des incertitudes de la durée de vie des composants de construction et du bâtiment dans les résultats des impacts environnementaux. [KOHLER, 2012] a souligné le problème des incertitudes dans les ACV des bâtiments dans l’International Symposium on Life Cycle Assessment and Construction qui a eu lieu à Nantes, France en 2012. Quelques tentatives ont été faites, mais d’autres aspects comme la description du bâtiment, les scénarios et l’incertitude globale n’ont pratiquement pas été analysés. De nombreuses conclusions des études comparatives ne présentent pas des résultats fiables et robustes.

De la nécessité de construire notre propre base de données

     Notre modèle de calcul des impacts environnementaux s’appuie sur de nombreuses données d’entrée. En plus des données environnementales, nous avons vu que notre modèle requiert des données sur les durées de vie, sur les propriétés des composants et sur les masses de composants utilisés. Il existe différentes bases de données propres au secteur de la construction. La base de données suisse KBOB [KBOB, 2010], la base de données allemande Ökobau [DGNB, 2010], la base de données nord-américaine ATHENA [ATHENA, 2010], la base de données néerlandaise IVAM [IVAM, 2010], la base de données française INIES [INIES, 2009], pour ne citer que les plus utilisées, fournissent des données (les coefficients d’impact de notre modèle) sur les composants de construction généralement sous la forme de valeurs d’indicateurs environnementaux (ou de flux) exprimés par unité fonctionnelle [LASVAUX, 2010]. Les bases de données fournissent des données spécifiques, collectives ou génériques, mais aucune ne répond au besoin de la propagation des incertitudes. Ces données sont présentes surtout sous la forme de valeurs ponctuelles, et à chaque composant ou matériau (variable selon la nomenclature utilisée par la base de données) est associée une unique valeur par indicateur. Cela est valable également pour la durée de vie des composants, leurs propriétés et les métrés du bâtiment. La base de données ECOINVENT [KELLENBERGER, 2007] sur laquelle est fondée la base de données KBOB, permet quant à elle de générer artificiellement des incertitudes par la matrice de pédigrée [GOEDKOOP, 2008]. En revanche, elle ne contient pas d’informations sur la durée de vie et les propriétés des composants. La base de données INIES contient des informations riches sur les fiches des déclarations environnementales et sanitaires des composants. Même si elle contient environ 1200 FDES, elle ne dispose pas d’une nomenclature adaptée aux besoins de calcul des incertitudes et nécessite une amélioration en intégrant de données manquantes. Il est donc fondamental de donner une définition robuste de la nomenclature de cette base et également une intégration de données manquantes. Ce paragraphe suivant décrit la structure de cette base de données que nous avons constituée ainsi que le travail réalisé pour qualifier la qualité des informations qu’elle contient.

Table des matières

Introduction
Chapitre I : Etat de l’art
Chapitre I – Partie 1 : L’Analyse du Cycle de Vie
1.1 Qu’est-ce qu’un ACV ?
1.2 Méthodologie ACV
1.2.1 Définition des objectifs et du champ de l’étude
1.2.1.1 Les fonctions du système de produits ou des systèmes
1.2.1.2 L’unité fonctionnelle
1.2.1.3 La frontière du système
1.2.2 Analyse de l’inventaire
1.2.2.1 L’arbre des procédés
1.2.2.2 Collecte des données
1.2.2.3 Qualité des données
1.2.2.4 Affectation
1.2.3 Analyse de l’impact environnemental
1.2.4 Interprétation des résultats
1.3 Analyse du cycle de vie des produits de construction : les FDES
1.4 Analyse du cycle de vie du bâtiment
1.5 La problématique des incertitudes dans l’ACV
1.5.1 Pourquoi considérer l’incertitude et la variabilité en ACV ?
1.5.2 Terminologie
1.5.2.1 Incertitude
1.5.2.2 Variabilité
1.5.3 Le traitement des incertitudes dans l’ACV
1.5.3.1 L’incertitude liée à la frontière du système
1.5.3.2 Incertitude des entrants
1.5.3.3 L’incertitude du modèle
1.5.3.4 Incertitude des paramètres
1.5.3.5 Incertitude technique de modèle
1.5.3.6 Incertitude des sortants
1.5.4 Méthodes de gestion des incertitudes en ACV
1.5.5 Méthodes de gestion des incertitudes en ACV bâtiment
1.6 Conclusion
Chapitre I – Partie 2 : Probabilité et statistique
1.7 Concepts généraux
1.7.1 Introduction : variables aléatoires et incertitudes
1.7.2 Notions de statistiques descriptives
1.7.2.1 Fonction de répartition
1.7.2.2 Statistiques de tendance centrale (moyenne, médiane, mode)
1.7.2.3 Paramètres de dispersion
1.7.3 Les lois de distribution
1.7.4 Théorème central limite
1.8 La problématique des données éloignées
1.8.1 Le test de GRUBBS
1.9 Propagation des incertitudes
1.9.1 Méthodes de propagation des incertitudes dans les modèles numériques
1.9.1.1 Méthode de Monte-Carlo
1.9.1.2 Propagation des incertitudes par approximation de premier ordre de la série de Taylor
1.10 Analyse de variance (ANOVA)
1.11 Analyse de sensibilité Taylor
Problématique de recherche
Chapitre II : Prise en compte des incertitudes en analyse de cycle de vie des bâtiments 
2.1 Introduction
2.2 Présentation du modèle de l’analyse du cycle de vie du bâtiment
2.3 De la nécessité de construire notre propre base de données
2.3.1 Le niveau de finesse de la nomenclature de la base de données
2.3.2 Les valeurs éloignées
2.3.2.1 Identification des valeurs éloignées
2.3.2.2 Traitement des valeurs éloignées
2.3.2.3 Identification et traitement des données redondantes
2.3.3 Exemple de calcul
2.3.3.1 Détails pour les impacts environnementaux
2.3.3.2 Détails pour les durées de vie
2.3.3.3 Détails pour les masses volumiques
2.3.3.4 (Détails pour les conductivités thermiques)
2.3.4 Le composant du plâtre
2.3.4.1 Les classifications du plâtre
2.3.4.2 La nomenclature des coefficients d’impacts et de la masse volumique
2.3.4.3 La nomenclature de la durée de vie du plâtre
2.3.4.4 La nomenclature générale
2.3.4.5 Élimination des données redondantes
2.3.5 Exemple d’une autre donnée (Béton armé)
2.4 Traitement des incertitudes dans l’ACV des bâtiments
2.5 Propagation des incertitudes dans les études ACV bâtiment
2.5.1 La méthode de Monte-Carlo dans la propagation des incertitudes dans les études ACV bâtiment
2.5.2 Propagation des incertitudes
2.5.3 Propagation des incertitudes à l’échelle du bâtiment
2.5.4 Théorème de la limite centrale dans l’ACV du bâtiment
2.5.4.1 Composants structurels et composants non structurels ayant une durée de vie égale à celle de l’ouvrage
2.5.4.2 Autres éléments non structurels
2.5.4.3 Calcul des impacts environnementaux du bâtiment
2.5.4.4 Les limites du théorème de la limite centrale dans les ACV de bâtiment
2.6 Comparaison de projets
2.6.1 Tester le degré de confiance dans la comparaison de scénarios
2.6.1.1 A et B suivent des lois normales
2.6.1.2 A et B suivent des lois log-normales
2.7 Analyse de contribution
2.7.1 Analyse de contribution à l’échelle composant
2.7.2 Analyse de contribution à l’échelle bâtiment
2.8 Analyse de sensibilité
2.8.1 Analyse de sensibilité à l’échelle composant
2.8.2 Analyse de sensibilité à l’échelle bâtiment
2.9 Synthèse
2.10 Conclusion
Chapitre III : Utilisation de la méthode pour les maisons individuelles 
3.1 Introduction
3.2 Calcul des incertitudes pour une ACV de maison individuelle
3.2.1 Présentation du cas d’étude
3.2.2 Quantités
3.2.3 Résultats
3.2.4 Analyse de contribution et de sensibilité
3.2.4.1 Analyse de contribution et de sensibilité à l’échelle bâtiment
3.2.4.2 Analyse de sensibilité à l’échelle composant
3.3 Conclusion
3.4 Perspectives
Chapitre IV : Identification des paramètres clés de l’ACV des bâtiments individuels et collectifs
4.1 Introduction
4.2 Les constructions habitables en France
4.3 Identification des paramètres clés pour les maisons individuelles
4.3.1 Origine des données
4.3.2 Localisation des maisons individuelles
4.3.3 Descriptions des quantités de matériaux et produits (structure, isolation, etc.)
4.3.4 Résultats
4.3.4.1 Propagation des incertitudes des ACV de maisons individuelles
4.3.4.2 Analyse de contribution et de sensibilité
4.3.4.3 Indicateur du changement climatique (PRC)
4.3.4.4 Indicateur déchets (ID)
4.3.4.5 Indicateur d’énergie non renouvelable (ENR)
4.3.4.6 Discussion sur l’ensemble des indicateurs
4.3.5 Conclusion sur les maisons individuelles
4.4 Identification des paramètres clés pour les immeubles collectifs
4.4.1 Origine des données
4.4.2 Localisation des immeubles collectifs
4.4.4 Résultats
4.4.4.1 Propagation des incertitudes des ACV des immeubles collectifs
4.4.4.2 Analyse de contribution et de sensibilité
4.4.4.3 Indicateur du changement climatique (PRC)
4.4.4.4 Indicateur « déchets » (ID)
4.4.4.5 Indicateur de l’énergie non renouvelable (ENR)
4.4.4.6 L’ensemble des indicateurs
4.4.5 Conclusion sur les immeubles collectifs
4.5 Synthèse et conclusion
CHAPITRE V : Pistes pour l’amélioration des performances environnementales des bâtiments en béton
5.1 Introduction 
5.2 Collectif versus individuel : comparaison des impacts environnementaux des maisons et immeubles
5.2.1 Collectif versus individuel : comparaison individu par individu
5.2.2 Indicateur de potentiel de réchauffement climatique (PRC)
5.2.3 Indicateur des déchets (ID)
5.2.4 Comparaison pour l’indicateur de l’énergie non renouvelable (ENR)
5.2.5 Synthèse des comparaisons réalisées sur le corpus
5.3 Influence de la forme d’un immeuble sur les impacts environnementaux 
5.3.1 Description générales de l’étude
5.3.2 Matériaux
5.3.3 Actions
5.3.4 Combinaisons des actions
5.3.5 Pré dimensionnement des éléments de la structure
5.3.5.1 Dalles, planchers et terrasses
5.3.5.2 Poutres
5.3.5.3 Poteaux
5.3.5.4 Fondations
5.3.5.5 Murs et voiles
5.3.5.6 Hypothèses supplémentaires sur les calculs
5.4 Résultats
5.4.1 Impacts environnementaux des macro-composants
5.4.1.1 Evolution des impacts en fonction de la portée
5.4.1.2 Evolution des impacts en fonction des dimensions en plan (longueur et largeur)
5.4.1.3 Evolution des indicateurs d’impact en fonction du nombre de niveaux
5.5 Conclusion
Conclusions et perspectives
Références bibliographiques
Annexe

Télécharger le rapport complet