ℹ️Approche Pedigree Matrix (distribution log-normale)

La modélisation de l'incertitude par des lois de distribution log-normales est privilégiée dans le PCG, pour les raisons suivantes :

• l'asymétrie garantit des valeurs d'émissions toujours positives (notamment en cas d'incertitude supérieure à 100%)

• la loi log-normale permet de représenter de manière à la fois simple et pertinente la grande diversité de procédés ou de mesures menant à l'établissement des facteurs d'émission "moyens" que l'on peut retrouver dans les différentes bases de données,

Incertitude unitaire

Dans cette approche, on suppose que les incertitudes ont des lois de distribution log-normales. Une loi log-normale est définie par deux paramètres :

• La médiane (mu) de la loi log-normale est prise égale à la valeur de la donnée d’activité récupérée ou du facteur d’émission utilisé.

• L’écart-type géométrique (GSD) : un GSD^2 de 2 signifie que la probabilité que la valeur soit comprise entre mu/2 (borne inférieure) et 2*mu (borne supérieure) est de 95%.

La Pedigree Matrix permet de calculer le GSD d’une donnée d’activité ou d’un facteur d’émission à partir de coefficients provenant de 6 sources d’incertitudes des données :

• I1 : Une incertitude de base (secteur d’activité)

• I2 : Leur fiabilité (mesurées, vérifiées, estimées)

• I3 : Leur complétude (représentativité de tous les sites de l’entreprise)

• I4 : Leur corrélation temporelle

• I5 : Leur corrélation géographique

• I6 : Leur corrélation technologique (différence de techno ou d’échelle)

Une note de 1 (incertitude nulle) à 5 (incertitude maximale) est appliquée à chaque source d’incertitude et la Pedigree Matrix donne la correspondance entre cette note et le coefficient. Le GSD est ensuite obtenu en agrégeant les coefficients suivants selon la formule suivante :

$$GSD^2 = exp(sqrt(ln(I1)^2+ln(I2)^2+ln(I3)^2+ln(I4)^2+ln(I5)^2+ln(I6)^2))$$

Propagation de l’incertitude

Il existe plusieurs méthodes permettant de propager l’incertitude de chaque composant dans un bilan, notamment la méthode de Monte Carlo ou le développement de Taylor. L’estimation de l’incertitude globale par la seconde méthode est obtenue par la formule suivante :

$$ln (GSD)^2 = s1^2*ln(GSD1)^2+s2^2*ln(GSD2)^2+…+sn^2*ln(GSDn)^2$$

avec GSD l’écart-type géométrique du bilan complet, GSDj l’écart-type géométrique de l’entrée j (donnée d’activité ou facteur d’émission), et sj la contribution de l’entrée j aux émissions totales (si l’entrée j a une contribution de 20%, cela signifie que si et elle est divisée par 2, les émissions totales sont réduites de 20%/2 = 10%).

On déduit ensuite les bornes inférieures et supérieures en pourcentage des émissions totales du bilan à l'aide des formules suivantes :

$$inf=1/(GSD)^2$$

$$sup=GSD^2$$

Sources : - Log-normal Distributions across the Sciences: Keys and Clues - Guide de l'outil Scope 3 Uncertainty Calculation Tool, outil téléchargeable gratuitement sur le site du GHG Protocol. - Overview and methodology Data quality guideline for the ecoinvent database version 3 - Propagation de l'incertitude à partir des séries de Taylor - Proposition de révision de la Pedigree Matrix

Le Plan Carbone Général est une ressource gérée par l’Association pour la Transition Bas-Carbone (ABC), via une gouvernance partagée entre les acteurs de la comptabilité carbone.

Le contenu du PCG - initialement créé par la société Sami et enrichi par la communauté Open Carbon Practice - est en cours de revue par les équipes de l’ABC pour proposer des modifications et des ajouts.