Dépendances technologiques : Développement d’un système de liaison entre le modèle d’Analyse de Cycle de Vie (ACV) et la modélisation MATER

National audienceToday, the main methodology used to analyze the environmental impacts of a given system is the Life Cycle Assessment (LCA). This multi-step and multi-criteria methodology is now established in the consensus as reliable in a prospective objective. In this context, huge databases have been set up. This is the case of Ecoinvent, a particularly complete Swiss LCA database. There is currently a challenge to associate these databases, and this methodology, with other prospective models, such as the MATER model proposed by a research team from the ISTerre laboratory. The purpose of the internship described in this document is to develop a program to group production chains present in Ecoinvent, so that these groupings correspond to the structure of the MATER model, in order to extract LCA data and reuse them in this new framework. The core of the report focuses on two elements: the development of a reliable clustering algorithm, and the testing system put in place to ensure this reliability.Aujourd’hui, la principale méthodologie utilisée pour analyser les impacts environnementaux d’un système donné est l’Analyse de Cycle de Vie (ACV). Cette méthodologie multi-étapes et multi-critères est maintenant installée dans le consensus comme fiable dans un objectif de prospective. Dans ce cadre, d’immenses bases de données ont été mises en place. C’est le cas notamment d’Écoinvent, une base de données d’ACV suisse particulièrement complète. Il y a actuellement un enjeu d’association de ces bases de données, et de cette méthodologie, avec d’autres modèles prospectifs, comme par exemple le modèle MATER proposé par une équipe de recherche du laboratoire ISTerre. L’objet du stage décrit dans ce document est de développer un programme permettant de grouper des chaînes de production présentes dans Écoinvent, afin que ces groupement correspondent à la structure du modèle MATER, dans l’objectif d’en extraire des données d’ACV et les réutiliser dans ce nouveau cadre. Le coeur du rapport se concentre sur deux éléments : le développement d’un algorithme fiable de groupement des données, et le système de test mis en place pour assurer cette fiabilité