📄 earth_science

A country-sector dataset of environmental intensity and geographic variability across industrial activities

Cet article présente un ensemble de données harmonisées sur l'intensité environnementale directe, de la chaîne d'approvisionnement et systémique pour 6 781 secteurs répartis dans 44 pays et cinq régions du reste du monde, utilisant treize indicateurs pour démontrer que, bien que les caractéristiques sectorielles et le contexte géographique influencent de manière significative la performance environnementale, les effets sectoriels expliquent une part plus importante de la variation observée.

Auteurs originaux : Osama Diab

Publié 2026-07-15

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Osama Diab

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez l'économie mondiale comme une cuisine immense et trépidante où 44 pays préparent 6 781 types de plats différents (secteurs industriels). Certains plats sont de simples salades (services), tandis que d'autres sont des lasagnes complexes et multicouches (industrie manufacturière) ou des grillades enfumées et chargées en feu (mines).

Pendant longtemps, les chefs et les critiques ont essayé de déterminer quels plats étaient les plus « salissants » en termes d'impact environnemental. Mais ils ne parlaient pas la même langue. Un chef mesurait le désordre en « litres de lait renversé », un autre en « toasts brûlés », et un troisième en « fumée dans l'air ». Il était impossible de comparer équitablement.

C'est alors qu'intervient Osama Diab, un chercheur de la KU Leuven, qui a décidé de traduire toutes ces mesures désordonnées en un langage universel unique : un système de classement. Au lieu de dire « ce secteur a renversé 500 litres d'eau », le nouveau jeu de données dit : « ce secteur se situe dans les 90 % supérieurs de la saleté liée à l'eau par rapport à tous les autres ».

Les trois couches du désordre

Pour obtenir une image complète, l'étude a examiné le « désordre » environnemental de trois manières distinctes, comme si l'on épluchait un oignon :

Le désordre direct (Intensité directe) : C'est la fumée et les déversements qui se produisent directement dans la cuisine pendant que le chef cuisine. C'est la pollution générée par les propres opérations du secteur.
Le désordre caché (Intensité de la chaîne d'approvisionnement) : C'est le désordre créé avant même que le chef ne commence à cuisiner. La farine a-t-elle poussé avec une eau polluée ? L'acier a-t-il été fondu avec du charbon ? Cette couche capture la pollution cachée dans les ingrédients et les camions de livraison.
Le désordre total (Intensité systémique) : Il s'agit du score final, combinant la fumée de la cuisine et le désordre des ingrédients cachés. L'auteur a utilisé un tour de magie mathématique (une moyenne géométrique) pour garantir qu'un secteur ne puisse pas dissimuler un énorme problème dans un domaine sous prétexte qu'il est propre dans l'autre. Si vous avez une cuisine enfumée et des ingrédients sales, votre score grimpe en flèche.

La grande découverte : c'est la recette qui compte, pas le chef

L'une des découvertes les plus passionnantes est de répondre à une grande question : Le pays importe-t-il plus, ou est-ce le type de travail qui importe davantage ?

Imaginez deux boulangers : un en Belgique et un au Brésil. S'ils préparent tous deux le même type de gâteau, le désordre est-il différent ?

La conclusion de l'étude : L'étude a effectué un test statistique (comme un arbitre qui siffle une faute) et a découvert que le type d'activité (la recette) explique davantage la différence de saleté que le lieu (le pays).
La nuance : Bien que la recette soit le facteur principal, le lieu importe tout de même beaucoup. Certains secteurs, comme les mines et la production d'électricité, présentent des différences de saleté énormes selon l'endroit. Cela suggère que pour ces métiers spécifiques, la technologie locale et les réglementations peuvent faire une différence massive. Mais pour d'autres, comme l'industrie manufacturière, le processus lui-même est si intrinsèquement « salissant » qu'il n'importe guère où on l'exécute.

Les « 20 métiers » les plus variables

L'étude a identifié les 20 secteurs où la performance environnementale varie le plus d'un pays à l'autre. Il s'agit principalement de l'extraction minière, de l'extraction, du recyclage et de la production d'électricité. C'est comme découvrir que, si une « poêle à frire » reste toujours une poêle à frire, la qualité de l'huile utilisée pour frire varie considérablement selon la personne qui tient la poêle.

Ce que ce jeu de données est (et n'est pas)

Ce jeu de données est un outil puissant pour le classement et la comparaison. Il aide les décideurs politiques et les entreprises à voir qui s'en sort mieux ou moins bien par rapport aux autres.

Cependant, l'article est très clair sur ce que cet outil ne peut pas faire :

Ce n'est pas une règle de poids absolu : Un score élevé ne signifie pas qu'un secteur est « lourd » en termes de pollution en tonnes absolues ; cela signifie simplement qu'il est « plus lourd » que la plupart des autres.
Ce n'est pas une mesure de la pollution totale : Comme les scores sont basés sur l'argent (la production économique), une industrie de haute technologie et coûteuse peut paraître « propre » par dollar gagné, même si elle produit beaucoup de pollution totale. C'est comme dire qu'une voiture de luxe est « efficace » parce qu'elle coûte cher, même si elle consomme beaucoup d'essence.
Ce n'est pas une solution miracle : L'article suggère que ces scores sont excellents pour l'analyse comparative et pour repérer les tendances, mais qu'ils ne résolvent pas les problèmes eux-mêmes.

L'essentiel à retenir

En transformant 13 types de données environnementales différentes (des gaz à effet de serre à l'utilisation de l'eau) en un système de classement unique et équitable, ce jeu de données nous offre une carte claire du monde industriel. Il nous indique que si ce que nous produisons est le principal moteur de l'impact environnemental, le où et le comment nous produisons peuvent encore faire une différence significative. C'est un nouveau prisme qui nous aide à voir quelles industries sont les plus sensibles au changement et où nous pourrons obtenir le meilleur rendement pour rendre le monde plus propre.

Résumé technique : Un ensemble de données pays-secteur sur l'intensité environnementale et la variabilité géographique

Énoncé du problème
Les bases de données existantes d'entrées-sorties multirégionales à extension environnementale (EEMRIO), telles qu'EXIOBASE, sont des outils critiques pour quantifier les impacts environnementaux, mais elles souffrent d'une hétérogénéité significative. Les indicateurs environnementaux sont généralement rapportés dans des unités et des échelles disparates, ce qui rend difficiles les comparaisons inter-indicateurs, inter-secteurs et inter-pays. De plus, bien que ces bases de données contiennent les données nécessaires pour explorer si les pressions environnementales découlent de caractéristiques sectorielles intrinsèques ou de contextes géographiques (ex. : technologie, réglementations, qualité des ressources), elles manquent de mesures harmonisées pour faciliter une telle analyse systématique. Par conséquent, il existe une lacune dans la compréhension de l'ampleur et de la dépendance géographique des pressions environnementales à travers les systèmes industriels.

Méthodologie
L'étude construit un ensemble de données harmonisé couvrant 6 781 secteurs économiques répartis dans 44 pays et cinq régions du reste du monde (RoW), dérivé de la base de données EXIOBASE 3.8.1. La méthodologie comprend trois étapes primaires :

Sélection et transformation des indicateurs :
- Treize indicateurs environnementaux ont été sélectionnés pour couvrir le changement climatique, la pollution atmosphérique, l'acidification, l'eutrophisation, l'écotoxicité, la toxicité humaine, la formation d'ozone photochimique et l'utilisation de l'eau. Ces choix se sont portés sur leur disponibilité, leur distinction conceptuelle et leur représentation des catégories d'impact de milieu de cycle (midpoint).
- Pour remédier à l'hétérogénéité des unités et aux distributions asymétriques, toutes les valeurs des indicateurs ont été transformées en rangs de centiles à travers l'ensemble des observations pays-secteur. Cette approche préserve l'ordre relatif tout en minimissant l'influence des valeurs aberrantes et extrêmes. Les zéros structurels (combinaisons non applicables) ont été exclus avant la normalisation afin d'éviter de confondre la non-applicabilité avec de faibles charges environnementales.
Calcul des dimensions de l'intensité environnementale :
- Intensité environnementale directe ( $D_i$ ) : Calculée comme la moyenne arithmétique des rangs de centiles pour les indicateurs générés au sein des propres opérations d'un secteur.
- Intensité environnementale de la chaîne d'approvisionnement ( $P_i$ ) : Estimée par l'analyse de l'inverse de Leontief ( $L = (I - A)^{-1}$ ) appliquée à la matrice des coefficients techniques ( $A$ ) et aux coefficients environnementaux directs ( $e$ ). Cela capture les pressions incarnées dans les réseaux de production en amont. Les valeurs résultantes ont également été converties en rangs de centiles et moyennées.
- Intensité environnementale systémique ( $S_i$ ) : Intégrée dans une mesure unique via la moyenne géométrique des scores directs et de la chaîne d'approvisionnement ( $S_i = \sqrt{D_i \times P_i}$ ). Cette méthode a été choisie pour mettre l'accent sur les activités qui sont environnementalement significatives tant du point de vue opérationnel que de la chaîne d'approvisionnement, réduisant ainsi le poids des observations qui présentent un score élevé sur une seule dimension.
Quantification de la variabilité géographique :
- La variabilité géographique a été définie comme l'écart-type des scores d'intensité environnementale systémique à travers les pays pour chaque secteur spécifique. Cette métrique évalue la dispersion de la performance environnementale pour des activités identiques sous différents contextes nationaux.
Filtrage et validation des données :
- Les observations présentant des données valides pour moins de 50 % des indicateurs sélectionnés ont été exclues. Des tests de robustesse ont confirmé que l'augmentation de ce seuil à 75 % ne modifiait pas les résultats, indiquant une couverture de données élevée.
- La validation technique comprenait des analyses de corrélation de rang de Spearman pour tester la stabilité des classements par rapport à des méthodes d'agrégation alternatives (ex. : moyenne géométrique vs arithmétique, moyenne vs médiane des centiles) et aux seuils de couverture des indicateurs.

Résultats clés

Composition de l'ensemble de données : L'ensemble de données final comprend 6 781 observations pays-secteur avec des scores harmonisés pour l'intensité environnementale directe, de la chaîne d'approvisionnement et systémique, ainsi que des métriques de variabilité géographique.
Modèles sectoriels :
- Manufacture et construction : Ces secteurs présentent une intensité directe modérée mais une intensité de la chaîne d'approvisionnement nettement plus élevée, indiquant que leurs charges environnementales sont fortement pilotées par les réseaux en amont.
- Secteurs primaires (agriculture, foresterie, mines, services publics) : Ces secteurs affichent le schéma inverse, avec une intensité directe élevée et une intensité de la chaîne d'approvisionnement plus faible, suggérant que leurs impacts sont intrinsèques à leurs limites opérationnelles.
- Services : Les secteurs de services présentent généralement les scores d'intensité environnementale systémique les plus bas.
Variabilité géographique :
- Une analyse de variance (ANOVA) à deux facteurs a révélé que les effets de secteur expliquent une proportion plus importante de la variance ( $\eta^2 = 0,414$ ) que les effets de pays ( $\eta^2 = 0,224$ ). Cela suggère que l'intensité environnementale est plus fortement associée à la nature de l'activité de production qu'au contexte géographique.
- Cependant, une variabilité géographique significative existe dans certains secteurs, particulièrement dans les mines, l'extraction, le recyclage, la production d'électricité et l'agriculture. Ces secteurs sont caractérisés par une intensité environnementale élevée et une forte dispersion inter-pays, ce qui en fait des candidats de premier plan pour les mises à niveau de durabilité et le transfert de technologie.
Robustesse : L'étude a trouvé un très fort accord entre les classements dérivés des moyennes géométriques et arithmétiques (Spearman $\rho = 0,974$ ) et entre les scores de centiles de la moyenne et de la médiane ( $\rho > 0,98$ ). La corrélation entre les scores directs et de la chaîne d'approvisionnement était positive mais faible ( $\rho = 0,337$ ), validant la nécessité de mesurer ces deux dimensions séparément.

Signification et revendications
L'article affirme que cet ensemble de données fournit un cadre transparent et reproductible pour l'évaluation comparative multidimensionnelle de la performance environnementale sans nécessiter que les utilisateurs traitent les données brutes d'EEMRIO ou effectuent des calculs d'entrées-sorties complexes. Sa principale importance réside dans :

L'harmonisation : Permettre la comparaison entre des dimensions environnementales, des pays et des secteurs hétérogènes en convertissant divers indicateurs en une échelle ordinale commune.
La différenciation : Distinguer entre les pressions opérationnelles directes et les pressions de la chaîne d'approvisionnement en amont, qui suivent souvent des modèles différents selon les secteurs.
L'utilité politique : Identifier les secteurs où la performance environnementale est hautement sensible aux conditions géographiques par rapport à ceux où elle est intrinsèque au processus de production. Cette distinction soutient les politiques industrielles ciblées, l'analyse du transfert de technologie et la gestion durable des chaînes d'approvisionnement.
L'évaluation comparative relative : Les auteurs précisent explicitement que les scores représentent une intensité environnementale relative plutôt que des charges environnementales absolues. Par conséquent, l'ensemble de données est le plus approprié pour le classement, l'évaluation comparative et l'analyse exploratoire, plutôt que pour la quantification des impacts physiques absolus.

Ce travail est présenté comme une ressource fondamentale pour les stratégies de durabilité, permettant aux chercheurs et aux décideurs d'évaluer si l'intensité environnementale est pilotée davantage par les caractéristiques du secteur ou par le contexte géographique dans lequel ces secteurs opèrent.