L'IA réduit le temps nécessaire pour mesurer l'impact durable d'un produit

Les chercheurs du SUTD ont développé une méthode rationalisée d'évaluation du cycle de vie qui rend l'évaluation environnementale plus rapide, moins coûteuse et plus accessible aux concepteurs de produits sans compromettre la fiabilité.

Les choix faits dès les premières étapes de la conception d’un produit peuvent influencer l’impact environnemental d’un produit pour les années à venir. Des matériaux utilisés à la méthode de fabrication, ces décisions peuvent avoir des conséquences qui se répercuteront sur les chaînes d’approvisionnement et les écosystèmes. Pourtant, l’outil même destiné à guider de telles décisions, l’analyse du cycle de vie (ACV), est souvent hors de portée des personnes qui en ont le plus besoin.

L'ACV offre une image détaillée de l'empreinte environnementale d'un produit, depuis l'extraction des matières premières, en passant par l'utilisation et l'élimination éventuelle. En pratique, cela nécessite des mois de collecte de données, des connaissances spécialisées et des coûts considérables. Il n’est donc pas surprenant que de nombreuses petites et moyennes entreprises, et même les plus grandes entreprises travaillant sur des cycles de produits rapides, ne puissent pas l’appliquer de manière réaliste lors de la conception. Lorsqu’une évaluation conventionnelle est terminée, il est souvent trop tard pour changer de cap.

« Les concepteurs de produits sont confrontés à de nombreux défis : difficulté à évaluer l'impact de différents matériaux en raison du manque de données fiables, influence limitée sur les chaînes d'approvisionnement pour obtenir des informations et compréhension incomplète de la consommation d'énergie. Sans lignes directrices claires, ils finissent souvent par faire des choix dans l'ignorance », a expliqué le professeur associé Arlindo Silva de l'Université de technologie et de design de Singapour (SUTD).

Pour résoudre ce problème, le professeur Assoc Silva et son équipe ont développé une approche d'évaluation simplifiée du cycle de vie (SLCA), décrite dans leur document de recherche intitulé « Bridging the gap : rationalisation de l'évaluation du cycle de vie pour une application pratique dans le développement de produits » publié dans le Actes de la Design Society. La méthode combine l'intelligence artificielle (IA), la modélisation 3D et des bases de données secondaires pour réduire la complexité des évaluations traditionnelles tout en garantissant la fiabilité des résultats.

Plutôt que de partir de zéro, l’approche rationalisée s’appuie sur des études et des bases de données antérieures pour identifier les composants les plus susceptibles d’influencer l’impact environnemental d’un produit. Ces contributeurs majeurs sont ensuite modélisés en 3D pour en extraire automatiquement leur poids et leur volume. Les systèmes d'IA aident en attribuant des processus de fabrication typiques et en sélectionnant les données appropriées dans des référentiels, tels qu'Ecoinvent. L’évaluation qui en résulte nécessite beaucoup moins d’intrants, peut être réalisée en une fraction du temps et fournit toujours une image fiable des points chauds environnementaux.

« SLCA s'appuie sur des connaissances préalables pour comprendre ce qui compte le plus, au lieu d'exiger chaque détail. Il utilise la modélisation 3D pour dériver les caractéristiques de base des pièces et l'IA pour les faire correspondre aux processus et aux matériaux les plus probables », a ajouté le professeur associé Silva.

Pour valider la méthode, l’équipe l’a testée sur une étude de cas d’une petite aide auditive électronique. Une ACV complète traditionnelle de l’appareil a pris trois mois et a nécessité 86 entrées de données distinctes. En revanche, le SLCA a duré une semaine et n'a utilisé que 26 intrants, réduisant ainsi les besoins en intrants de près de 70 % et le temps de plus de 90 %. Les résultats rationalisés correspondaient à l’évaluation complète avec une précision moyenne de 90 %.

Selon le professeur Assoc Silva, cet équilibre est essentiel : « Nous avons veillé à ce que l'ACV complète serve de « vérité terrain ». Ce que nous avons découvert, c'est qu'un énorme gain de temps n'entraîne qu'un écart minime dans les résultats : au-delà d'un certain point, davantage d'efforts ne se traduisent pas par une plus grande précision. »

Avec SLCA, les concepteurs pourraient tester des concepts alternatifs rapidement et de manière itérative, en identifiant les matériaux ou les processus les plus nocifs pour l'environnement avant de s'y engager. Les secteurs où les produits évoluent rapidement, comme l’électronique grand public ou les wearables, pourraient en bénéficier le plus immédiatement, tandis que d’autres secteurs pourraient adapter la méthode à leur propre contexte.

« Notre approche est particulièrement adaptée aux premières étapes de conception, où l'incertitude est élevée. Elle permet aux équipes de repérer les points chauds sans attendre que chaque spécification soit finalisée, évitant ainsi les surprises ultérieures lorsqu'une ACV complète montre que l'impact est plus élevé que prévu », a expliqué le professeur Assoc Silva.

Pour l’avenir, l’équipe de recherche prévoit d’étendre les tests à davantage de types de produits et d’affiner l’approche pour la rendre plus conviviale. Ils voient également des opportunités d’explorer la manière dont l’IA pourrait continuer à évoluer dans cet espace, en équilibrant automatisation et transparence. En fin de compte, l’objectif est d’intégrer l’évaluation de l’impact environnemental dans les pratiques de conception courantes plutôt que comme une simple réflexion après coup.

« À l'heure actuelle, l'ACV est extrêmement difficile à intégrer au stade de la conception. Elle est généralement réalisée lorsqu'il est trop tard pour agir », a déclaré le professeur associé Silva. « Nous espérons que ce travail contribuera à intégrer la durabilité dans le design dès le début, là où elle peut faire la plus grande différence. »