How to reduce CO2 emissions from freight transport in France?: Socioeconomic appraisal of three public policies
Notice bibliographique
Résumé
France must implement voluntarist policies in order to reduce CO2 emissions, which raises questions regarding the effectiveness of competing options and their costs, for both public finances and society. This paper estimates abatement costs of one ton of CO2 from three scenarios aimed at softening the environmental impacts of freight moved by trucks. Hybrid trucks may generate large CO2 savings (5.7 Mt/year in 2030), at a moderate discounted abatement cost (88 €/t). The option based on natural gas for vehicles leads to a similar abatement cost and to lower environmental gains (3.2 Mt/year in 2030). Whilst inducing small CO2 savings (0.2 Mt/year in 2030), megatrucks present a negative discounted abatement cost (-285 €/t), thus suggesting the existence of one potential double dividend. Latter result is uncertain, however, as stressed by some of the sensitivity tests proposed in this research. Afin de réduire ses émissions de CO2, la France doit aujourd’hui mettre en place des mesures très volontaristes. Se pose alors la question de l’efficacité des politiques et de leurs coûts, tant pour les finances publiques que pour la collectivité. Cet article estime le coût d’abattement d’une tonne de CO2 pour trois scénarios visant à réduire l’impact environnemental des poids lourds (PL) en France. Les PL hybrides permettraient d’obtenir de forts gains d’émissions de CO2 (5,7 Mt/an en 2030), pour un coût d’abattement actualisé de 88 €/t sur la période 2030-2050. Si le coût d’abattement actualisé des PL alimentés au gaz naturel est proche, cette technologie fait économiser moins de CO2 (3,2 Mt/an en 2030). Le scénario sur les PL de 60 t permet quant à lui d’obtenir des gains environnementaux modestes (0,2 Mt/an en 2030) mais pour un coût d’abattement actualisé négatif (-285 €/t), suggérant donc une forme de double dividende. Ce dernier résultat est toutefois incertain, comme l’attestent les nombreux tests de sensibilité que nous proposons.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».