Traçabilité des émissions de gaz à effet de serre dans l'industrie minière : étude de cas sur la blockchain
Notice bibliographique
Résumé
RÉSUMÉ: Ce mémoire a examiné l'application de la technologie blockchain pour relever le défi crucial de la traçabilité des émissions de gaz à effet de serre (GES) dans l'industrie minière. L'étude a démontré que la blockchain peut fournir une solution efficace, transparente et sécurisée pour suivre, consigner et authentifier les données relatives aux émissions de GES tout au long de la chaîne d'approvision-nement. L'analyse des pratiques actuelles dans le secteur minier a révélé un retard technologique important au Québec en matière de gestion des émissions de GES, mais aussi une opportunité pour adopter des technologies de pointe comme la blockchain. Les avantages clés identifiés comprennent la traçabilité complète des émissions de bout en bout, la réduction des fraudes et du double comptage, ainsi que l'amélioration de la transparence et de l'automatisation des audits environnementaux. Le cas d'étude de la mine de lithium Sayona, située à Val-d’Or, a montré que l'intégration de la blockchain permet non seulement de répondre aux exigences réglementaires croissantes, mais également de réduire les coûts liés aux audits tout en augmentant la fiabilité des bilans carbone. Grâce à cette technologie, les entreprises minières peuvent non seulement mieux gérer leur empreinte carbone, mais aussi renforcer leur crédibilité en matière de durabilité et répondre aux attentes des parties prenantes. En conclusion, cette recherche souligne que la blockchain pourrait devenir un standard pour la traçabilité des émissions de GES dans l'industrie minière, offrant une solution adaptée aux besoins d'automatisation et de transparence, et contribuant à la transition vers des pratiques plus écoresponsables. ABSTRACT: This brief examined the application of blockchain technology to address the critical challenge of tracking greenhouse gas (GHG) emissions in the mining industry. The study demonstrated that blockchain can provide an efficient, transparent, and secure solution for tracking, logging, and authenticating GHG emissions data throughout the supply chain. An analysis of current practices in the mining sector revealed a significant technological gap in Quebec when it comes to managing GHG emissions, but also an opportunity to adopt cutting-edge technologies such as blockchain. Key benefits identified include full end-to-end traceability of emissions, reduced fraud and double-counting, and improved transparency and automation of environmental audits. The case study of the Sayona lithium mine, located in Val-d'Or, showed that integrating blockchain not only helps meet growing regulatory requirements, but also reduces audit-related costs while increasing the reliability of carbon footprints. Thanks to this technology, mining companies can not only better manage their carbon footprint but also strengthen their sustainability credibility and meet stakeholder expectations. In conclusion, this research highlights that blockchain could become a standard for GHG emissions traceability in the mining industry, offering a solution tailored to the need for automation and transparency and contributing to the transition towards more eco-responsible practices.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».