MétaCan
Menu
Retour à la cohorte
Enregistrement W7165504452

Empreinte carbone du télétravail : Quantification des émissions des gaz à effet de serre (GES) du numérique et de l'effet rebond associé

2025· other· fr· W7165504452 sur OpenAlexaboutno aff
Najoua El Abbadi

Notice bibliographique

RevueEspaceINRS Institutional Digital Repository (Institut National de la Recherche Scientifique) · 2025
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésValidation testRail transportationPlant production
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Le télétravail est devenu une pratique largement adoptée dans la province de Québec, particulièrement depuis son essor rapide à la suite de la pandémie. Toutefois, si la suppression des déplacements domicile-travail représente un gain environnemental notable, la revue de la littérature suggère plusieurs effets susceptibles de réduire cet avantage. Parmi eux, l’augmentation du nombre d’équipements informatiques et la multiplication des visioconférences sont des habitudes marquantes. À notre connaissance, ces impacts n’ont pas encore été quantifiés dans d’autres études. Notre objectif est donc de quantifier l’effet rebond du télétravail sur les habitudes liées au numérique. L’approche privilégiée ici repose sur l’analyse de cycle de vie-carbone (ACV-carbone), incluant toutes les activités numériques des utilisateurs, même le stockage des données, permettant d’aboutir à une estimation plus précise. Afin d’atteindre cet objectif, une double approche a été mise en place. D’un côté, un questionnaire en ligne a été distribué à la communauté de l’INRS, permettant de recueillir des données quantitatives précises sur les habitudes liées au télétravail. De l’autre, des entretiens semi-directifs ont été menés pour approfondir la compréhension des comportements ou des préférences individuels en matière d’usage du numérique. Parallèlement, une entrevue avec le directeur du Service des ressources informationnelles (SRI) a permis d’explorer la gestion du numérique à l’échelle institutionnelle. Cette combinaison de méthodes offre une vision complète, alliant chiffres et nuances qualitatives, pour mieux cerner les enjeux environnementaux du télétravail. Les données collectées ont ensuite été converties en émissions de GES à l’aide d’équations et de facteurs de conversion. Des analyses ont ensuite exploré comment les activités numériques sont influencées par divers paramètres, notamment les catégories d’emploi, les centres de l’INRS, et même les différents scénarios de télétravail. Chaque perspective a apporté un éclairage détaillé, révélant des tendances précieuses pour mieux comprendre les dynamiques à l’œuvre et identifier des pistes d’amélioration. En effet, cette méthodologie de ce projet ne se limite pas à une simple étude : elle s’impose comme un véritable projet pilote, conçu pour être reproduit et adapté par d’autres organisations et entreprises partenaires du Partenariat Climat Montréal (PCM), un partenaire central de cette étude. Les résultats montrent que les émissions de GES liées au numérique s’élèvent à 33 946 kg éq. CO2 pour la population échantillonnée (n = 319, soit 106,48 kg éq. CO₂ par personne) et à 142 717 kg éq. CO2 pour la population totale (N = 1 558, 91,60 kg éq. CO₂ par personne). Ces émissions proviennent principalement de l’acquisition de nouveaux équipements, représentant 96,4% du total, tandis que l’usage des appareils existants ne contribue qu’à 3,6%. Ce déséquilibre s’explique par la fabrication de ces équipements dans des pays à forte intensité carbone, où les processus industriels sont fortement émetteurs, alors que l’électricité québécoise, majoritairement décarbonée, rend les émissions liées à l’utilisation négligeable, même en cas d’augmentation du temps d’utilisation pour certains participant.e.s. Enfin, nos analyses révèlent que des facteurs psychologiques, comme l’adolescence technologique (désir de nouveauté et perception de besoins technologiques accrus), jouent un rôle déterminant dans la motivation à acquérir de nouveaux équipements. Cependant, éviter les achats superflus ou prolonger la durée de vie des équipements informatiques pourrait réduire jusqu’à 96% des émissions de GES liées au numérique.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,202
Score d'incertitude au seuil0,401

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,063
Tête enseignante GPT0,341
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEspaceINRS Institutional Digital Repository (Institut National de la Recherche Scientifique)Travaux en français237 207