Modélisation de l’influence de la sélection des matériaux sur le profil environnemental du cycle de vie d’un bâtiment à bureaux : évaluation critique de LEED v4
Bibliographic record
Abstract
Le secteur du bâtiment contribue grandement aux impacts environnementaux occasionnés par les activités anthropiques. Pour tenter de réduire ces impacts, divers systèmes de certification pour le bâtiment ont été développés. Toutefois, ces certifications ont tendance à se concentrer principalement sur la consommation énergétique durant la phase d’exploitation du bâtiment. Par conséquent, leur application pour un bâtiment qui consomme de l’énergie occasionnant de faibles impacts sur l’environnement peut parfois mener à des effets indésirables sur les impacts environnementaux des bâtiments. Tandis que certaines certifications ne se concentrent que sur quelques aspects du bâtiment, comme Passive House qui est axé principalement sur la consommation énergétique, d’autres, comme LEED v4, qui est la plus présente en Amérique du Nord, ont une portée plus large. Néanmoins, LEED v4 accorde une plus grande importance à la consommation énergétique qu’à la sélection de matériaux. Basé sur une étude d’un bâtiment à bureaux situé au Québec (Canada), l’objectif de ce projet de recherche est de comparer les effets des matériaux sur les impacts environnementaux du cycle de vie d’un bâtiment en fonction de la considération de ces matériaux dans LEED v4. Ici, le terme matériaux est utilisé à des fins de simplification et signifie matériaux de construction utilisés pour construire le bâtiment. Les effets des matériaux sont évalués en analysant la contribution de ces derniers aux impacts environnementaux du bâtiment à l’étude ainsi qu’en déterminant leur potentiel de faire varier ces impacts par le changement de certaines configurations de matériaux de ce bâtiment. Les impacts environnementaux sont évalués par une analyse du cycle de vie (ACV) attributionnelle à l’aide du logiciel SimaPro 8.2, la base de données ecoinvent 3.1 et la méthode d’évaluation des impacts du cycle de vie (EICV) IMPACT 2002+. Les résultats montrent que les matériaux contribuent de façon importante aux impacts environnementaux du bâtiment (> 50 %) et que la sélection de différentes configurations alternatives de matériaux peut faire varier considérablement ces impacts (de 0 % à plus de 50 %). Par ces résultats, il est montré que LEED v4 ne semble pas bien capturer ces effets des matériaux sur les impacts environnementaux sur le cycle de vie des bâtiments par son système de pointage dans le cas où le bâtiment consomme exclusivement de l’énergie provenant du réseau électrique du Québec (où l’électricité produite est principalement de source hydraulique). Effectivement, le pointage accordé aux matériaux dans LEED v4 est de 13 points (ou 30 %) en comparaison à la consommation énergétique, qui est de 33 points (ou 70 %). Les résultats de ce projet de recherche permettent donc d’amener les diverses parties prenantes du secteur de la construction vers une réflexion plus éclairée sur le rôle à jouer de la sélection des matériaux et des certifications dans l’amélioration environnementale des bâtiments dans le cas où l’énergie consommée par les bâtiments occasionne de faibles impacts sur l’environnement, ainsi que sur la complémentarité de l’ACV avec les certifications.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".