Analyse des pratiques en gestion des résidus de construction, rénovation et démolition non-agrégats pouvant être mises en place par la Ville de Sherbrooke
Bibliographic record
Abstract
La Politique québécoise de gestion des matières résiduelles émet notamment comme cible la valorisation de 70 % des résidus de construction, de rénovation et de démolition (CRD) à l’échelle de la province. Ces résidus peuvent se diviser selon deux grandes catégories : les agrégats, issus en majeure partie des projets d’infrastructure, et les non-agrégats, plus typiquement générés lors de travaux du secteur des bâtiments. En plus de se fixer une cible surpassant celle du gouvernement provincial, la Ville de Sherbrooke s’est dotée de sous-objectifs plus précis pour ces deux catégories dans son nouveau Plan de gestion des matières résiduelles (PGMR) qui couvre la période allant de 2023 à 2030. Alors que l’objectif global de valorisation des résidus de CRD est de 85 %, ceux des agrégats et des non-agrégats sont respectivement de 95 % et de 70 %. Selon les estimations du PGMR, produites pour l’année 2019, le sous-objectif qui concerne les résidus agrégats serait atteint. Cependant, en ce qui a trait aux résidus non-agrégats, le taux de valorisation estimé, soit de 46,1 %, se situe bien en deçà de l’objectif fixé. Compte tenu de ce qui précède, cet essai se donne comme objectif d’explorer les actions à mettre en place par la Ville de Sherbrooke afin d’augmenter le taux de valorisation des résidus de CRD non-agrégats du secteur du bâtiment générés sur son territoire. Tout d’abord, la problématique de gestion de ces résidus, présente partout au Québec, est placée dans le contexte particulier de Sherbrooke. Dans la même lignée, les enjeux rencontrés par les diverses parties prenantes du territoire sont traités. S’en suit une présentation de stratégies d’amélioration de la gestion des résidus de CRD non-agrégats accompagnées d’exemples d’initiatives locales et internationales : des moyens d’action généraux sont ressortis à la fin de cette section. C’est alors que les informations recueillies au fil des trois premiers chapitres de l’essai permettent d’effectuer une analyse de type forces, faiblesses, opportunités et menaces pour chacun des moyens d’action identifiés. Cette analyse démontre de quelle manière les principales caractéristiques de la Ville qui influencent la gestion des résidus de CRD non-agrégats sur son territoire sont des freins ou des leviers à la mise en place des stratégies d’amélioration énoncées. Le principal constat de l’analyse porte sur l’importance de la mise en place d’une variété de moyens d’action adaptés à la réalité de la Ville, essentiellement puisque les stratégies d’amélioration de la gestion des résidus de CRD desquelles découlent ces moyens d’action se révèlent interdépendantes. D’autres constats relatifs à des leviers importants dont la Ville devrait se prévaloir sont soulignés. Les recommandations, formulées à l’intention du Bureau de l’environnement de la Ville de Sherbrooke, visent à ressortir les principales actions que cette équipe devrait initier pour la poursuite de l’objectif de valorisation de 70 % des résidus de CRD non-agrégats. Ces actions complètent les mesures du PGMR puisqu’elles mettent en lumière des manières de les optimiser.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".