Planification soutenable des investissements bioénergétiques : intégration des bioraffineries aux pâtes et papiers
Bibliographic record
Abstract
Le secteur canadien des pâtes et papiers (P&P) a joué un rôle socioéconomique majeur durant les deux derniers siècles. Ces compagnies, en plus de l’avantage de leur positionnement géographique, ont accumulé une expérience confirmée en matière d’industrie forestière, dont notamment le traitement de la biomasse ligneuse. Au cours des trois dernières décennies, ces entités ont encouru des contraintes environnementales difficiles, auxquelles vient s’ajouter une crise chronique du marché. Cette dernière crise a eu des retombées sans précédent sur le côté social, ce qui a amené à qualifier le contexte difficile du secteur comme une crise de soutenabilité. Au cours de la dernière décennie, l’industrie de l’énergie verte est devenue une composante basique des stratégies de transition énergétique pour les pays développés. La biomasse a toujours été au coeur de cette stratégie pour le Canada. Pour les P&P, cette orientation constitue une opportunité pour résoudre la crise environnementale et économique accrue du secteur. Les preneurs de décision ont besoin d’une feuille de route pour transformer les usines de P&P en Bioraffinerie Forestière Intégrée (BRFI). Le choix des technologies, le dimensionnement de la capacité de production et le choix des voies d’investissement bioénergétique constituent des préoccupations majeures pour les preneurs de décision. Toutefois l’évaluation de la soutenabilité de cette transformation demeure un défi de taille. Notre contribution vise à développer des approches et des outils d’aide à la décision pour supporter une transformation efficace, robuste et durable de l’industrie des P&P au Canada. L'objectif est d’évaluer la soutenabilité de l’intégration des BRFI et de communiquer un nouveau modèle d’affaires aux preneurs de décision, tout en renforçant leur capacité de négocier une politique incitative propice en matière des investissements bioénergétiques dans le cadre du partenariat public-privé. La méthodologie utilisée pour atteindre cet objectif se place à l'intersection de l'aide à la décision, de l'optimisation mathématique et de l'analyse financière et économique. Notre première contribution propose la conception et l’application d’une méthode d’évaluation de la soutenabilité intégrant l’approche cycle de vie à l'optimisation du réseau de création de valeur dans le cadre d’un modèle mathématique multiobjectif. Ce dernier modèle fournira une feuille de route pour les investissements soutenables en bioénergie, minimisant les émissions de Gaz à Effet de Serre (GES) et maximisant la valeur financière de la bioraffinerie sur un horizon de planification à long terme tout en assurant une gestion optimale de l’activité incubatrice. Au niveau de la deuxième contribution, nous présentons une analyse de sensibilité du modèle mathématique proposé selon des scénarios plausibles, et ce, avec l’élaboration d’un canevas pour bien communiquer le modèle aux preneurs de décision. Le but de cette partie est d'évaluer la robustesse du modèle, de bien communiquer aux parties prenantes les implications des choix d'investissement dans la production de bioénergie dans un environnement incertain et d’identifier les perspectives pour améliorer l'efficacité du modèle proposé. Dans la troisième contribution, nous proposons une analyse fiscale approfondie des modes de dépréciations dérogatoires appliqués aux investissements en bioénergie. Cette analyse traite l’impact des types d’amortissements dérogatoires sur le choix d’investissement bioénergétique et sur la soutenabilité. Notre objectif est de fournir aux preneurs de décision un ensemble d’outils d’aide à la décision tout en renforçant leur pouvoir de négocier une politique fiscale favorable à l’investissement bioénergétique. Dans cette partie, on a mis en évidence le fait que le choix de l’investissement couplé avec le choix de sa façon de dépréciation offre à l’investisseur une visibilité plus complète sur les conséquences pratiques de l’investissement dans le domaine bioénergétique en connivence avec la législation fiscale en vigueur. Ce qui conforte le partenariat public-privé et détermine le niveau d’interventionnisme public dans la réussite des transformations escomptées du secteur de P&P. L’analyse d’impacts sociaux et les approches de programmation stochastique pour l’étude de robustesse n’ont pas été abordées par ce travail, elles ont été présentées comme perspectives de recherche.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".