Une équipe de l'Université de technologie et de design de Singapour a développé une méthode plus rapide, basée sur l'IA, pour réaliser des analyses du cycle de vie (ACV), réduisant considérablement le temps et la complexité impliqués dans la mesure de l'impact environnemental d'un produit.
Des chercheurs de l'Université de technologie et de design de Singapour (SUTD) ont développé un nouveau modèle basé sur l'IA pour réduire le temps nécessaire pour mesurer l'impact d'un produit sur l'environnement.
Les résultats, publié dans la revue Proceedings of the Design Society, marquent une étape importante vers l'intégration des évaluations d'impact environnemental dans la conception des produits, transformant potentiellement la manière dont les industries abordent la durabilité.
Présentation
Les choix effectués lors de la conception d'un produit peuvent fortement influencer son impact environnemental. Du choix des matériaux aux méthodes de fabrication, les premières décisions laissent des traces durables sur les écosystèmes et les chaînes d'approvisionnement.
Cependant, l’analyse du cycle de vie (ACV), principal outil permettant d’évaluer ces impacts, est souvent inaccessible en raison de sa complexité, de son coût et des délais qu’elle requiert.
L'ACV fournit un aperçu complet de l'empreinte environnementale d'un produit — depuis l'extraction des matières premières, en passant par son utilisation, jusqu'à son élimination finale.
Malgré ses mérites, une ACV traditionnelle est un processus gourmand en ressources qui exige des mois de collecte et d’analyse de données par des experts, ce qui la rend irréaliste pour de nombreuses petites et moyennes entreprises, voire pour des entreprises plus grandes fonctionnant sur des cycles de développement de produits rapides.
« Les concepteurs de produits sont confrontés à de nombreux défis : évaluation difficile de l’impact des différents matériaux en raison du manque de données fiables, accès limité aux chaînes d’approvisionnement pour obtenir des informations et compréhension incomplète de la consommation énergétique. Sans lignes directrices claires, ils finissent souvent par faire des choix aveugles », a déclaré Arlindo Silva, professeur associé à la SUTD, dans un communiqué de presse.
La méthode de l'équipe
Afin de surmonter ces obstacles, Silva et son équipe ont introduit une méthode d’analyse simplifiée du cycle de vie (SLCA).
Cette approche révolutionnaire s’appuie sur l’intelligence artificielle, la modélisation 3D et les bases de données existantes pour simplifier le processus d’ACV tout en garantissant des résultats crédibles.
Au lieu de partir de zéro, SLCA utilise l'IA et des bases de données secondaires pour identifier les composants les plus importants du cycle de vie d'un produit. Ces éléments clés sont ensuite modélisés en 3D afin d'extraire des données essentielles telles que le poids et le volume. Le système d'IA appuie également ces caractéristiques en corrélant ces caractéristiques avec les procédures de fabrication courantes et en sélectionnant les données pertinentes dans des référentiels comme Ecoinvent.
Le résultat est une ACV qui est non seulement plus rapide, mais qui nécessite également beaucoup moins d’entrées de données.
« SLCA s'appuie sur les connaissances préalables pour comprendre l'essentiel, au lieu d'exiger le moindre détail. Il utilise la modélisation 3D pour déduire les caractéristiques de base des pièces et l'IA pour les associer aux procédés et matériaux les plus pertinents », a ajouté Silva.
En validant leur méthode à travers l'étude de cas d'une petite aide auditive électronique, l'équipe a constaté une efficacité remarquable. Le processus d'ACV classique de cet appareil a duré trois mois et a nécessité 86 saisies de données différentes. En revanche, l'ACV a réalisé la tâche en une semaine seulement avec seulement 26 saisies de données, réduisant ainsi les besoins en saisie de près de 70 % et le temps de plus de 90 %. Les résultats de l'ACV ont démontré une précision moyenne de 90 % par rapport à l'évaluation complète.
« Nous avons veillé à ce que l'ACV complète serve de référence. Nous avons constaté qu'un gain de temps considérable se traduit par une variation minime des résultats ; au-delà d'un certain point, des efforts supplémentaires ne se traduisent pas par une plus grande précision », a ajouté Silva.
Grâce à l'avènement de la SLCA, les concepteurs peuvent désormais tester rapidement divers concepts et identifier les matériaux ou procédés polluants dès le début de la conception. Cette fonctionnalité est particulièrement utile pour les industries dont les produits évoluent rapidement, comme l'électronique grand public et les objets connectés.
« Notre approche est particulièrement adaptée aux phases de conception précoces, où l'incertitude est élevée. Elle permet aux équipes d'identifier les points sensibles sans attendre la finalisation de chaque spécification, évitant ainsi les surprises ultérieures lorsqu'une ACV complète révèle un impact plus important que prévu », a ajouté Silva.
Prochaines étapes
L'équipe de recherche cherche à améliorer sa méthodologie en la testant sur divers types de produits et en améliorant sa convivialité. Elle envisage un avenir où l'IA continuera de progresser dans ce domaine, alliant automatisation et transparence, et intégrant la durabilité dès le début du processus de conception.
« À l'heure actuelle, l'ACV est extrêmement difficile à intégrer dès la conception ; elle est généralement réalisée lorsqu'il est trop tard pour agir », a ajouté Silva. « Nous espérons que ce travail contribuera à intégrer la durabilité dès le départ dans la conception, là où elle peut faire toute la différence. »