| Summary: | Cette thèse porte sur le développement d'une approche de modélisation destinée à quantifier la durabilité de systèmes industriels à partir de biomasse (considérés comme des systèmes complexes), et à fournir un outil d’aide à la décision qui permette, en modifiant certaines de leurs caractéristiques, de diminuer leurs impacts environnementaux.Elle s’appuie sur deux études de cas régionales : la première permet de tester l’hypothèse théorique pour évaluer les facteurs qui contribuent à l’adoption par les agriculteurs du « panic érigé » (switchgrass) dans l’Etat du Michigan (USA), et les effets associés en termes d’impacts environnementaux, en utilisant un modèle multi-agents couplé à l’analyse du cycle de vie ; la seconde combine modélisation multi-agents et système d'information géographique par le biais d’une analyse de flux de matières et d’énergie pour révéler les opportunités symbiotiques d’un écosystème agro-industriel en Champagne-Ardenne (France).On montre que ces deux modèles fonctionnels ont une valeur ajoutée significative pour l’analyse de systèmes sociotechniques durables et la simulation de scénarios futurs === This research is about developing a modeling framework in order to quantify the sustainability of industrial systems for biomass energy (conceived of as complex systems), and to provide decisionmakers with an aiding-tool for reducing their environmental impacts by modifying some of their features.It draws upon two regional case-studies. In the first one, an hybrid agent-based/life cycle assessment approach is used to test the theoretical background, understand the main decision-making factors influencing farmers’ adoption of switchgrass ethanol in Michigan (USA) and assess how such patterns affect environmental impacts. In the second case-study, agent-based modeling and geographical information system are used together via material and energy flow analysis to reveal the potential for industrial symbiosis in the bio-economy cluster of Champagne-Ardenne (France). We show that both models have a significant added value for the analysis of sustainable complex systems and the simulation of future scenarios
|
|---|
