Skip to content
Retour aux résultats

Analyse Structurelle par Décomposition Entrées-Sorties

Introduite par
Wassily Leontief, adapted by Rose and others
Année
1985
Type
Decomposition method
Famille
Economic-environmental analysis

Ce texte est une traduction automatique et n’a pas encore été relu. Lire l’original en anglais

Taille de police

À quoi sert-elle ?

L'Analyse Structurelle par Décomposition Entrées-Sorties (IO-SDA) est une méthode de comptabilité économico-environnementale ancrée dans le cadre entrées-sorties de Wassily Leontief.

Elle décompose les changements dans l'activité économique et les impacts environnementaux associés (émissions, utilisation des ressources) au fil du temps en composantes reflétant le changement technologique, les variations de la demande et la réorganisation économique structurelle. Rose, Chen et d'autres ont formalisé la SDA dans les années 1980-1990 pour l'analyse de la durabilité.

L’intuition derrière la méthode

Imaginez une économie nationale comme un réseau d'industries qui s'achètent et se vendent mutuellement des biens et services. Lorsque les émissions de carbone de l'industrie manufacturière doublent, est-ce parce que (a) les usines sont devenues plus polluantes (technologie moins performante), (b) les gens veulent plus de produits (demande accrue), (c) l'économie est passée de l'industrie lourde aux services (changement structurel), ou (d) une combinaison de ces facteurs ? L'IO-SDA résout cette énigme. Elle retrace comment chaque dollar de demande finale se propage à travers la chaîne d'approvisionnement et compare ce réseau avant et après. En modifiant un facteur à la fois (techniquement), on observe ce qui a causé le changement réel.

Histoire

Les tableaux entrées-sorties ont été initialement développés par Wassily Leontief (1951) pour modéliser les interdépendances économiques. Dans les années 1980-1990, Rose, Casler et d'autres ont adapté le cadre pour décomposer les impacts environnementaux, créant l'IO-SDA comme outil pour les politiques climatiques et de ressources. Dietzenbacher et Los (2000) ont systématisé la méthode et clarifié les choix de décomposition. Des variantes contemporaines s'étendent aux modèles multi-régionaux (MRIO) reliant le commerce, et aux cadres de comptabilité basés sur la consommation.

Quand l’utiliser

Utiliser l'IO-SDA pour attribuer la responsabilité des changements d'impact environnemental à des moteurs spécifiques – comprendre si la production est devenue plus polluante, si la demande a augmenté, ou si les industries ont changé. Essentiel pour la conception des politiques climatiques, le calcul de l'empreinte carbone des entreprises à l'échelle de la chaîne de valeur, et les inventaires nationaux d'émissions. À éviter lorsque les tableaux entrées-sorties sont indisponibles ou obsolètes, ou lors de la comparaison d'économies avec des structures sectorielles très différentes.

Limites et points d’attention

  • Exigences en matière de données : nécessite des tableaux entrées-sorties détaillés et régulièrement mis à jour ; de nombreux pays manquent de tableaux fiables ou les mettent à jour de manière irrégulière
  • Structure statique : suppose que les coefficients techniques industriels sont relativement stables ; une innovation majeure ou une perturbation peut invalider les hypothèses
  • Biais d'agrégation : les coefficients moyens masquent l'hétérogénéité au sein d'une industrie (certaines entreprises sont beaucoup plus propres que d'autres)

Les conditions de la source ne remplacent ni une revue scientifique indépendante ni la validation par un moteur d’analyse.

Points forts

  • Couverture exhaustive : capture les impacts directs et indirects à travers toute la chaîne d'approvisionnement au sein d'une économie
  • Attribution claire : décompose explicitement le changement en facteurs technologiques, de demande et structurels – leviers politiques transparents
  • Flexibilité : peut être appliquée à tout flux (énergie, émissions, matériaux, eau) pouvant être lié à des secteurs économiques
  • Comparabilité temporelle : les tableaux historiques permettent l'analyse des tendances et l'évaluation des changements structurels à long terme

Applications

  • Comptabilité nationale des émissions : décomposition des changements de CO2 en technologie vs. demande vs. changements structurels pour guider la politique climatique et suivre les progrès vers les objectifs
  • Commerce et carbone incorporé : calcul de la fuite de carbone (si la réduction des émissions au niveau national est compensée par des importations plus polluantes) et attribution de la responsabilité dans les chaînes d'approvisionnement
  • Transition vers l'économie circulaire : évaluation de la manière dont les passages d'une production linéaire au recyclage, à la remise à neuf et aux matériaux biosourcés modifient l'intensité sectorielle et les schémas de demande
  • Politique d'efficacité énergétique : évaluation si les normes d'efficacité ont réellement réduit l'intensité énergétique, ou si les effets de rebond (augmentation de la consommation de services énergétiques moins chers) ont compensé les gains
  • Empreinte hydrique et matérielle : évaluation de la vulnérabilité des chaînes d'approvisionnement à la pénurie d'eau ou de minéraux en traçant la demande indirecte à travers les réseaux de production

Comment ça marche

Comment ça marche

1

Obtenir deux tableaux entrées-sorties (ou tableaux de ressources et d'emplois) pour deux périodes distinctes, généralement espacées de 5 à 10 ans, auprès des instituts nationaux de statistique. Compiler également les vecteurs correspondants d'impacts environnementaux (émissions, extraction de ressources, consommation d'eau) pour chaque industrie.

2

Harmoniser les classifications industrielles entre les deux tableaux (reclasser si nécessaire), agréger à un niveau sectoriel cohérent, et s'assurer que les données environnementales sont alignées sur les mêmes codes industriels et exprimées dans des unités cohérentes (tonnes CO2e, mégalitres, etc.).

3

Calculer les coefficients techniques (inputs par unité de production) et les multiplicateurs pour les deux périodes, évaluant comment chaque unité de demande finale entraîne une charge environnementale directe et indirecte tout au long de la chaîne de valeur.

4

Décomposer la variation de l'impact environnemental total entre les périodes en facteurs additifs : effet d'intensité (technologie), effet de demande (consommation), effet structurel (composition industrielle), et effet commercial si l'économie est ouverte ; utiliser la décomposition par indice (Laspeyres, Paasche) ou des méthodes de séparation de facteurs.

5

Identifier les facteurs qui ont entraîné le changement environnemental (par exemple, les améliorations d'efficacité ont-elles compensé la hausse de la consommation ?), attribuer la responsabilité aux catégories de demande finale (ménages, gouvernement, investissement), et discuter des leviers d'action politique.

Pièges courants

  • Dépendance du chemin de décomposition : différents ordres de décomposition ou formulations d'indices (Laspeyres vs Paasche) donnent des contributions de facteurs différentes ; toujours signaler la sensibilité ou utiliser la décomposition moyenne
  • Désalignement de la portée : mélanger les produits domestiques et importés, ou utiliser une comptabilité basée sur la production vs. basée sur la consommation sans frontières claires, fausse les résultats
  • Raisonnement circulaire dans l'attribution : attribuer l'impact de la demande finale aux ménages ou au gouvernement nécessite des hypothèses de valeur (qui est responsable de la production d'exportation ?) qui diffèrent selon les pays

Questions fréquentes

Pourquoi le résultat de la décomposition dépend-il de l'ordre dans lequel j'applique les changements (Laspeyres vs Paasche) ?

C'est une particularité mathématique appelée dépendance du chemin. Différents ordres pondèrent différemment les valeurs de l'année de base par rapport aux valeurs de l'année finale. La meilleure pratique est de rapporter les deux, ou d'utiliser la moyenne (moyenne de Laspeyres et Paasche). Les outils modernes utilisent souvent la décomposition polaire par défaut pour minimiser ce problème.

L'IO-SDA peut-elle gérer de petites économies avec peu de tableaux entrées-sorties ?

Oui, mais avec des réserves. Si les tableaux sont peu fréquents (par exemple, tous les 5 ans), interpolez avec prudence. Si le détail sectoriel est faible, les résultats sont moins granulaires. Envisagez d'utiliser des proxys régionaux ou spécifiques à l'industrie (par exemple, des données énergétiques) pour compléter. Reconnaissez l'incertitude dans vos rapports.

Comment interpréter l'effet structurel lorsque les industries croissent et diminuent simultanément ?

L'effet structurel mesure le déplacement net de la composition. Si l'industrie lourde se contracte et que les services se développent, l'effet structurel est négatif (déplacement vers un impact plus faible). Mais c'est une mesure nette ; au sein des services, certains secteurs peuvent croître tandis que d'autres déclinent. Désagrègez toujours pour interpréter la direction.

L'IO-SDA prend-elle en compte les importations et l'externalisation (offshoring) ?

L'IO-SDA de base est basée sur la production domestique. Les modèles entrées-sorties multi-régionaux (MRIO) et les variantes basées sur la consommation suivent explicitement les importations, les exportations et l'impact incorporé dans le commerce. Si vous suspectez que le commerce est le moteur du changement, utilisez un MRIO ou complétez avec une analyse des flux commerciaux.

Méthodes associées

Sources

  1. Leontief, W. W. (1951). The Structure of the American Economy. Oxford University Press.

    Ouvrir la référence de la publication
    Copié.
  2. Rose, A., & Chen, C. Y. (1991). Sources of change in energy use in the U.S. economy, 1972–1982: A structural decomposition analysis. Resources and Energy, 13(1), 1-21.

    Ouvrir la référence DOI
    Copié.
  3. Dietzenbacher, E., & Los, B. (2000). Structural decomposition techniques: Sense and sensitivity. Economic Systems Research, 12(1), 41-58.

    Ouvrir la référence de la publication
    Copié.