Eco-scores : Analyse des modèles existants et perspectives

Details

Supervisors

Fouss, François ; Satinet, Chloé

Faculty

Louvain School of Management

Degree label

Master [120] : ingénieur de gestion, à finalité spécialisée

Abstract

La question environnementale occupe une place importante dans la société et nombreux sont ceux qui aspirent à vivre de manière plus éco-responsable. C’est dans ce contexte que s’est développé le concept des éco-scores, visant à évaluer l’impact environnemental des produits et des services pour informer les consommateurs et les orienter vers des choix durables. Le premier objectif de ce mémoire est d’analyser les modèles des scores environnementaux existants et particulièrement celui de l’Eco-score®. Le second est d’analyser les perspectives de développement des éco-scores, en examinant l’utilisation des outils de science des données et la lutte contre le greenwashing. L’étude complète du modèle de l’Eco-score® a permis de synthétiser les paramètres pris en compte dans le modèle et ceux qui sont ignorés, tels que le bien-être animal et le risque de gaspillage alimentaire. En outre, plusieurs limites des éco-scores actuels ont été abordées, notamment les lacunes liées aux ACV ainsi que les limites sociales et éthiques, qui sont oubliées par les modèles existants. Ensuite, l’utilisation des outils de data science dans le développement des éco-scores a été examinée. Plusieurs modèles d’apprentissage supervisé ont notamment été développés. Les résultats expérimentaux ont démontré que des algorithmes de classifications permettent de prédire l’Eco-score® d’un produit donné. Cependant, cette expérimentation a soulevé des questions. Des propositions ont été faites pour améliorer l’intégration des outils de data science dans le développement des éco-scores, comme la création d’une base de données alimentée par les producteurs et centralisant les informations des produits. La question du développement d’un éco-score unique a aussi été posée, mais ce travail préconise plutôt le développement d’éco-scores spécifiques liés par une charte graphique commune. Enfin, la relation entre greenwashing et éco-scores a été abordée. L’écoblanchiment représente un risque significatif pour les scores. Toutefois, leur utilisation généralisée offre un moyen intéressant pour lutter contre le greenwashing. Les outils de data science peuvent également fournir un soutien pertinent. Ainsi, l’utilisation des techniques d’analyse textuelle, d’images et d’apprentissage automatique a été abordée. Il est notamment proposé de développer un outil destiné aux consommateurs et pouvant réaliser des éco-recommandations lors d’achats. Les conclusions de ce travail sont que les éco-scores actuels sont des outils pertinents. Néanmoins, plusieurs lacunes ont été relevées et ces scores doivent se mettre à jour pour ne pas perdre en crédibilité. Il a été conclu qu’il est possible d’utiliser les outils de data science pour prédire le score d’un produit, mais comme expliqué d’une manière théorique, plusieurs problèmes se posent actuellement. Des propositions de travaux pour y remédier ont été abordées.