Modélisation d'un équipement

La méthode cible reconstruit un équipement à partir de ses composants, puis alloue ses impacts aux usages. Les anciens forfaits d’équipements Open Data sont obsolètes pour ce calcul. Une ACV produit représentative reste utile pour calibrer ou vérifier le modèle, ou fournir un inventaire spécifique compatible.

Principe : bottom-up par composant

Philosophie

Un équipement numérique est un assemblage physique. Son impact environnemental provient de ses composants ; processeur, mémoire, stockage, écran, batterie, éléments structurels. La composition réelle ou une configuration type documentée détermine les composants comptés :

$$\begin{align*} &I_{equipement_{i}} = I_{cpu_{i}} + I_{ram_{i}} + I_{stockage_{i}} + I_{ecran_{i}} + I_{batterie_{i}} + I_{structurel_{i}} \end{align*}$$

Cette approche est :

Transparente

Chaque composant est traçable avec sa source.

Paramétrique

L'impact varie avec les caractéristiques réelles de l'équipement.

Modulaire

On peut affiner un composant sans recalculer tout le modèle.

Comparable sous conditions

Périmètres, méthodes, unités et qualité doivent être harmonisés avant toute comparaison.

Hiérarchie des approches

Niveau	Quand l'utiliser	Niveau de description	Traçabilité
Bottom-up composant	Composition connue ou reconstruisable	Détaillé, sans garantie automatique d’exactitude	Chaque composant sourcé
Modèle hybride	Composition partielle	Partiel avec résiduel	Composants connus + résiduel documenté
Archétype paramétrique	Famille connue, pas la config exacte	Configuration représentative	Config type documentée
Inventaire produit spécifique	ACV représentative et compatible	Équipement complet	Source, configuration et frontières identifiées

Statut du référentiel par composants

Le catalogue cible equipment regroupe CPU, accélérateurs, mémoire, stockage, affichage, batterie et structure. Les CPU et accélérateurs sont encore publiés sous cloud dans l’instantané actuel ; leur déplacement est une migration à venir, pas un chemin déjà disponible.¹

Les caractéristiques décrivent le matériel. Les facteurs et modèles décrivent ses impacts avec leurs unités, phases, sources et versions. Une configuration assemble ces éléments. Le catalogue cloud conserve les offres et leur correspondance avec le matériel.

Une carte accélératrice distingue puce, mémoire et éléments auxiliaires. Un inventaire de carte complète remplace ces éléments lorsqu’il les couvre ; il ne s’y ajoute pas. Le proxy de puce utilisé dans certaines illustrations reste un sous-total.

Composition d’une carte accélératrice

Carte accélératrice

MémoireMémoire

Pucede calcul

MémoireMémoire

Carte électronique · alimentation · refroidissement

Un inventaire de carte complète remplace les composants qu’il couvre ; il ne s’y ajoute pas. Schéma sans architecture particulière ni proportions d’impact.

Évaluation des impacts

Modèles paramétriques par composant

Les modèles ci-dessous n'ont pas tous le même niveau de preuve. Les coefficients historiques CPU/RAM/SSD sont repris de modèles documentés par Boavizta ; les multiplicateurs de nœud, d'écran, de chimie et les résiduels du simulateur restent des scénarios D4B. Une source de contexte ne valide pas un coefficient numérique.²³

Composant	Formule (GWP)	Paramètres	Statut / provenance
CPU (puce)	$(die_{mm^2} \times 0{,}0197 + 9{,}14) \times F_{node} \times F_{pkg}$	Die size (mm²), noeud techno, packaging	Modèle historique documenté par Boavizta ; multiplicateurs CPU hypothétiques
RAM	$((cap_{Go} / densité) \times 2{,}20 + 5{,}22) F_{pkg}$ par module	Capacité, type (DDR4/5, HBM)	Modèle historique Boavizta ; densité et technologie à justifier
SSD	$(cap_{Go} / densité_{NAND}) \times 2{,}20 + 6{,}34$ par drive	Capacité, densité NAND	Modèle historique Boavizta ; densité NAND à justifier 4
HDD	$31{,}11$ par drive (forfaitaire)	Nombre de drives	Forfait historique à vérifier pour le modèle retenu
Écran	$surface_{cm^2} \times C_{techno} + base$	Diagonale, techno (LCD/OLED)	Scénario D4B, non calibré ici sur une ACV produit
Batterie	$cap_{kWh} \times F_{chimie}$	Capacité (Wh), chimie (LCO/NMC/LFP)	Scénario D4B ; ces études ne valident pas la table de chimies 56
Structurel	Forfait par type d'équipement	Type (smartphone, laptop, serveur)	Hypothèse D4B à calibrer

Le détail de chaque modèle est dans les pages Composants.

Impact intrinsèque

Formule générale

L'impact intrinsèque annualisé d'un équipement est :

$$\begin{align*} &I_{emb_{i}} = \frac{\sum_{c} I_{c,emb_{i}} + I_{structurel_{i}}}{RL}\htmlClass{unit}{[U_i/an]}\\ Avec\\ &I_{c,emb_{i}} = \text{Impact intrinsèque du composant } c \text{ pour l'indicateur } i\\ &I_{structurel_{i}} = \text{Impact des éléments structurels}\\ &RL = \text{Durée de vie réelle de l'équipement}\htmlClass{unit}{[an]}\\ \end{align*}$$

Pays de fabrication

Les inventaires de fabrication dépendent notamment des procédés et de leur approvisionnement électrique. Un produit peut traverser plusieurs pays : fabrication des wafers, assemblage, mémoire, carte, écran et batterie. Une part de marché ne permet pas d'identifier cette chaîne pour un produit donné.

La géographie est précisée par étape lorsqu’elle est connue. Sinon, celle du facteur choisi est conservée et la lacune signalée. Les pays préremplis dans les scénarios exploratoires ne sont pas des localisations observées. Le facteur électrique du pays d’usage ne remplace pas l’inventaire de fabrication.

Distinction fabrication et usage

Le pays d'usage détermine le facteur de l'électricité consommée à l'usage. Modifier ce pays dans un simulateur ne relocalise pas la fabrication. Une adaptation géographique de fabrication nécessite l'inventaire des consommations et procédés concernés.

Correction durée de vie

Quand un facteur composant est fourni pour une durée de vie théorique $TL$ différente de la durée réelle $RL$, la correction $TL/RL$ s'applique uniquement au facteur déjà normalisé par unité de temps, pas au total de fabrication (voir Temporalité et vieillissement).

Impact opérationnel

L'impact opérationnel est la somme des consommations des composants :

$$\begin{align*} &P_{total} = P_{cpu} + P_{ram} + P_{stockage} + P_{ecran} + P_{autres}\\ &E_{elec} = P_{total} \times D_{usage}\htmlClass{unit}{[kWh]}\\ \end{align*}$$

Les puissances sont en kW et les durées en heures. Les pertes d’alimentation et les composants absents complètent le bilan seulement s’ils ne sont pas déjà inclus dans une mesure à la prise. Une mesure complète ne s’additionne pas à ses sous-composants.

La conversion en impact opérationnel se fait via Impacts de la consommation d'énergie.

Application concrète : reconstruction bottom-up d'un laptop

Exemple fictif, paramètres de scénario : laptop 14", CPU 7nm 150mm², 16 Go DDR5, 512 Go SSD, écran LCD, batterie NMC 56 Wh

Composant	Modèle appliqué	GWP fabrication (kgCO₂e)	Part
CPU	$(150 \times 0{,}0197 + 9{,}14) \times 1{,}8$	21,8	14,7 %
RAM	$((16 / 1{,}0) \times 2{,}20 + 5{,}22) \times 1{,}1$	44,5	30,0 %
SSD 512 Go	$(512 / 48{,}5) \times 2{,}20 + 6{,}34$	29,6	19,9 %
Écran 14" LCD	$540{,}36 \times 0{,}07 + 3{,}0$	40,8	27,5 %
Batterie 56 Wh NMC	$0{,}056 \times 65$	3,6	2,5 %
Structurel	Forfait laptop	8,0	5,4 %
Total		148,3	100 %
Annualisé (5 ans)		29,7 kgCO₂e/an

Lecture

La somme utilise une surface 16:9 de $14^2 \times 2{,}54^2 \times 144/337 \approx 540{,}36$ cm². Les résultats sont arrondis ; le total non arrondi vaut environ 148,3 kg. Le multiplicateur CPU 1,8, la densité RAM 1 Go/cm², le packaging DDR5 1,1, les facteurs écran/batterie et le résiduel sont des hypothèses de scénario. Les parts obtenues ne démontrent pas une hiérarchie universelle des leviers ni la performance environnementale d'un laptop commercial.

Validation croisée avec les facteurs d'équipement

Une validation exige la même configuration, la même durée de vie, les mêmes phases, la même méthode LCIA et la même unité. Un écart avec une moyenne de famille ne suffit pas à valider un modèle ni à expliquer la différence par une génération matérielle.

Chaque comparaison précise la référence exacte de l’ACV produit, sa version, la configuration, les frontières et les écarts résiduels. Les anciennes comparaisons numériques non reproductibles sont conservées dans les archives de refonte ; elles ne servent plus de preuve de validation. Une campagne de calibration indépendante reste à réaliser.

Modèle hybride : composants connus + résiduel

Quand seuls certains composants sont identifiés :

Le forfait résiduel couvre les éléments non décomposés (carte mère, boîtier, alimentation, câblage, assemblage) ; voir Éléments structurels.

Choix du facteur quand le modèle bottom-up n'est pas applicable

Gestion des données manquantes

Une information absente reste signalée comme telle. Une référence comparable peut fournir une estimation, avec sa source et sa justification. Ce remplacement est un choix de modélisation, pas une détection automatique du matériel. Les données connues restent prioritaires.

Une configuration type documentée, appelée archétype, peut compléter les caractéristiques manquantes ou représenter l’équipement entier lorsque le détail est insuffisant.

Situation	Recommandation
Composant inconnu mais type connu	Utiliser un archétype du même type
Composant inconnu et type inconnu	Inclure dans le forfait résiduel
Puissance électrique inconnue	Utiliser une valeur de référence pour la famille
Durée de vie réelle inconnue	Utiliser la durée nominale, documenter l'hypothèse
Aucune donnée sur l'équipement	Configuration type justifiable ou poste non évalué ; pas de retour aux forfaits obsolètes

Hypothèses et limites

• Une description détaillée n’est utile que si elle est représentative. Une configuration type documente les inconnues ; une ACV produit compatible permet de vérifier le modèle.
• Les coefficients composants (die GWP/mm², RAM GWP/cm², etc.) proviennent principalement de Green Cloud Computing (UBA 2021). Ils seront mis à jour quand des données plus récentes seront disponibles.⁷
• Aucune validation statistique des scénarios D4B n’est revendiquée. Les facteurs de fabrication non climatiques nécessitent des inventaires compatibles ; une donnée absente ne vaut pas zéro.
• Les éléments structurels restent forfaitaires. Leur enrichissement est une perspective d'amélioration.

Notes de bas de page

1. Digital4Better, catalogue de données, instantané 77cae4a, chemins actuels data/cloud/cpus.* et data/cloud/accelerators.*. L’organisation cible relève de la convention D4B. ↩

2. Coefficients composants : Green Cloud Computing (UBA 2021), Kelly et al. 2021, Ellingsen et al. 2014, Tannu & Nair 2023. digital4better/data → data/cloud/cpus.*, data/cloud/accelerators.*. Rapports PCF constructeurs (Dell, HP, Apple) pour validation croisée. Digital4Better, catalogue de données, instantané 77cae4a. Références et portée : Sources et corpus. ↩

3. Digital4Better, digital4better/data Catalogue évolutif ; utiliser un commit pour figer les facteurs. ↩

4. Tannu & Nair, 2023. The Dirty Secret of SSDs: Embodied Carbon ↩

5. Kelly et al., 2021. LCA of lithium carbonate and hydroxide (contexte batterie, pas validation des coefficients du simulateur) Voir le corpus documentaire. ↩

6. Ellingsen et al., 2014. LCA of a Li-Ion Battery Vehicle Pack ↩

7. UBA, Green Cloud Computing, 2021 (modèles historiques ; vérifier les unités propres à chaque composant, notamment mm² pour le CPU) Voir le corpus documentaire. ↩