1.2.2. Théorie
d'impact
Dans l'analyse d'impact, deux approches sont dominantes. Il
s'agit de la théorie de « avec et sans » et de celle de «
avant et après » (Pariente, 2008). Toutefois, celles-ci ne sont
visualisées qu'à travers une production de bien ou de service.
1.2.2.1. Analyse du cycle de production
Cette approche repose sur l'Analyse du Cycle de Vie (ACV)
développée par Blanc (2010).
La plupart des industries dans le monde, y compris le secteur
des produits forestiers, mettent de plus en plus l'accent sur le dossier des
entreprises et des produits en matière de durabilité
environnementale, sociale et économique. Cette situation a mené
à une application plus marquée de la philosophie de l'analyse du
cycle de vie, qui englobe les conséquences économiques,
environnementales et sociales d'un produit ou d'une activité tout au
long de sa durée de vie. Elle tient compte entre autres de l'extraction
et du traitement des matières premières, des processus de
fabrication, du transport.
L'ACV est de plus en plus utilisée comme outil efficace
pour appuyer divers types d'objectifs en matière de développement
durable (Blanc, 2010). Plusieurs organismes et organisations gouvernementales
comme le « U.S. Environmental Protection Agency
(EPA) », le ministère de l'Environnement du Canada et
l'Organisation internationale de normalisation (ISO) ont défini ce
qu'est une analyse du cycle de vie. Ces organisations s'expriment de
façon différente sur sa définition, mais toutes
s'entendent sur certains principes de base. Ainsi, l'ACV est une méthode
d'analyse d'un produit ou d'un service à travers son cycle de vie,
c'est-à-dire du berceau au tombeau afin d'en évaluer les aspects
et impacts potentiels sur l'environnement (Patoine, 2012).
Le concept du berceau au tombeau s'exprime
généralement en trois grandes phases :
- Fabrication du produit : extraction des ressources,
transformation de la matière et fabrication des pièces ;
- Utilisation du produit : vie du produit, entretien du
produit ;
- Fin de vie du produit : recyclage,
réutilisation, enfouissement, etc.
C'est un outil d'aide à la décision pour une
entreprise. Mais les résultats de l'analyse n'expriment pas la
façon dont les changements doivent être apportés aux
procédés ou au processus de la compagnie. Ils orientent l'endroit
où ces changements doivent avoir lieu. C'est à l'entreprise de
trouver la façon dont il est possible de modifier le
procédé afin de réduire l'empreinte environnementale.
1.2.2.2. Théorie de « avec et sans
»
Selon Pariente (2008), cette théorie expose de
manière synthétique l'apport des évaluations
aléatoires dans l'analyse de l'impact des programmes sociaux et de
développement. Ces évaluations reposent sur l'assignation
aléatoire d'un groupe recevant un programme (traitement) et d'un groupe
ne le recevant pas. La comparaison de ces groupes après intervention
permet d'obtenir une mesure non biaisée de l'impact du programme. La
méthode des évaluations aléatoires surmonte de ce fait un
nombre important de limites des évaluations non-expérimentales.
Elle partage aussi certaines difficultés inhérentes à
toute évaluation telle que la possibilité de
généraliser les résultats. La portée des
évaluations aléatoires ne se résume pas seulement à
mesurer les effets d'un programme, elles peuvent aussi être
utilisées pour comparer différentes modalités d'une
intervention (et ainsi identifier la plus efficace), tester des innovations
introduites dans un programme ou encore analyser des hypothèses de la
théorie économique.
Le modèle statistique de base des évaluations
est le modèle causal de Rubin (1974) utilisé par
Pariente en 2008.
L'auteur considère les unités des individus
repérés par un indice i. Le traitement T est
administré de manière binaire :
Ti = 1 signifie que l'individu i appartient
au groupe qui reçoit le traitement,
Ti = 0 signifie qu'il ne reçoit pas
le traitement.
On s'intéresse à des variables de
résultat, sur lesquelles le traitement est supposé avoir un
impact. Le modèle causal de Rubin considère que pour une variable
de résultat donnée il y a en fait deux variables dites d'outputs
potentiels ou latents, correspondant à ce que serait la situation d'un
individu sous chacune des alternatives, i.e. si l'individu
bénéficie du traitement yi (1) et s'il n'en
bénéficie pas, yi (0).
Afin de mesurer exactement l'impact d'un programme, il est
nécessaire de connaître la situation potentielle des
bénéficiaires du programme si jamais ceux-ci n'y avaient pas
participé. L'effet du traitement se résume donc à
E(yi(1)) - E( yi(0)) .
Pour chaque individu, soit on observe yi (1)
lorsqu'il dispose du programme, Ti = 1, soit on observe yi
(o) lorsqu'il n'en dispose pas Ti = 0, mais jamais
simultanément les deux.
L'objectif d'une évaluation d'impact est de
réduire le plus possible ce biais de sélectivité en
comparant le groupe de bénéficiaires du programme à un
groupe de non bénéficiaires ayant exactement les mêmes
caractéristiques exceptée la participation au programme. En
pratique, il est très difficile de trouver un tel groupe (Pariente,
2008).
| 
