PARTIE C : Analyse informationnelle et Conclusions

De
Publié par

  • mémoire - matière potentielle : thèse
  • exposé
1 PARTIE C : Analyse informationnelle et Conclusions
  • analyse informationnelle
  • efficacité des activités de contrôle réglementaire par la hiérarchisation des interventions de la communauté urbaine de montréal
  • gestion des rejets d'ets de la cum
  • compréhension du modèle de simulation
  • associées au contrôle réglementaire
  • procédures fiables
  • incertitude
  • incertitudes
  • ets
  • gestions
  • gestion
Publié le : mercredi 28 mars 2012
Lecture(s) : 33
Source : wwwv1.agora21.org
Nombre de pages : 26
Voir plus Voir moins





PARTIE C : Analyse informationnelle et Conclusions



1 2Chapitre 10 :
Pertinence du guide d’aide à la pratique des SIRS avec les études de cas

Ce chapitre vise à vérifier la pertinence du guide d’aide à la pratique des SIRS (§ 5) en
analysant les applications SIG précédemment développées de telle sorte que la pertinence des
concepts explicités aux chapitres 2 à 4 et synthétisés dans le guide soit mise en valeur et
discutée. Pour chaque application SIG, sont pris en compte la nature, le rôle et la gestion de
l’incertitude et/ou de l’ambiguïté, de même que les conséquences sur les objectifs de
l’information-process et sur la qualité attendue de l’information-résultat.

L’analyse informationnelle du SIT, supportant des activités de contrôle réglementaire (§ 7),
illustre l’importance de la qualité des données, surtout en terme d’exactitude. Quant au
SIADRS, destiné à évaluer la faisabilité d’options de gestion collective (§ 8), son analyse met
en évidence l’intégration explicite de l’incertitude dans l’outil d’aide à la décision, le va-et-
vient entre les dimensions (descriptives) du territoire et les intentions (normatives) de
l’aménagiste et la recherche d’un compromis entre le réalisme et la compréhension du
modèle de simulation. Enfin, de l’analyse du SISARS, émergent les particularités des besoins
informationnels en négociation coopérative : représentativité des points de vue des acteurs,
efficacité de l’information dans la progression de la négociation, ambiguïté créative des
représentations.

Il ressort de ces analyses que le guide d’aide à la pratique des SIRS ne fournit pas de
« recettes procédurales » systématiques, mais plutôt une matière à réflexion sur l’aide à la
décision en aménagement du territoire de telle sorte que les développeurs et les utilisateurs
de SIRS puissent se dégager des considérations informatiques et de celles relatives à la
problématique territoriale pour ainsi mieux appréhender la pratique des SIRS.

Ces deux niveaux d’analyse (sur les caractéristiques informationnelles et décisionnelles des
applications SIG, d’une part, et sur le guide d’aide à la pratique des SIRS, d’autre part)
ouvrent des perspectives de recherche exprimées au chapitre 11.
3Dans ce chapitre, il s’agit de confronter les applications SIG précédemment développées avec
les outils conceptuels constituant le guide d’aide à la pratique des SIRS présenté au chapitre 5.
Si la partie A de ce mémoire de thèse correspond à la construction d’un cadre conceptuel
relatif à la pratique des SIRS et illustré d’exemples concrets, le chapitre 9 tâche de faire
émerger des éléments de pertinence du guide d’aide à la pratique des SIRS à partir d’un
travail d’analyse informationnelle des études de cas en gestion des rejets industriels. Ces
dernières « incarnent », « instancient » ou encore « contextualisent » les concepts et les
interactions évoqués dans le cadre théorique.

La pertinence des outils composant le guide d’aide à la pratique des SIRS est illustrée tout au
long de ce chapitre par des références aux figures et tableaux suivants (entre [ ]) :

• Schéma de démarche informationnelle [figure 5.1],
• Prisme d’interactions entre processus décisionnel et application SIG [figure 5.2],
• Grille d’analyse du contexte décisionnel [tableau 5.1],
• Grille d’analyse des correspondances entre qualité de l’information et contexte
décisionnel [tableau 5.2].

Nous rappelons les trois applications SIG élaborées en rapport avec certaines questions
relatives à la gestion des rejets industriels :

• un Système d’Information Territorial (SIT) destiné à accroître l’efficacité des activités de
contrôle réglementaire par la hiérarchisation des interventions de la Communauté Urbaine
de Montréal (CUM) auprès des établissements de traitement de surface (ETS), cela en
évaluant les impacts de déversements dans le milieu récepteur (§ 7),
• Un Système d’Information et d’Aide à la Décision à Référence Spatiale (SIADRS) destiné
à évaluer la faisabilité globale d’options de gestion collective des rejets issus des ETS
implantés sur la CUM dans la perspective de planifier, à un niveau stratégique, les
activités de transport, traitement et élimination de ces rejets (§ 8).
• Un Système d’Information et de Support à l’Argumentation à Référence Spatiale
(SISARS) destiné à guider les acteurs impliqués dans un processus de négociation
coopérative sur un programme global de gestion des rejets issus des établissements du
travail des métaux installés dans le bassin versant de l’Ondaine, cela en proposant une
4méthode d’articulation des préférences individuelles, de confrontation coopérative de ces
préférences et de construction collective d’une solution consensuelle (§ 9).

10.1 Le SIT relatif à la gestion des rejets d’ETS de la CUM

Un gestionnaire est supposé chargé de coordonner les interventions publiques auprès des ETS
en terme de contrôle réglementaire (§ 7) : c’est un contexte de gestion tel que précisé au
[tableau 5.1] (tâches routinières avec objectifs et moyens connus -une fois l’activité de gestion
planifiée-, réalité objective, comportement réactif du décideur, attention portée sur la
problématique environnementale, recherche de résultats descriptifs et objectifs, …).

Ce gestionnaire doit gérer les incertitudes de manière appropriée alors que l’ambiguïté est
inexistante [étape 1 de la figure 5.1]. En effet, :

• Le milieu physique est relativement difficile à appréhender : il concerne notamment le
comportement hydraulique du réseau d’assainissement et le comportement hydrologique
du milieu récepteur. Il existe cependant des modèles de simulation hydrodynamique et
hydrodispersif permettant, en principe, de simuler ces comportements avec une certaine
précision et une certaine objectivité [tableau 5.1] (cependant peut-être moins en ce qui
concerne les impacts toxicologiques d’un déversement de nature chimique complexe et
leurs effets synergiques et antagonistes, plus ou moins ambigus, sur le milieu naturel).
Quant à l’environnement socio-politique, il est relativement peu incertain dans la mesure
où la réglementation sur les rejets (tableau 6.4 § 7) est suffisamment « manichéenne »
pour établir sans ambiguïté les infractions [tableau 5.1].

• L’information nécessaire exige des procédures efficaces de collecte de données qui
peuvent varier fortement dans le temps et dans l’espace : volume et nature des rejets de
chaque ETS, état du milieu récepteur,…Par contre, a priori, le langage est suffisamment
bien codifié et l’information externe, suffisamment bien normalisée pour éviter toute
incertitude et toute ambiguïté majeures dans la communication entre des gestionnaires
appartenant à la même culture de métier [tableau 5.1].

• Les capacités de traitement de l’information par le gestionnaire sont forcément limitées
compte tenu des dimensions et de la complexité du phénomène étudié (secteur industriel,
5réseau d’assainissement et milieu récepteur) : c’est d’ailleurs la raison majeure (la gestion
et la restitution automatiques des données) pour laquelle il est pertinent de recourir à une
application SIG [tableau 5.1]. En revanche, la normalisation des structures de données
laisse peu de place à l’interprétation ambiguë et le schéma cognitif du gestionnaire est
supposé défini précisément et à l’avance [tableau 5.1].


Dans un tel contexte d’incertitude initiale au niveau du gestionnaire, il est demandé au
développeur d’applications SIG de concevoir un SIT constitué sans incertitude ou d’un
minimum d’incertitude [étapes 3, puis 4 de la figure 5.1].

Pour cela, le processus de traitement de l’information (ou information-process [étape 2.1 de la
figure 5.1]) met l’accent sur des procédures régulières, rigides [tableau 5.1] et précises de
collecte de données et sur des procédures fiables et rapides d’extraction de données (la
flexibilité -notion définie au § 3- de ces procédures est plutôt faible avec une robustesse
minimum, une élasticité maximum et une stabilité maximum [tableau 5.1]). Néanmoins si ces
deux types de procédures sont de plus en plus réalisables grâce à l’avancement technologique,
les investissements nécessaires à leur mise en œuvre peuvent devenir un obstacle majeur,
surtout pour les procédures de collecte en temps « quasi-réel », [figure 5.2].

Quant à la qualité requise de l’information-résultat [étape 2.2 de la figure 5.1], elle s’exprime
en termes d’exactitude, de complétude, de cohérence, d’intelligibilité et d’opportunité parce
qu’il est nécessaire de pouvoir réagir rapidement et efficacement en cas de déversement et
parce que les procédures légales associées au contrôle réglementaire exigent des données
scientifiquement justifiées et juridiquement indiscutables ou presque [tableau 5.2]. Cependant,
les données à notre disposition (obtenues à moindre frais) illustre le fait que la recherche
d’une bonne qualité des données [ tableau 5.2] s’accompagne de coûts prohibitifs [figure 5.2]:

• La résolution du modèle numérique de terrain (MNT) utilisé (93 m) ne permet pas de
restituer fidèlement le relief de l’île de Montréal, en plateau.
• La couverture disponible du réseau d’assainissement n’incluant pas d’attribut altimétrique,
les canalisations sont supposées suivre la direction de plus grande pente (en écoulement
gravitaire, la pente des canalisations est généralement comprise entre 0,05 et 5 % environ,
ce qui est difficile à vérifier compte tenu de la résolution du MNT).
6• Enfin la couverture employée de qualité du milieu récepteur possède un niveau de
désagrégation trop grossier pour permettre une hiérarchisation précise des ETS.

Par ailleurs, à supposer que l’on puisse s’abstraire des aspects financiers, la qualité des
données exigée peut s’avérer difficile à rencontrer : en effet, collecter des données exactes,
cohérentes et complètes (surtout celles relatives aux ETS) peut prendre un temps qui risque de
rendre ces données non opportunes parce qu’elles peuvent varier rapidement et de manière
substantielle.

Par contre, les résultats obtenus paraissent très pertinents pour un planificateur qui
souhaiterait déterminer des regroupements d’ETS dont les rejets pourraient faire l’objet d’une
gestion groupée. En effet, si un sous-bassin versant de superficie relativement petite et de
densité en ETS suffisamment importante déverse ses eaux dans une portion particulièrement
dégradée du milieu récepteur, il est fortement recommandé d’éviter tout risque de pollution en
connectant les ETS à un réseau d’assainissement prévu pour cela et débouchant sur une
station de pré-traitement industrielle spécifique (par exemple, les ETS inclus dans le cercle
sur la carte 10.1).
Zone de gestion groupée
ETS sur la CUM
Ecoulements simulés
Qualité de l’eau :
Bonne
Mauvaise
Douteuse
Pente topographique :
0 - 0,05 %
0,05 – 5 %
5 – 100 %


Carte 10.1 : Résultats de la simulation physique (zoom de la carte 7.2)



7Mais, dans ce cas, ces résultats s’intègrent dans une tâche différente de la gestion et propre à
la planification stratégique : réalité objective difficile d’accès, comportement pro-actif du
décideur, gestion d’une incertitude plus ou moins réductible et participant à la prise de
décision, information qualitative et systémique,… [figure 5.1 et tableau 5.1]. Les besoins liés
à la qualité de l’information sont aussi différents : ainsi le réalisme de ces résultats qui
conjuguent topographie et localisation/densité d’ETS, devient plus pertinent que leur
exactitude [tableau 5.2]. De même la recherche du compromis entre réalisme et
compréhension du modèle [figure 5.2] devient plus significative, l’exemple exposé étant très
compréhensible, mais sans doute relativement peu représentatif de la complexité de la
problématique.

10.2 Le SIADRS relatif à la gestion des rejets d’ETS de la CUM

Un aménagiste est supposé chargé d’évaluer la (pré)faisabilité de la gestion collective des
rejets issus des ETS installés sur le territoire de la CUM (§ 8.1) : c’est un contexte de
planification stratégique tel que précisé au [tableau 5.1] compte tenu du fait que l’absence
d’expériences québécoises et la complexité relatives à cette problématique environnementale
exigent une première étude systémique visant à établir des résultats plutôt qualitatifs [tableau
5.1]. On retrouve en effet les éléments caractéristiques d’une planification stratégique :

• Si les objectifs sont connus et clairs (proposer des emplacements de STEP et des
regroupements d’ETS), les moyens d’y parvenir dépendent des résultats de l’étude de
faisabilité qui cherche à mieux appréhender les externalités comme la propension des ETS
pour une gestion collective de leurs rejets et la vulnérabilité « démographique » du
territoire vis-à-vis d’un déversement polluant éventuel.

• En corollaire, la réalité objective est difficile à appréhender surtout pour ce genre de projet
dont le succès dépend notablement de sa rentabilité sur le long terme. Pour cette raison,
les solutions recherchées sont plutôt satisfaisantes et chargées d’une certaine subjectivité
(celle du décideur qui possède une vision plus ou moins partagée du développement du
territoire en question : par exemple, accorder plus d’importance à la protection
environnementale qu’aux coûts de transport).

8• Le comportement du décideur est résolument pro-actif puisqu’il cherche à modifier les
comportements et activités des ETS en tenant compte des limites, mais aussi des atouts du
territoire.

• L’attention n’est pas exclusivement portée sur la problématique environnementale en tant
que telle (gestion des rejets), mais aussi sur les acteurs externes à la décision (population,
ETS), de même que sur les propres intérêts du Service de la mise en valeur du territoire de
la CUM (s’exprimant au niveau des paramètres normatifs des modèles de simulation
stratégique, paramètres relatifs aux dimensions territoriales).

• L’aménagiste reste en relation avec le développeur de l’application SIG dans la mesure
où, au contact des résultats de simulation qui modifient l’appréhension des incertitudes et
ambiguïtés, le schéma cognitif de l’aménagiste change et cette évolution peut suggérer
une redéfinition des certaines valeurs de paramètres (boucles de rétroaction présentées aux
figures 8.1 et 8.2 [tableau 5.1]), voire de certains modules des procédures de modélisation
(on retrouve la boucle de rétroaction de la [figure 5.1]).

Cet aménagiste, en charge de l’étude de faisabilité, doit gérer les incertitudes de manière
appropriée alors que les ambiguïtés devraient être transformées en incertitudes [étape 1 de la
figure 5.1] :

• Le milieu physique se caractérise par une multitude de dimensions territoriales, multitude
qui génère une certaine incertitude sur la distribution spatiale des propriétés du territoire.
Parmi ces dimensions, nous avons choisi de retenir le réseau routier, la localisation des
ETS, la topographie, le recensement démographique et certains éléments de l’occupation
réelle du sol (parcelles vacantes, industrielles et espaces verts). D’autres dimensions
auraient pu être introduites pour accroître le réalisme des simulations (le plan
d’occupation des sols, le temps de transfert hydrogéologique,…) mais au prix d’une
réduction de la compréhension des modèles [figure 5.2]. Il serait plus pertinent de
produire d’autres catégories de simulations (mettant, par exemple, l’accent sur les aspects
hydrologiques, pédologiques et géologiques) plutôt que de rajouter des dimensions
supplémentaires (la flexibilité d’utilisation d’un SIG permet de telles modifications
[tableau 5.1]).
9• En dehors des considérations réglementaires, l’environnement socio-politique est assez
peu connu : comment réagiront effectivement les populations situées à proximité des
STEP et parcours routiers projetés ? Dans quelle mesure les ETS seront intéressés pour
s’impliquer dans une gestion collective ? Cette dernière question soulève d’importantes
incertitudes sur la situation financière, les mentalités et les intérêts plus ou moins
conscientisés des ETS : c’est la raison pour laquelle la majeure partie des paramètres
employés dans les modèles de simulation concerne ces acteurs externes (ALPHA,
SVMAR, SVMIR, SVMAD, CTRANSF,…).

• L’information disponible est aussi porteuse d’imprécisions (exactitude très relative des
volumes de rejets, résolution relativement grossière du modèle numérique de terrain et de
la couverture de recensement, simplification du réseau routier,…). Mais cette incertitude
sur l’exactitude est moins cruciale par rapport aux besoins de réalisme, de complétude et
de cohérence spatiales : il ne s’agit pas de connaître le territoire en tout point de l’espace,
mais d’appréhender la richesse et les dynamiques de ce territoire dans sa globalité [tableau
5.2]. On peut quand même chercher à cadrer cette incertitude en déterminant les domaines
de variation des attributs et paramètres (tableau 10.1) sachant que certains intervalles sont
connus par définition (ALPHA, CTRANSF,…), d’autres sont factuels (DEBIT,
Recensement,…) et les derniers sont établis au fil du processus de planification par des
études spécifiques (SVMAR, SVMAD,…).

• Par ailleurs, les modalités linguistiques d’appréhension de la problématique peuvent être
sources d’incertitude dans la mesure où l’on a défini des dimensions (propension des ETS
pour la gestion collective, vulnérabilité « démographique »,…) qui ne sont pas
normalisées et qui sont non « normalisables » puisqu’elles concernent une problématique
spécifique nécessitant un traitement informationnel spécifique. Autrement dit, pour mieux
saisir les enjeux de la problématique, il est nécessaire de produire des informations
chargées de sens « utiles », à partir des données « brutes » (c’est, d’ailleurs, la différence
essentielle entre les cartes thématiques et les cartes d’inventaire). Le nombre élevé
d’hypothèses (§ 8.2), nécessaires pour cadrer la pertinence des modèles de simulation,
favorise l’émergence d’incertitude sur la compréhension globale (« holistique ») de ces
modèles. Enfin l’apport d’information par les acteurs externes peut être plus ou moins
crédible (essentiellement les attributs et paramètres intervenant dans la caractérisation de
10

Soyez le premier à déposer un commentaire !

17/1000 caractères maximum.