Mettre la data au service de l’écoresponsabilité numérique

« On ne peut gérer et améliorer que ce que l’on sait mesurer » a rappelé Annick Le Ber, vice-president & managing director, co-leader sustainability chez IBM, lors d’une rencontre avec la presse le 29 novembre 2022, aux côtés d’autres intervenants d’IBM et de ses partenaires. Il est donc nécessaire de produire ou collecter des données afin de développer des stratégies d’écoresponsabilité ou, plus largement, de responsabilité sociétale et environnementale. Même pour les fournisseurs IT, la diffusion de données est devenue impérative : Annick Le Ber a ainsi reconnu que les clients d’IBM exigeaient des chiffres précis sur l’empreinte environnementale globale des matériels et logiciels vendus, ce sur l’ensemble de leurs cycles de vie (fabrication, transport, recyclage…).

La première difficulté réside dans l’absence de glossaire commun, de critères objectifs de mesure, de périmètre défini… Par exemple, doit-on intégrer dans le calcul de l’empreinte environnementale le déplacement du salarié pour venir produire en différenciant selon qu’il vient en voiture, en train ou en vélo ? Cependant, l’absence de consensus voire l’absence de certaines données précises ne doivent pas devenir des excuses pour ne rien faire. Disposer d’ordres de grandeur grossiers permet déjà de comprendre où faire porter ses efforts en priorité : optimiser le chauffage d’une tour de bureau ou bien optimiser la supply-chain ?

Collecter et disposer des données, le défi numéro 1

Or comprendre quelles données intégrer dans le calcul et disposer ensuite de ces données, même grossières, n’est pas toujours simple. Si une entreprise de BTP fait transporter du sable en camion, les seules données disponibles seront généralement comptables, liées à la facturation. Or ces factures ne permettent pas de remonter à la consommation de carburant du camion qui dépend du type de camion, du poids du sable, de la distance parcourue, etc. Mais survient alors un autre problème : vouloir tout mesurer peut être contre-productif. En effet, chaque capteur, chaque point de mesure, est en lui-même porteur d’une empreinte environnementale. Le coût environnemental de la mesure peut dépasser l’optimisation possible ! Il peut donc être pertinent de se contenter d’une estimation.

A l’inverse, la donnée peut exister mais ne pas avoir été rendue disponible. Par exemple, le coût environnemental du transport du sable, pour reprendre le même exemple, peut très bien avoir été calculé par le transporteur mais pas partagé avec ses clients. Il faut donc avoir une démarche de « comptabilité extra-financière » et partager les données existantes pour faciliter les calculs pour tous les acteurs. Cette approche a aussi un autre avantage : éviter la multiplication des mesures avec leur coût financier autant qu’environnemental. Bien évidemment, l’existence même de la donnée aussi doit être prise en compte : stockage, traitement, etc. Les données doivent donc être gérées par un propriétaire responsable qui saura en garantir la qualité, la pertinence, la fraîcheur… et éliminer les données qui n’ont pas ou plus de valeur.