Les jumeaux numériques (JNs) sont devenus ces dernières années une technologie clé, reposant sur des innovations variées (IoT, IA, réalité virtuelle, etc.). Pourtant, leur déploiement soulève une question cruciale : ces outils sont-ils à la fois économiquement viables et écologiquement durables ?
Leur adoption a débuté en maintenance industrielle, secteur où leur maturité technologique est aujourd’hui la plus avancée. La littérature scientifique montre que la majorité des applications concernent la maintenance prédictive, reposant sur l’IA et le traitement de données volumineuses.
Plus récemment, les technologies de réalité virtuelle et augmentée ont émergé, entraînant un surcoût significatif en termes de ressources matériel et logiciel.
Cette étude propose une méthodologie qualitative pour classer les JNs de maintenance industrielle, évaluant leurs coûts économiques et environnementaux. Elle aide les décideurs à poser les bonnes questions dès la conception, étape où les données quantitatives manquent souvent. Cette approche est plus accessible que les méthodes très répandues comme l’analyse en cycle de vie (ACV), elle offre un cadre simplifié pour l’éco-conception.
Cette méthodologie qualitative s’appuie sur 3 critères clés, classés en 5 niveaux, qui influencent les coûts économiques et environnementaux des JNs (cf. figure 1) :
Notre méthode attribue un score global aux JNs en additionnant les niveaux des trois critères décrits précédemment. Un score élevé indique un impact environnemental et économique plus significatif. Nous avons appliqué notre méthode sur trois JNs issus de la littérature : un JN de maintenance prédictive (Cognitive DT), un JN collaboratif pour la maintenance à distance (Collaborative DT) et un JN de prédiction de durée de vie utile restante (DRDT). La figure 2 représente les résultats de l’évaluation de ces trois JNs.
Cette approche, applicable à divers types de JNs, a des limites : elle ne couvre pas la gestion des données, ni le cycle de vie complet et ne distingue pas les coûts économiques et environnementaux, qui n’évoluent pas toujours dans le même sens.
En conclusion, notre méthodologie fournit une compréhension initiale des impacts environnementaux et économiques des JNs, mais elle nécessite un développement et un raffinement supplémentaires pour devenir plus fiable.
Près de 80% de l’impact environnemental des produits et technologies numériques provient d’équipements physiques tels que les appareils IoT et les écrans d’ordinateur.
Cette approche aide les décideurs à se poser les bonnes questions et leur fournit un point de départ plus accessible et plus rapide pour l’écoconception.
