I

AVEC LA COLLABORATION DE

PRÉPARÉ POUR

MODÉLISATION ÉNERGIE-ENVIRONNEMENT-ÉCONOMIE (E3) QUELLES OPTIONS POUR AMÉLIORER LES PRATIQUES AU QUÉBEC ? Résumé d’un atelier tenu le 30 janvier 2019

AUTEURSJohanne Whitmore Pierre-Olivier Pineau

Chaire de gestion du secteur de l’énergie, HEC Montréal

REMERCIEMENTSLa réalisation de l’atelier et du présent résumé a été rendue possible grâce au soutien financier de Transition énergétique Québec. Nous tenons à remercier ESMIA et l’IET pour leur collaboration, et tous les participants (voir la liste en annexe 1) et les conférenciers invités pour leur contribution : Gilles Lavoie, Ismaël Cissé, Daniel Paré (Transition énergétique Québec) ; Catherine Gauthier (ministère de l’Environnement et la Lutte contre les changements climatiques) ; Jean Labbé (ministère des Finances du Québec) ; Brigitte Saint-Pierre (ministère des Transports du Québec) ; Normand Mousseau (Institut de l’énergie Trottier) ; David Sawyer (EnviroEconomics) ; Kathleen Vaillancourt (ESMIA).

À PROPOS DE LA CHAIRE DE GESTION DU SECTEUR DE L’ÉNERGIE - HEC MONTRÉALLa Chaire de gestion du secteur de l’énergie de HEC Montréal a pour mission d’accroître les connaissances sur les enjeux liés à l’énergie dans une perspective de développement durable, d’optimisation et d’adéquation entre les sources d’énergie et les besoins de la société. Les activités de la Chaire sont rendues possibles grâce au soutien de ses partenaires : Boralex, Enbridge, ENERCON, Énergie renouvelable Brookfield, Énergie Valero, Énergir, Hydro-Québec, ministère de l’Énergie et des Ressources naturelles, WSP.

Chaire de gestion du secteur de l’énergie | HEC Montréal3000, chemin de la Côte-Sainte-CatherineMontréal (Québec) H3T 2A7 Canadaenergie.hec.ca@HECenergie

Pour citer le rapport : Whitmore, J. et P.-O. Pineau, 2019. « Modélisation énergie-environnement-économie (E3) : quelles options pour améliorer les pratiques au Québec ? Résumé d’un atelier tenu le 30 janvier 2019 », Chaire de gestion du secteur de l’énergie, HEC Montréal, préparé pour Transition énergétique Québec.

Dépôt : Mars 2019 ©2019 Chaire de gestion du secteur de l’énergie, HEC MontréalCe rapport n’engage que la responsabilité des auteurs.

Infographie : Brigitte Ayotte (Ayograph)

Résumé des points saillantsL’utilisation de modèles prospectifs est courante dans l’élaboration et l’orientation de politiques publiques et de programmes en matière d’énergie et d’environnement. Pour être vraiment utiles, ces modèles doivent toutefois être bien compris, transparents et à jour. L’atelier de maillage visait à susciter des échanges entre experts, chercheurs et utilisateurs en vue de faire le point sur les pratiques actuelles en modélisation dans le contexte de la transition énergétique et de la décarbonisation de l’économie au Québec et d’identifier des pistes à suivre pour développer une approche plus concertée.

Deux constats généraux se dégagent des échanges de l’atelier. Il serait ainsi nécessaire :

1. D’améliorer la qualité et l’accès aux données énergétiques et environnementales, à travers notamment une plus grande transparence ;

2. De nourrir activement la culture de la modélisation – en favorisant les échanges entre les acteurs, en ayant davantage de formations, en publiant hypothèses, résultats et analyses, et enfin en ayant des projets de modélisation structurants sur le long terme.

Aucune piste concrète n’a pu être unanimement identifiée pour arriver à ces fins, mais une forte reconnaissance de l’importance des modèles et une grande volonté de parvenir à ces objectifs ont été décelées. Transition énergétique Québec, avec la communauté de chercheurs, d’utilisateurs et d’organismes partageant les mêmes objectifs, devraient continuer la réflexion pour atteindre ces fins, minimalement en organisant un autre évènement sur la modélisation « énergie-environnement-économie » (E3) dans un avenir rapproché.

Table des matièresL’atelier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

Perspective de cadrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

Séance 1 : État des lieux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

Séance 2 : Pratiques actuelles au Québec . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

Séance 3 : Tables rondes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

Annexe 1 | Liste des participants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

Annexe 2 | Biographie des conférenciers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

Annexe 3 | Réponses des tables rondes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

Annexe 4 | Résultats du questionnaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

1

L’atelierLe 30 janvier 2019 avait lieu à HEC Montréal l’atelier « Modélisation énergie-environnement-économie (E3) : quelles options pour améliorer les pratiques au Québec », organisé par la Chaire de gestion du secteur de l’Énergie de HEC Montréal et Transition énergétique Québec, en collaboration avec l’Institut de l’énergie Trottier et ESMIA.

L’évènement avait pour objectif de susciter des échanges entre experts en modélisation, chercheurs et utilisateurs des résultats des modèles en vue de faire le point sur les pratiques actuelles en modélisation dans le contexte de la transition énergétique et de la décarbonisation de l’économie au Québec et d’identifier des pistes à suivre pour développer une approche plus intégrée entre les différents acteurs. L’atelier a rassemblé des intervenants de différents niveaux décisionnels issus des milieux universitaire, gouvernemental (municipal, provincial et fédéral), professionnel et communautaire. Au total, une cinquantaine de participants (voir la liste à l’Annexe 1) ont contribué à l’atelier, dont plusieurs économistes, ingénieurs et analystes de données. L’évènement a rassemblé, pour sans doute une première fois, l’expertise gouvernementale en modélisation de Transition énergétique Québec (TEQ) et de trois ministères clés à la réussite des objectifs de la transition énergétique et de la décarbonisation de l’économie, soit le ministère des Finances (MFQ), le ministère de l’Environnement et de la Lutte contre les changements climatiques (MELCC) et le ministère des Transports (MTQ). Gilles Lavoie, directeur général de la Direction générale des affaires stratégiques de TEQ et responsable de l’élaboration du Plan directeur 2018-2023 en transition, innovation et efficacité énergétiques du Québec, présent à l’atelier, a rappelé l’importance qu’accordait le gouvernement à l’acquisition de connaissances pour permettre d’identifier les initiatives les plus pertinentes à l’atteinte des cibles et objectifs de la transition énergétique. Il a appelé à une collaboration plus étroite entre le milieu universitaire, le gouvernement et les autres intervenants en vue d’améliorer le partage de données et connaissances pour accélérer la transition. Cette première rencontre a permis de créer des liens entre les différents intervenants en vue d’identifier des opportunités de collaboration plus formelles à l’avenir.

Le présent document fait une synthèse des faits saillants de l’atelier et résume les propos soulevés dans le cadre des trois séances tenues au cours d’une journée. Celles-ci comprenaient deux séances de présentations par des conférenciers en matinée, suivies d’une séance de remue-méninges, sous forme de tables rondes interactives, en après-midi.

Cette première rencontre a permis

de créer des liens entre les différents

intervenants en vue d’identifier des

opportunités de collaboration plus

formelles à l’avenir.

2

Perspective de cadrage : développer une approche transparente et une culture commune de la modélisationDans son allocution d’ouverture, Gilles Lavoie, directeur de Transition énergétique Québec, a souligné que l’atelier s’inscrivait dans un contexte précis : celui d’être le point de départ pour établir une collaboration plus formelle, entre le gouvernement et le milieu de la recherche, dans le partage et l’amélioration de connaissances et données en modélisation « énergie-environnement-économie » (3E) en vue de 1) perfectionner et arrimer les outils existants ; 2) sensibiliser les décideurs aux outils et résultats de modélisation ; et 3) identifier et évaluer les mesures pour atteindre les objectifs de la transition énergétique. De nouvelles façons de faire seront nécessaires pour atteindre à la fois les cibles ambitieuses à l’horizon 2030 de la Politique énergétique du Québec (PÉQ), du Plan d’action sur les changements climatiques (PACC) et de la Politique de la mobilité durable (PMD), de même que viser une amélioration des perspectives économiques du Québec. Une convergence des différents acteurs et outils de modélisation utilisés dans la prise de décision devra se réaliser pour assurer une gestion plus efficiente et cohérente des dossiers.

Dans son introduction, Pierre-Olivier Pineau, titulaire de la Chaire de gestion du secteur de l’énergie de HEC Montréal, a souligné que, pour réussir cette convergence, il faudra établir une culture commune de la modélisation au Québec. Une plus grande transparence et un meilleur accès aux données seront des facteurs déterminants pour intégrer davantage l’expertise universitaire dans le processus collaboratif visé par le gouvernement, mettant fin à l’approche actuelle qui tente de convaincre les intervenants du mérite des modèles en leur demandant de faire confiance à des résultats issus de « boites noires », c’est-à-dire sans accès à la documentation des hypothèses, des données ou des limites méthodologiques des modèles.

À la suite de ces mots d’ouverture, la parole a été cédée à des intervenants qui ont développé une expertise particulière en modélisation, soit à titre d’expert en développement de modèle, en recherche de données ou en utilisation des résultats des modèles. Les deux prochaines sections résument les conférences matinales de l’atelier.

3

Séance 1 | État des lieux de la modélisation des systèmes énergétiques Il est reconnu par les experts que « les modèles ne valent que par la connaissance de leurs limites »1. Cette séance a donc présenté un aperçu général des modèles E3, ainsi que l’importance des hypothèses, la qualité des données et des études de sensibilité pour valider les résultats.

L’animateur de la séance, Normand Mousseau, directeur académique de l’Institut de l’énergie Trottier, a rappelé que, face à des objectifs ambitieux de réduction d’émission de GES à l’horizon de 2050, il était indispensable d’établir rapidement une initiative permanente, transparente et intégrée de modélisation des systèmes énergétique, économique et environnementale au Québec2. La Suède et la Californie selon lui, s’avéraient des modèles exemplaires à suivre, leurs initiatives étant transparentes, intégrées et étroitement liées aux milieux universitaires, de même que soutenues par des budgets gouvernementaux stables et adéquats.

Kathleen Vaillancourt, présidente-directrice générale à Energy Super Modelers and International Analysts (ESMIA), a présenté l’état des lieux des principaux types de modèles E3 (descendants et ascendants), leurs utilités et leurs limites. L’approche britannique a été présentée comme l’une des meilleures pratiques en raison de son encadrement législatif, son budget stable, la multiplicité des modèles utilisés et la présence d’une culture de modélisation grâce à une collaboration étroite avec le milieu universitaire qui permet d’intégrer les résultats de 25 différents modèles. Elle a souligné l’importance pour les modélisateurs de collaborer au sein d’initiatives telles qu’Energy Modeling Framework (EMF) pour comparer et mieux comprendre les divergences entre les résultats des modèles en vue d’améliorer leur utilisation dans la prise de décision. À titre de consultante privée, elle reconnait que la confidentialité des données demeure un défi à surmonter et que la calibration des modèles représente un poste de travail important et demande des efforts continus.

Finalement, David Sawyer, président et économiste chez EnviroEconomics, a sensibilisé l’auditoire sur la « politisation » des outils de modélisation qui sont de plus en plus appelés à justifier des positions politiques déjà établies plutôt qu’informer les décideurs en amont, et de l’impact des biais technologiques sur les résultats de la modélisation. Il a rappelé les besoins d’indicateurs d’intensité énergétique et d’émissions de GES, ainsi que l’importance de développer des scénarios de référence fiables et de standardiser les données pour assurer leur qualité, particulièrement pour les sous-secteurs industriels et le transport de marchandises. Une meilleure transparence et un plus grand accès aux données permettrait au décideur d’avoir recours à l’équation de Kaya, un indicateur qui relie les émissions de GES à des paramètres d’ordre démographique, économique et énergétique.

1 Bonnery, C., 2017. « La vision de… Christophe Bonnery », dans Ancel, F. (éd.), Perspectives Energies 2050, Connaissance des énergies, p.24 www.connaissancedesenergies.org/perspectives-energies-2050/christophe-bonnery

2 IET et IQCarbone, 2018. Pour une initiative permanente de modélisation des systèmes énergétiques canadiens, livre blanc http://iet.polymtl.ca/publications/initiative-permanente-modelisation-systemes-energetiques-canadiens/

4

Les présentations des conférenciers 

Normand Mousseau, 2019. « État des lieux de la modélisation des systèmes énergétiques et des données », Institut de l’énergie Trottier, http://energie.hec.ca/wp-content/uploads/2018/12/MOUSSEAU_mode%CC%81lisation-2018.pdf

Kathleen Vaillancourt, 2019. « État des lieux de la modélisation des systèmes énergétiques : Aperçu des types de modèles énergétiques », ESMIA, http://energie.hec.ca/wp-content/uploads/2018/12/ESMIA_PPT_Jan2019.pdf

David Sawyer, 2019. « Awash in a Sea of Modelling Data: Thinking about data and modelling GHG action », EnviroEconomics, http://energie.hec.ca/wp-content/uploads/2018/12/SAWYER_HEC_Jan2019.pdf

Les biographies des conférenciers sont disponibles en annexe.

5

Séance 2 | Pratiques actuelles et besoins de modélisation énergétique, économique et environnementale au Québec Pour la deuxième partie des conférences, des représentants du gouvernement ont donné un aperçu de l’utilisation de modélisation et de ses résultats au sein de différents ministères, ainsi que des besoins et possibilités d’amélioration et d’intégration des pratiques actuelles. Il s’agissait d’un premier rassemblement de l’expertise gouvernementale en modélisation dans un contexte universitaire.

Daniel Paré et Ismaël Cissé, économistes à Transition énergétique Québec, ont présenté le modèle d’évaluation de la demande d’énergie et des émissions de GES (MÉDÉE) qui permet de produire des scénarios de prévision de la demande d’énergie et des émissions de GES sur lesquels repose l’élaboration des politiques, des stratégies et des plans d’action. Le modèle MÉDÉE est un modèle de type ascendant basé sur une approche technico-économique. Il a été notamment utilisé pour estimer l’effet du Plan directeur sur la consommation de produits pétroliers. Jean Labbé, directeur de la Direction de l’analyse structurelle et de la modélisation au ministère des Finances du Québec, a présenté le nouveau modèle d’équilibre général calculable en cours de développement du ministère des Finances du Québec (MEGFQ-E). Le MEGFQ-E est spécifiquement conçu pour analyser les impacts économiques de la lutte contre les changements climatiques sur l’économie. Il permet notamment de prendre en compte l’effet des changements de comportement des ménages et des entreprises. Catherine Gauthier, directrice de la Direction des politiques climatiques du ministère de l’Environnement et de la Lutte contre les changements climatiques, a présenté les différents modèles auquel fait actuellement appel le MELCC, par le biais de partenaires (consultants ou autres ministères) pour répondre aux besoins du ministère en adaptation (MRCC5) et réduction des émissions de GES (MÉDÉÉ, MEGFQ-E, CBM-CFS3) de même que réaliser des scénarios de prévision des émissions à l’horizon 2050 (Modèle d’optimisation TIMES d’ESMIA). Différents défis inhérents à la modélisation en matière de lutte contre les changements climatiques ont également été présentés. Finalement, Brigitte St-Pierre, Directrice par intérim de la Direction de la modélisation des systèmes de transport du ministère des Transports a souligné que l’expertise en modélisation au ministère reposait sur des modèles de simulation routière (EMME), basés sur des enquêtes Origine-Destination qui depuis 2010 intègre aussi le logiciel MOVE (MOtor Vehicle Emissions Simulator) pour estimer les émissions polluantes et la consommation de carburant. Ces derniers modèles servent davantage à des analyses différentielles (c’est-à-dire, d’impacts relatifs liés à des projets) qu’à produire des bilans annuels absolus. En l’occurrence, de nouvelles collectes de données et une prise en compte des aspects omis dans la modélisation actuelle sont en voie de développement afin de mettre en place un modèle à l’échelle nationale, qui pourra servir, par exemple, au calcul d’indicateurs de suivi dans le cadre de la Politique de mobilité durable.

6

Les présentations des conférenciers 

Ismaël Cissé et Daniel Paré, 2019. « Pratiques actuelles et besoins de modélisation énergétique, économique et environnementale au Québec – La contribution du Modèle d’évaluation de la demande d’énergie (MÉDÉE) », TEQ, http://energie.hec.ca/wp-content/uploads/2018/12/TEQ_PPT_MEDEE_Atelier-Mod%C3%A9lisation_v3.pdf

Jean Labbé, 2019. « Modèles économiques environnementaux du ministère des Finances », MFC, http://energie.hec.ca/wp-content/uploads/2018/12/MFQ_PresentationModelisation_HEC_Janv19_vp.pdf

Catherine Gauthier, 2019. « La modélisation dans le développement de politiques sur les changements climatiques », MELCC, http://energie.hec.ca/wp-content/uploads/2018/12/MLECC_PPT_mod%C3%A9lisation_Jan2019.pdf

Brigitte Saint-Pierre, 2019. « Émissions polluantes et consommation de carburants : Modélisation spécifique au domaine des transports », MTC, http://energie.hec.ca/wp-content/uploads/2018/12/MTQ_PPTModel_30janv19.pdf

Les biographies des conférenciers sont disponibles en annexe.

7

Séance 3 | Tables rondes La séance de remue-méninge, sous forme de tables rondes interactives, visait à recueillir des informations sur cinq thèmes : (1) le niveau général de connaissance des modèles E3 ; (2) la satisfaction de leur utilisation ; (3) les besoins prioritaires ; (4) les pistes pour améliorer la compréhension des modèles par les différents acteurs ; et enfin (5) le partage de données entre les intervenants.

Puisque l’atelier était une première, l’approche se voulait flexible et générale. Les sept groupes formés, qui comptaient entre cinq et huit personnes, disposaient de matériel pour noter leurs réponses communes à cinq questions (voir la compilation des résultats à l’annexe 3). De ses notes, les auteurs ont pu en dégager des constats et recommandations partagés par les membres d’une table, mais également des idées qui étaient récurrentes dans les réponses des différents groupes.

1. Connaissance et importance des modèlesLa majorité des participants jugeait que le niveau de connaissance des modèles dans les domaines énergétique et environnemental était généralement moyen, mais que leur niveau d’importance dans la prise de décision était élevée. Plusieurs participants reconnaissaient l’importance de rendre les modèles plus accessibles, démocratiques et transparents pour améliorer le niveau de connaissance des différents intervenants et l’acceptabilité des résultats qui en découlent, puisque ceux-ci joueront un rôle grandissant dans la prise de décision concernant la transition énergétique et la décarbonisation de l’économie au Québec.

Le niveau de connaissance varie selon les intervenants : les développeurs ayant généralement un niveau de connaissance plus approfondi que les utilisateurs des résultats. Or, pour plusieurs, le niveau de connaissance, de façon générale, demeure limité en raison de l’approche « boite-noire » à la modélisation au Québec, selon laquelle la documentation des données, des hypothèses, de la méthodologie, et même des résultats et leurs utilisations dans la prise de décision, demeure inaccessible pour la plupart des intervenants et du public.

En raison de leur valeur pédagogique, les modèles sont considérés des outils indispensables à la prise de décision dans le cadre de la transition. Leur importance dans certains ministères aurait pris de l’ampleur en raison des annonces de politiques climatique et énergétique qui demandent des analyses d’impacts des mesures proposés pour atteindre les objectifs fixés par le gouvernement. Bien que les modèles servent à alimenter les réflexions stratégiques des ministères, plusieurs reconnaissaient qu’ils sont le plus souvent utilisés à des fins de justifications de décisions politiques, plutôt que d’appuyer l’analyse des décisions en amont de leurs annonces.

8

PRINCIPALES PISTES POUR AMÉLIORER LE NIVEAU DE CONNAISSANCES DES MODÈLES1. TRANSPARENCE : Rendre disponibles la documentation concernant les modèles utilisés dans la prise de décision,

ainsi que les données, les hypothèses, les limites et les résultats.

2. FORMATION : Offrir et financer des formations sur la modélisation E3 adaptées aux différents intervenants.

3. SIMPLIFICATION : Développer des modèles simplifiés pour éduquer les intervenants, et les amener à collaborer au processus de modélisation.

2. Satisfaction des modèles utilisésÀ l’exception de quelques tables, les groupes étaient généralement peu satisfaits des modèles, de leurs résultats et de leurs usages dans la prise de décisions. Pour les usages, l’insatisfaction était plus marquante, avec cinq des sept groupes les considérant peu ou non satisfaisant.

Comme pour le niveau de compréhension, le niveau de satisfaction varie en fonction des intervenants, c’est-à-dire s’ils sont des utilisateurs de résultats ou des modélisateurs, ou encore des intervenants externes ou internes à la fonction publique ; les modélisateurs et intervenants internes ayant accès à plus d’informations concernant les modèles. L’insatisfaction plus généralisée liée aux usages des résultats découlerait de la perception d’un manque de recours aux modèles en amont du processus décisionnel du gouvernement. Autrement dit, les modèles devraient être utilisés davantage en appui à l’analyse et la prise de décision, que pour justifier des politiques ou mesures gouvernementales qui ont été décidées en amont du processus décisionnel.

Certains reconnaissaient une amélioration des résultats dans le contexte québécois (bien que ceux-ci soient plus probants dans d’autres juridictions) et l’importance de mettre à niveau de façon continue les modèles. Des groupes ont souligné des manques importants à gagner en ce qui concerne les données (ex., transparence, collecte, qualité), l’intégration dans les modèles de l’aménagement du territoire et de comportements d’agents, l’agilité et l’adaptation des modèles à de nouvelles conditions, et la modélisation à différentes échelles régionales et temporelles. Or, la qualité des modèles et de leurs résultats dépend du temps et des ressources (humaines et financières) disponibles : deux enjeux qui représentent des défis importants tant pour les ministères que les chercheurs et consultants.

Le manque de transparence et de communication pourrait expliquer en partie l’insatisfaction partagée par plusieurs, puisque qu’il limite la compréhension des modèles par les intervenants. Plusieurs constatent des variations dans les résultats de différents modèles en raison du manque de consensus sur les hypothèses et d’accessibilité aux données utilisées qui varient selon les projets. Le peu de transparence rendrait également difficile l’évaluation de la sensibilité (incertitudes) des modèles et leurs résultats. Selon certains, une meilleure transparence et communication des résultats par les modélisateurs éviterait que des parties prenantes (ex., politiques, médias, etc.) ne les récupèrent et diffusent des interprétations biaisées ou erronées qui pourraient contribuer à polariser les enjeux de la transition énergétique et de la décarbonisation de l’économie.

9

PRINCIPALES PISTES POUR AMÉLIORER LE NIVEAU DE SATISFACTION DES MODÈLES UTILISÉS, DES RÉSULTATS ET DES USAGES 1. TRANSPARENCE : Rendre disponibles la documentation concernant les modèles utilisés dans la prise de décision, ainsi

que les données, les hypothèses, les limites et les résultats.

2. INTÉGRATION : Viser une meilleure intégration des différents modèles et compatibilités des données et hypothèses (ex., secteurs économiques, géographies, agents, temporalités…) pour assurer une cohérence dans le processus décisionnel interministériel.

3. COMMUNICATION/PARTICIPATION/ÉDUCATION : Développer des interfaces multidisciplinaires, interactifs et éducatifs pour mieux communiquer, diffuser et comprendre les résultats des différents modèles.

3. Besoins prioritaires en modélisation au Québec

La transparence et l’accès aux données en modélisation ont été identifiés, sans équivoque, comme les principaux défis à surmonter pour améliorer le rôle de la modélisation dans la mise en œuvre de la transition (voir graphique 1). Il est reconnu qu’il y a une géométrie variable entre les secteurs, certains étant mieux représentés et compris que d’autres. Or, les secteurs industriel et du transport de marchandises ont été identifiés comme étant particulièrement problématiques au niveau de la qualité, de la disponibilité et de la désagrégation des données en raison des privilèges de confidentialité accordés aux entreprises. L’aménagement du territoire et les comportements des agents ont également été identifiés comme des variables peu ou pas représentées dans les modèles. Un appel à un budget dédié et une plus grande standardisation des données, par l’adoption de protocoles, a été proposé comme une solution pouvant améliorer leur qualité et comparabilité à travers le temps, de même que la pérennisation du travail de collecte de données par les organismes publics.

Réussir la transition énergétique dans un contexte de décarbonisation demande à la fois une compréhension locale et globale, et à court et long termes, des systèmes analysés. Ainsi, en plus de recommander que le gouvernement finance davantage la recherche pour améliorer et développer des modèles plus sophistiqués, collaboratifs et transparents (ex. projections et prévisions des émissions de GES, modèles d’agents et régionaux, interactions entre secteurs, effets de l’aménagement sur le transport), certains groupes rappelaient qu’il était aussi impor-tant de réaliser davantage d’études de sensibilité afin de mieux évaluer et documenter les effets croisés et les incertitudes des résultats provenant des différents modèles. Une réflexion sur l’accès aux données massives disponibles dans le privé devrait également être lancée.

Il était reconnu que la transition devait se planifier sur un horizon à long terme. Ainsi, certains ont rappelé l’importance de mettre en place des mécanismes qui pourraient « dépolitiser » et rendre plus indépendant le travail de modélisation pour assurer la pérennité des mesures implantées et introduire plus d’objectivité, de rigueur et de cohérence dans les prises de décision gouvernementales à long terme.

10

BESOINS PRIORITAIRES IDENTIFIÉS POUR LA MODÉLISATION AU QUÉBEC1. DISPONIBILITÉ DES DONNÉES : Assurer un meilleur partage et accès aux données pour des fins de recherche, ainsi

qu’une standardisation des données. Les secteurs de l’industrie, du transport de marchandises et de l’aménagement sont prioritaires.

2. TRANSPARENCE : Rendre disponibles la documentation concernant les modèles utilisés dans la prise de décision, ainsi que les données, les hypothèses, les limites et les résultats.

3. PÉRÉNITÉ DU TRAVAIL : Réserver un financement annuel pour la modélisation et le partage de données, et rendre plus indépendant et collaboratif le travail de modélisation.

4. ÉTUDE DE SENSIBILITÉ : Réaliser davantage d’études de sensibilité afin de mieux évaluer et documenter les effets croisés et les incertitudes des résultats provenant des différents modèles.

Graphique 1 • Nuage de mots clés des besoins prioritaires en modélisation au Québec identifiés par les groupes de l’atelier sur la modélisation en énergie et en environnement, 30 janvier 2019

Sources : Réponses fournies par les tables lors de l’atelier (éditées pour clarification) ; logiciel : www.wordclouds.com

11

4. Compréhension des modèles par les acteursIl était admis par l’ensemble des groupes que le développement, l’offre et l’accès à des formations (voir graphique 2) étaient prioritaires pour améliorer la compréhension des modèles, par les différents acteurs, dans la prise de décision des politiques publiques. Pour avoir une meilleure résonnance, les formations, de même que les communications des résultats, des incertitudes et des limites des modèles, devraient être adaptées à l’auditoire ciblé.

Augmenter le niveau de transparence des modèles était également reconnu comme une mesure prioritaire pour améliorer leur compréhension par les acteurs. Les formations multidisciplinaires, l’accessibilité à la documentation et la diffusion de résultats étant toutes des mesures pouvant contribuer à augmenter la transparence. La mise sur pied d’un site internet facile d’utilisation qui fait le bilan de l’état de la modélisation E3 et de ses principaux enjeux, a été proposé comme un outil éducatif possible, de même qu’introduire des initiatives de « gamification » pour initier et sensibiliser les acteurs et les jeunes aux enjeux énergétiques. D’autres proposaient de créer des lieux d’échange qui permettraient aux modélisateurs de tester et comparer leurs modèles entre eux – se challenger de façon « constructive » permet d’améliorer les modèles et les hypothèses sous-jacentes.

Au niveau décisionnel, il a été recommandé de faire accepter des intervalles de valeur, plutôt que des valeurs précises, afin de mieux refléter la réalité des incertitudes et des variations possibles. L’inclusion des parties prenantes en amont du travail de modélisation, notamment dans l’élaboration et la validation des hypothèses et les analyses de sensibilité des modèles, assurerait une meilleure compréhension et acceptabilité des modèles par les acteurs.

MESURES PRIORITAIRES POUR AMÉLIORER LA COMPRÉHENSION DES MODÈLES PAR LES ACTEURS1. FORMATIONS/COMMUNICATIONS : Développer, offrir et donner accès à des formations multidisciplinaires adaptées

aux différents acteurs, et mieux vulgariser les résultats communiqués.

2. ACCÈS ET TRANSPARENCE : Rendre disponibles la documentation concernant les modèles utilisés dans la prise de décision, ainsi que les données, les hypothèses, les limites et les résultats.

3. INCLUSION DES ACTEURS : Impliquer en amont du travail de modélisation les acteurs, notamment dans l’élaboration et la validation des hypothèses et les analyses de sensibilité des modèles.

12

Graphique 2 • Nuage de mots clés des mesures prioritaires pour améliorer la compréhension des modèles au Québec, identifiées par les groupes de l’atelier sur la modélisation en énergie et en environnement, 30 janvier 2019

Sources : Réponses fournies par les tables lors de l’atelier (éditées pour clarification); logiciel : www.wordclouds.com

13

5. Partage de données et collaboration Il était unanimement admis que pour améliorer le partage de données et créer une culture de modélisation au Québec, il faudrait multiplier les occasions d’échanges entre les différents acteurs. Selon les résultats d’un sondage d’appréciation, les participants ont apprécié l’atelier et le considéraient comme un point de départ important (voir annexe 4). Toutefois, une initiative plus structurée, officielle et récurrente, qui bénéficie d’un financement public, devra être mise sur pied pour assurer la pérennité des efforts d’amélioration des pratiques de modélisation et poursuivre l’élan de l’atelier.

Les opinions sur la forme que devrait prendre une telle initiative variaient. Certains proposaient que le gouvernement mette sur pied un comité permanent d’experts (ex., modélisateurs, décideurs, générateurs et utilisateurs de données) sur la modélisation, comme il se fait pour le comité permanent sur les changements climatiques au MELCC, pour discuter de éléments clés en modélisation (ex., hypothèses et protocoles pour la collecte des données), tandis que d’autres suggéraient un forum plus élargie, transparent et inclusif, comme il se fait aux Royaume-Uni et en Californie. D’autres suggéreraient la mise sur pied d’un observatoire de l’énergie et des émissions de GES qui réunirait des représentant des milieux universitaire, gouvernemental, privé et communautaire. Trouver un équilibre entre la confidentialité et l’accès public aux données s’avère un défi au partage de données, voire au développement de plateformes ouvertes de partage de données. Pour les modélisateurs, la collecte de données et le calibrage des modèles demande des efforts importants, tandis que pour les entreprises, certaines données présentent des enjeux de compétitivité. Or, pour améliorer la compréhension et la participation des acteurs et évaluer l’impact des mesures considérer pour la transition, il faudra que la recherche puisse accéder à plus de données pertinentes et désagrégées. Il ne suffit pas que de rendre disponibles les données brutes, il faudra également partager des données traitées d’une manière qui est pertinente pour répondre aux différents besoins. Une solution possible est de faciliter l’anonymisation des données et de rendre public les demandes d’accès à l’information.

14

ConclusionL’atelier a été une occasion inédite d’échanger sur l’état de la modélisation énergétique et environnementale au Québec, dans une perspective de lutte contre les changements climatiques et de transition énergétique. Les participants ont exprimé une forte reconnaissance de l’importance de la modélisation pour mieux comprendre les enjeux, analyser les pistes de solution et éclairer les décisions politiques.

Si une grande variété d’opinions a été exprimée, une convergence se dégage autour des améliorations à apporter sur les données (qualité et accessibilité) ainsi que sur une culture plus vivante de la modélisation (compréhension partagée, développements, échanges réguliers).

Étant donné l’ampleur des changements requis pour réaliser les objectifs de réduction des émissions de gaz à effet de serre, et la transition énergétique qui est nécessaire pour y arriver, une réflexion profonde se doit d’être menée. Pour mener cette réflexion, explorer des scénarios et des idées, les modèles énergétiques et environnementaux sont incontournables. Ils sont essentiels pour analyser les options et évaluer les risques, tout autant que pour communiquer et échanger, autour des hypothèses, des observations et des résultats.

Si la manière exacte d’améliorer les pratiques en modélisation au Québec reste encore à définir, il est certain que des acteurs diversifiés ont les compétences et la volonté de s’y atteler. Transition énergétique Québec pourrait jouer un rôle de catalyseur de ces aspirations, en cherchant à fédérer ces forces vives.

15

Annexe 1 | Liste des participants Par ordre alphabétique

Bahn, OlivierProfesseur et directeur du Pôle e3HEC Montréal

Baumier, LouisDirecteur exécutifInstitut de l’Énergie Trottier

Bédard, SergeGestionnaire, Gestion de la chaleur et cogénération, Groupe optimisation des procédés industriels Ressources naturelles Canada

Beltran, AndresIngénieur - Changements climatiques et projets spéciaux Ville de Montréal

Ben Amor, MouradProfesseur agrégé et directeur de LIRIDEUniversité de Sherbrooke

Berge, VioletteVice-présidenteArtelys

Canuel, GuyIngénieur à la Direction de la Planification et de la mobilité durableMinistère des transports du Québec

Cissé, IsmaëlÉconomiste, Direction générale des affaires stratégiquesTransition énergétique Québec

Corbeil, DominicConseiller en efficacité énergétique, Direction générale des affaires stratégiquesTransition énergétique Québec

Côté, DavidDirecteur, Direction de l’économie, de la prospective et des stratégies, Direction générale de la politique de mobilité durable et de l’électrificationMinistère des Transports du Québec

Couture, ÉtienneMinistère des Finances du Québec

Deslauriers, AlexandreChargé d’équipe Prévision de la demandeHydro-Québec Distribution

Doré-Ouellet, LaurieConseillère en transition énergétique, Direction générale des affaires stratégiquesTransition énergétique Québec

Gagnon-April, JérômeMinistère des Finances du Québec

Gauthier, CatherineDirectrice des politiques climatiques, Direction générale de l’expertise climatique et économique et des relations extérieuresMinistère de l’Environnement et de la Lutte contre les changements climatiques

Gauthier, GenevièveDirectrice nationaleEconoler

Giasson, NicolasModélisateur, Direction de l’expertise climatiqueMinistère de l’Environnement et de la Lutte contre les changements climatiques

Gingras, HugoConseiller, Prévision de la demande Hydro-Québec Distribution

Goulet, MyriamCoordonnatrice, Partenariat de recherche conjoint sur le climat et les transportsESG-UQÀM

Harvey, JacquesPrésidentJ Harvey et Associés Consultants

Hofmann, MichaelPrésident-directeur généralWhatIf? Technologies

Labbé, JeanDirecteur, Direction de l’analyse structurelle et de la modélisationMinistère des Finances du Québec

16

Lacroix, BenoitMinistère de l’Environnement et de la Lutte contre les changements climatiques

Langlois-Bertrand, SimonProfesseur associéUniversité Concordia

Larrivée, AlexandreÉconomiste, Développement des modèles et recherche quantitative Environnement et Changement Climatique Canada

Lavigne, Marc-AndréConseiller, Prévision de la demande Hydro-Québec Distribution

Lavoie, GillesDirecteur général, Direction générale des affaires stratégiques Transition énergétique Québec

Leroux, JustinProfesseur agrégé et membre de la Commission de l’écofiscalité du CanadaHEC Montréal

Letellier-Duchesne, SamuelDoctorantPolytechnique Montréal

Margini, EmanueleProfesseur et membre du Centre international de référence sur le cycle de vie des produits, procédés et services (CIRAIG)Polytechnique Montréal

Morency, CatherineProfesseure et titulaire de la Chaire Mobilité et la Chaire de recherche du Canada sur la Mobilité des personnes Polytechnique Montréal

Morissette, SamuelConseillerMinistère de l’Économie et de l’Innovation du Québec

Mousseau, NormandProfesseur et Directeur académiqueInstitut de l’Énergie Trottier

Paré, DanielÉconomiste, Direction générale des affaires stratégiquesTransition énergétique Québec

Patreau, ValérieConseillère d’arrondissement et Présidente de la Commission sur l’eau, l’environnement, le développement durable et les grands parcsProjet Montréal

Pedinotti-Castelle, MarianneDoctoranteUniversité de Sherbrooke (LIRIDE) et Chaire de gestion du secteur de l’énergie

Gagnon-April, JérômeMinistère des Finances du Québec

Pineau, Pierre-OlivierProfesseur et titulaire de la Chaire de gestion du secteur de l’énergieHEC Montréal

Poirier, MartinChercheur principal Dunsky Expertise

Purdon, MarcProfesseur et Directeur du Partenariat de recherche conjoint sur le climat et les transportsESG-UQÀM Rajotte, AlainMinistère des Transports du Québec

Richelle, YvesDirecteur généralDAMÉCO Inc.

Rodriguez, Jesus AndresDoctorant, Chaire de gestion du secteur de l’énergieHEC Montréal

Roio, AlexandraDirectrice de l’expertise climatiqueMinistère de l’Environnement et de la Lutte contre les changements climatiques

Roy, Pierre-OlivierProfesseur et Lead Énergie au Centre international de référence sur le cycle de vie des produits, procédés et services (CIRAIG)Polytechnique Montréal

Salem, ThierryDirecteur des ventes, marché du carburantÉnergir

17

Robin, JeanneDirectrice principaleVivre en ville

Sawyer, DavidPrésident et économisteEnviroEconomics

Simoneau, PatrickAnalyste en énergie, Direction générale des affaires stratégiquesTransition énergétique Québec

Sioui, LouiselleÉconomiste, Développement des modèles et recherche quantitative Ministère des Transports du Québec

Sternon, YannickIngénieur - Changements climatiques et projets spéciaux, Division de la planification et du suivi environnemental Ville de Montréal

Saint-Pierre, BrigitteDirectrice par intérim de la Modélisation des systèmes de transportMinistère des Transports du Québec

Thibaudin, HenriÉconomiste et responsable du développement des affairesDAMÉCO Inc.

Vaillancourt, KathleenPrésidente et experte modélisatriceESMIA

Whitmore, JohanneChercheuse principale, Chaire de gestion du secteur de l’énergieHEC Montréal

18

Annexe 2 | Biographies des conférenciersMot de bienvenue

Introduction

Séance 1 | État des lieux de la modélisation des systèmes énergétiques

Gilles Lavoie est directeur général des Affaires stratégiques au sein de Transition énergétique Québec, depuis la création de l’organisme, en avril 2017, mais a œuvré au ministère de l’Énergie et des Ressources naturelles depuis 1987. Il a supervisé l’ensemble des travaux visant le premier Plan directeur en transition, innovation et efficacité énergétiques 2018-2023 du Québec. Il est détenteur d’un baccalauréat en biologie et d’une maîtrise en urbanisme de l’Université de Montréal

Pierre-Olivier Pineau est professeur titulaire au département des sciences de la décision de HEC Montréal et titulaire de la chaire de gestion du secteur de l’énergie. Il est un spécialiste des politiques énergétiques, notamment du secteur de l’électricité. Il a publié de nombreux articles sur le secteur de l’énergie qui explorent les liens entre l’énergie et certains aspects du développement durable. Il intervient régulièrement dans les médias pour analyser l’actualité énergétique. Il a produit divers rapports pour le gouvernement ou des organismes publics. Il est Fellow CIRANO, membres de la CAEE, du CIRODD, et de l’institut EDDEC.

Normand Mousseau (animateur) est professeur de physique à l’Université de Montréal et directeur académique de l’Institut de l’énergie Trottier. Il est l’auteur de plusieurs livres sur la question énergétique et celle des ressources naturelles, dont La Révolution des gaz de schiste (2010) et Le Défi des ressources minières (2012). Il fut le co-président de la Commission sur les enjeux énergétiques du Québec dont le rapport « Maîtriser notre avenir » fut rendu public en février 2014.

Kathleen Vaillancourt, fondatrice de la firme ESMIA, détient 15 ans d’expérience en modélisation de systèmes 3E (énergie-économie-environnement) pour l’étude de problématiques complexes, telles que la sécurité énergétique et les changements climatiques. Elle a participé au développement de plusieurs modèles d’optimisation pour le compte de prestigieuses organisations internationales. Elle est impliquée dans les activités du programme ETSAP de l’Agence internationale de l’énergie où elle donne des formations sur la conception de modèles d’optimisation à partir des meilleures pratiques. Elle a réalisé de nombreux projets impliquant la mise en œuvre de modèles 3E pour étudier la transition énergétique et définir des stratégies optimales vers une économie sobre en carbone. Elle est titulaire d’un doctorat en sciences de l’environnement de l’Université du Québec à Montréal et d’un MBA de HEC Montréal.

David Sawyer est économiste environnemental avec plus de 25 années d’expérience à surmonter les défis liés à la mise en œuvre de politiques de développement durable. Il a collaboré à de nombreuses études et analyses d’impacts de réglementation des marchés du carbone et de la transition énergétique dans le contexte canadien. Il est diplômé en sciences économiques des universités McMaster et Dalhousie. Il a tenu des postes à Environnement Canada et au bureau du commissaire à l’environnement et au développement durable du Canada. Il a été vice-président, Climat, énergie et partenariats de l’International Institute for Sustainable Development (IISD). David est actuellement cadre en résidence à l’Institut pour l’IntelliProspérité de l’Université d’Ottawa et chercheur invité à l’École des politiques publiques de l’Université Carleton.

19

Séance 2 | Pratiques actuelles et besoins de modélisation énergétique, économique et environnementale au Québec

Johanne Whitmore (animatrice) est chercheuse principale à la chaire de gestion du secteur de l’énergie à HEC Montréal et vice-présidente de la Table des parties prenantes de Transition énergétique Québec. Sa recherche porte sur l’efficacité des politiques énergétiques et climatiques, ainsi que sur les approches optimales pour équilibrer production et consommation d’énergie dans l’économie. Elle a contribué à l’élaboration des premiers cadres législatifs de marché du carbone et de stratégies de réduction des émissions de GES aux échelles fédérale et provinciale. Son expertise est mise à contribution au sein de plusieurs comités et initiatives dans les secteurs privés, gouvernemental et universitaire. Elle est coauteure de l’État de l’énergie au Québec. Elle détient une maîtrise en sciences spécialisées en climatologie et analyse statistique de l’Université d’Ottawa.

Ismaël Cissé est économiste à Transition énergétique Québec, où il est responsable de la compilation statistiques énergétiques ayant trait à la production, la consommation, le prix et la balance commerciale des différentes formes d’énergie. Il supervise également, la modélisation des modules liés aux bâtiments (résidentiel, commercial et institutionnel) à partir du Modèle de prévision de la demande d’énergie et des émissions de gaz à effet de serre. Il détient une Maîtrise en sciences économiques de l’Université de Montréal.

Daniel Paré est économiste à Transition énergétique Québec depuis 2017, et est responsable de la modélisation des modules liés aux transports, au secteur industriel ainsi qu’aux émissions non-énergétiques, à partir du Modèle de prévision de la demande d’énergie et des émissions de gaz à effet de serre du Québec. Il a travaillé de 1988 à 1996 au secteur Forêt du ministère des Ressources naturelles du Québec, pour occuper par la suite le poste d’économiste au secteur Énergie. Il détient une Maîtrise en sciences économiques de l’Université Laval.

Jean Labbé est directeur de l’analyse structurelle et de la modélisation au ministère des Finances du Québec (MFQ). Son équipe est responsable de l’analyse d’impact économique pour ce ministère, notamment sur les questions reliées à la lutte contre les changements climatiques et au système de plafonnement et d’échange de droit d’émission de gaz à effet de serre (SPEDE). Il possède une grande expérience en modélisation et en analyse économique au gouvernement du Québec. Son parcours l’a amené à œuvrer dans diverses organisations, tels qu’au Bureau de l’efficacité et de l’innovation énergétiques et au ministère de l’Agriculture, des Pêcheries et de l’Alimentation. Il possède une maîtrise en économique de l’Université Laval.

Catherine Gauthier est Directrice des politiques climatiques à la Direction générale de l’Expertise climatique, économique et des relations extérieures au ministère de l’Environnement et de la Lutte contre les changements climatiques (MELCC). Avant de se joindre au ministère en 2003, elle a travaillé comme chargée de projets au sein d’organisations œuvrant en développement international aux États-Unis et en Amérique Latine. Elle s’est jointe au secteur des changements climatiques du MELCC en 2011 pour appuyer l’élaboration du Plan d’action 2013-2020 sur les changements climatiques du Québec. Elle est biologiste et détient des maîtrises en relations internationales et en sciences de la terre.

Brigitte St-Pierre est ingénieure en génie civil et détient une maîtrise en Planification des transports de l’École Polytechnique de Montréal. Œuvrant au sein du Ministère des Transports du Québec depuis plus de 20 ans, elle y a développé une expertise pointue dans les modèles de prévision de la demande en transport et les analyses de la mobilité en coordonnant les travaux de ce module de la Direction de la modélisation des systèmes de transport (DMST) pendant près de 10 ans. Elle est récemment devenue directrice par intérim de la DMST dont le mandat consiste à assurer la collecte de données de mobilité, prévoir la demande en transport, modéliser les déplacements et en évaluer leurs impacts

20

Annexe 3 | Compilation des réponses des tables rondes

1. Évaluer le niveau de connaissance et l’importance des modèles dans les domaines énergétique et environnemental

Question : Comment évaluez-vous votre niveau de connaissez des modèles de prévision dans les domaines énergétique et environnemental (Québec, Canada, international) ? Êtes-vous capables d’en nommer ou de nommer les organisations qui les possèdent ?

1.1 Exemples d’organisations

Seulement deux tables ont fournies des exemples. Certaines réponses étaient très précises (GTAP, Pathways en Californie, Université de Washington, TEQ), d’autres plus générique.

Note : La question était probablement perçue comme étant trop générique ou ambiguë. Il y a peu d’information utile à tirer de cette question.

1.2 Commentaires des tables

Table 1 • Expert vs utilisateur

Table 2 • Niveau de connaissance dépend si l’intervenant est un utilisateur du modèle ou des résultats

• Nécessaire pour la présence(?) de la demande

Table 4 • Connaissance : Variable (entre décideurs/utilisateurs et modélisateurs), boite noire à démystifier, outil pas toujours accessibles

• Importance : Pour la pédagogie, élaborer les scénarios d’incertitude et les modèle. Trouver le juste milieu (simplicité vs réalisme)

Table 5 • Décideurs : Niveau faible de compréhension des modèles ; se fient sur les résultat/rapports découlant des modèles ; devraient avoir une meilleure connaissance du processus scientifique.

• Sous-niveau : élevée intra et moyenne inter : hors institution.

Table 6 • Niveau de connaissance différente si on est utilisateur ou développeur (connait-on bien les hypothèses de base ? Qu’est-ce qu’on cherche à optimiser ?)

• Connaissance approfondie des modèles en vigueur dans nos pratiques, mais connaissance générales [ou limitée] pour les autres modèles.

Table 7 • Importance récente dans certains ministères

• Sur l’importance : souvent modèle sont utilisés à des fins de justifications (dans les ministères), mais servent tout de même à alimenter la réflexion

Niveau Faible Moyen Élevé Pas de consensus Non traité

Connaissance x xxxx x x

Importance xxxxx xx

Note : chaque x représente la réponse d’une des sept tables de discussion.

21

1.3 Principales recommandations

1 Table 4 : Mieux expliquer les intrants et extrantsTable 5 : Plus de transparence = démocratisation des modèles = mieux ++

2 Table 4 : Mieux expliquer l’utilisation et les limites des modèlesTable 5 : Formation : améliorer la compréhension des modèles

3 Table 5 : Développer des modèles simplifiés

2. Évaluer le niveau de satisfaction des modèles utilisésQuestion : Êtes-vous satisfait des modèles actuellement utilisés, de leurs résultats et de l’usage fait de ces résultats ? Quels sont les enjeux qui expliquent vos réponses ?

2.1 Commentaires des tables

Table 1 • Consensus sur l’insatisfaction des usages

Table 2 • Partagé en fonction des utilisateurs des résultats et des modélisateurs

• Accès aux résultats à travers différentes études

• Résultats plus probants dans d’autres juridictions, mais en train de s’améliorer

• Résultats plus satisfaisants qu’avant (et plan directeur de TEQ)

Table 3 • Usages : Le gouvernement établi des politiques avant de tourner les modèles (ex., 3e lien), mais dans la mesure que les modèles sont utilisés, ils sont trop souvent sous-utilisés

• Modèle devrait être en appui à la prise de décision

• Résultats : Client veut une réponse.

Table 4 • Satisfaction : Oui, mais ne pas s’arrêter là ; pas toujours adaptés aux régions, à l’horizon temporel (manque : on ne peut pas tout couvrir) et capacité limitée à s’adapter aux changements

• Problème de culture dans la prise de décision et les modèles

• Usages : Lien entre modèle et décision ténu? (aménagement du territoire). Pas assez porteur, pas assez comparé. Satisfaisant à l’interne, mais pas forcément à l’externe.

Table 5 • Pas satisfait de l’usage des résultats des modèles [usage] liés au politique

• Enjeux de temps : trop long avant d’obtenir les résultats. Lié à la qualité des réponses

• Enjeux ressources humaines : Besoin de repenser les modèles lorsque de nouvelles fonctionnalités/données sont ajoutées (cause problème d’adaptation au changement

Niveau Non satisfait Peu satisfait Satisfait Très satisfait Pas de consensus

Modèles xxx x x

Résultats xxx x x

Usages xxx xx xx

Autre : Hypothèses x

Autre : Agilité et adaptation x

22

Table 6 • Sur les modèles :

- Lacunes dans les données, mais aussi dans l’utilité de chaque modèle (chaque modèle sert à quoi ?)

- Difficile d’évaluer la sensibilité des modèles /résultats

- Question des élasticités – difficile d’établir des liens entre les comportements

- Problématique plus complexes : enjeux exogènes, mais modèle plus fins. « Gaps entre les modèles. Comment assurer une intégration plus globale ?

• Résultats et hypothèses sont selon projet, il n’y a pas de consensus global

Table 7 • Arriver à segmenter selon la démographie et la géographie, sinon personne ne se reconnait et donc personne ne comprend comment interpréter les résultats.

• Sur l’usage des résultats : il faudrait que les modélisateurs traduisent mieux leurs résultats pour le public, sinon c’est récupéré par des groupes politiques et contribue à la polarisation (incluant le message dans les médias).

1.3 Principales recommandations

1 Table 6 : Actuellement, les modèles sont souvent spécifiques à chaque projet. Besoin de globalité.Table 7 : Mieux intégrer le niveau municipal (ex., transport en commun)

2 Table 7 : Plus d’efforts pour des interfaces multidisciplinaires pour le message et sa diffusion.

3. Identification des besoins prioritaires en matière de modélisation.Questions : Quels besoins prioritaires voyez-vous en matière de modélisation de secteurs (ex., transport, industrie, bâtiment), pour améliorer la mise en œuvre de la transition (ex., données, accès aux modèles, transparence, compréhension des modèles, niveau de détails, pertinence des résultats pour différents acteurs.) ?

Besoins prioritaires

Don

nées

Tran

spar

ence

/ ac

cès

Com

préh

ensi

on

des

mod

èles

Dét

ails

Inté

grat

ion

Acte

urs

Pert

inen

ce

Autr

e :

Ince

rtit

ude

Autr

e :

Cohé

renc

e

Énergie xxxx xxx x x x x x

Transport xxxx xxxx x xx xx

Industrie xxxx xxxxx x x x xx

Bâtiment xxxxx xxxx x x xx

Aménagement xxxx xxx x x x xx

Table 4 : GES x x x x x

Généraux xx x xx

23

3.1 Principales recommandations

1 Table 1 : Géométrie variable entre secteur. Besoin d’un plus grand accès aux données pour la recherche universitaire.

Table 2 : Données en énergie pour tous les secteurs économiques.

Table 3 : Accès aux données.

Table 4 : Dépolitiser la modélisation ; mieux financer la modélisation et mesurer les incertitudes.

Table 5 : Documentation des données, des modèles et des hypothèses.

Table 6 : Besoin de cohérence et de transparence entre les données énergétiques utilisés dans différents les modèles. Modélisation des impacts de l’aménagement urbain sur le transport.

Table 7 : Collecte, standardisation accessibilité des données (secteur des transports, industriels). Besoin plus de transparence.

2 Table 1 : Données régionales et pour le transport de marchandises.

Table 2 : Données plus détaillées pour le transport lourd.

Table 3 : Plus grande transparence, accès et compréhension modèles et hypothèses.

Table 4 : Besoins de données régionales et des comportements des acteurs.

Table 5 : Viser une base de données « Open Source »

Table 6 : Plus de transparence et de désagrégation des données des sous-secteurs industriels.

Table 7 : Pérenniser le travail de modélisation dans les ministères

3 Table1 : Représenter l’incertitude dans les modèles.

Table 4 : Meilleures prévisions et projections des GES et mieux documenter les données.

Table 5 : mieux évaluer les effets croisés et l’incertitude des résultats des modèles (étude de sensibilité)

Table 6 : Financer la recherche pour améliorer les différents modèles. Besoin de modèle plus sophistiqués (ex., modèle d’agents, évaluer interaction entre secteur, aménagement)

Table 7 : Développer des programmes de formation en modélisation (particulièrement pour les modèles d’agents sociodémographiques).

4. 4. Améliorer la compréhension des modèles par les acteursQuestion : Comment améliorer la compréhension des modèles par les différents acteurs, en vue d’assurer une meilleure compréhension des enjeux de la transition énergétique ?

Mesures prioritaires

1 Table 1 : Communication adaptée : incertitude/limitations ; intérêt des acteurs

Table 2 : Organiser Forum plus ciblé

Table 3 : Formation/éducation des parties prenantes (messagers crédibles)

Table 4 : Transparence : Formation, information (documentation) et diffusion

Table 5 : Se challenger entre modélisateurs /collaborer / confronter de façon constructive. Au niveau décisionnel, faire accepter des plages de valeur [intervalles] plutôt que des valeurs précises

Table 6 : Formations : Accessibilité à des formations

Table 7 : Plus de modèles d’agents

24

Mesures prioritaires

2 Table 1 : Recenser ce qui existe

Table 3 : Formation/éducation des parties prenantes (messagers crédibles)

Table 4 : Données et résultats : qualité et détail, avec accès libre

Table 5 : Nécessité de comprendre et d’approuver les hypothèses de modélisation, avoir un consensus [validation indé-pendante tierce partie] (lié à l’analyse de sensibilité)

Table 6 : Formation : diversité des formations selon l’auditoire

Table 7 : Augmenter la rapidité de production des résultats

3 Table 1 : Vulgarisation des résultats

Table 3 : Implication en amont : par exemple, élaboration des hypothèses avec les parties prenantes

Table 4 : Réplicabilité + accès au modèle

Table 5 : Augmenter la litéracie des citoyens : site internet sous forme facile à comprendre. « Gamification » des enjeux énergétiques par l’introduction des modèles E3 dans les jeux pour viser l’éducation [sensibilisation] chez les jeunes.

Table 6 : Compréhension du rôle des modèles dans la prise de décision des politiques publiques.

Table 7 : Éducation des utilisateurs

Multidisciplinarité des formations ; simulation « user friendly » ; Challenger / confidentialité des modèles

4.1 Justifications des choix des priorités

Table 4 • Si augmente l’usage, augmente la compréhension

• Information : portrait sur les GES

• Diffusion : plus de documents/études produites par les usagers des modèles

Table 7 • Modèles d’agents seraient très intéressants, mais pas nécessairement utilisés. Une limite : temps nécessaire à la production de résultats

• Travail d’éducation des utilisateurs nécessaires. Souvent l’expertise repose sur quelques personnes seulement.

• Augmenter la facilité et la rapidité de production de résultats pour pouvoir les utiliser dans la prise de décision

4.2 Principales recommandations

Table 2 • Calculateurs montrant les enjeux

• Forum utilisateurs – modélisateurs

• Comprendre les différentes possibilités de modélisation (portée-limité)

25

5. Améliorer le partage de données entre les parties prenantesQuestion : Comment assurer le partage de données entre les parties prenantes dans le contexte de la modélisation (ex., comités, forum, rassemblement annuel) ?

Niveau D’accord Mitigé Pas d’accord Pas de consensus Non traité

Comité permanent xxxx

Forum xx x x

Rassemblement annuel xx x x x

Autre (table 1) : qualité des données/protocole à développer

x

Autre (table 3) : identification des données

5.1 Justifications des choix

Table 1 • Exemple de comité permanent sur les changements climatiques

• Équilibre confidentialité vs public des données

• Développer protocole standardisé de la collecte des données

• Accès aux données

Table 2 • Effort important à la collecte de données : base de connaissance sur la durée de vie

• Confidentialité justifiée pour des données (?)

Table 3 • Parties prenantes = Utilisateurs potentiels des modèles / décideurs / générateur de données

• Si seulement un rassemblement annuel, risque de perdre du focus

Table 4 • Loi sur la confidentialité rend le partage de données difficile

Table 5 • Refaire cet atelier tous les ans

• Investir dans le développement de plate-forme de partage de données

- Pas juste rendre disponible les données brutes, mais également les données traitées d’une manière qui est pertinente pour plusieurs besoins différents + anonymisation des données

• Comité permanent : discuter des hypothèses clés

- Viser à développer des mécanismes qui vont permettre l’autogestion ?

- Financement ?

Table 6 • On ne peut pas faire de séparations entre les types de données

• Identification des données : Loi ? Comment aller chercher les données de banques

• Il s’agit plus d’un aspect technologique et de philosophie plus large

Table 7 • Partage difficile puisque les modélisations dont on parle sont multidisciplinaires, donc difficiles

• Propriété intellectuelle des modèles eux-mêmes

26

5.2 Principales recommandations

1 Table 4 : Structure : Observatoire de l’énergie et des GES qui réunit gouvernement, ONG, université. Ne permet pas niveaux de données et de confidentialité

Table 6 : Comité de création de normes pour la base de données

Table 7 : Confiance à bâtir entre les parties prenantes

2 Table 4 : Forum d’échange sur les besoin et la disponibilité des données pour faire pression

Table7 : Faire participer le privé à des rencontre comme aujourd’hui.

3 Table 4 : Demande d’accès à l’information : les rendre publiques pour tous (pas juste les personnes qui demandent)

27

Annexe 4 | Résultats du questionnaire d’appréciation de l’atelier

Nous tenons à remercier les participants qui ont pris le temps de répondre au questionnaire d’appréciation de l’évènement à la fin de l’atelier. Les réponses permettent de comprendre le niveau de satisfaction partagée et les recommandations pour l’organisation de prochains évènements.

Les participants qui ont répondu au questionnaire étaient globalement satisfaits ou très satisfaits de l’atelier (voir graphique 3). Les éléments les plus appréciés étaient le format et déroulement de l’atelier, suivi de sa logistique. Un participant a souligné l’« excellente gestion du temps, [format] bien adapté, activités bien choisies, participation équilibrée ». Le format de l’évènement, présentations en matinée, suivi d’un atelier interactif en groupe, était bien apprécié. Tous les répondants se disaient satisfaits ou très satisfaits de la qualité des présentations des conférenciers, les jugeant informatives, complémentaires et pertinentes. La participation de représentants de différents paliers gouvernementaux fut très appréciée. La diversité des thèmes abordés et des acteurs autour de la table a également été soulevée à plusieurs reprises.

Le taux de satisfaction de la capacité de réseautage et de transfert de connaissances était également élevé, avec un bémol, noté par quelques répondants, qu’il aurait été souhaitable que la période accordée au réseautage soit plus longue.

Le questionnaire comprenait trois questions ouvertes pour sonder les points forts de l’atelier, des éléments à améliorer et des recommandations pour des évènements à l’avenir. Les réponses sont présentées ci-dessous (voir tableau 1).

Graphique 3 • Résultats du questionnaire d’appréciation des participants à l’atelier sur la modélisation en énergie et en environnement, 30 janvier 2019

Note : Taille de l’échantillon n = 38, sauf * n = 37

0 % 50 % 100 %

Très satisfait Satisfait Peu satisfait Non satisfait

Format et déroulement de l’atelier

Qualité des présentations et conférenciers

Thèmes abordés*

Logistique de l’atelier*

Capacité de réseautage et transfert de connaissances

79 % 21 %

63 % 37 %

62 % 38 %

61 %

73 %

32 %

27 %

8 %

28

Tableau 1 • Sommaire des résultats des questions ouvertes dans le questionnaire d’appréciation de l’atelier sur la modélisation en énergie et en environnement, 30 janvier 2019

Points forts de l’atelier

• Les présentations des modèles des différents ministères québécois.

• Survol des activités en modélisation. Sujets bien délimités.

• Interaction avec des employés de la fonction publique (municipale, provinciale et fédérale).

• Les séances 1 et 2 (conférences) ont bien mis la table pour l’atelier.

• Maillage entre les acteurs.

• Meilleure compréhension des réalités des différents acteurs.

• Présence et ouverture des représentants du gouvernement provincial (participants et conférenciers).

• Diversité et qualité des présentations et des participants.

• Discussions : le format permettait de favoriser les échanges enrichissants entre les participants.

• Représentation et mise en réseau de différents acteurs issues de divers secteurs

• Diversité des acteurs, des participants et des sujets traités. Bon déroulement de l’évènement.

• Horaire bien rempli, mais bien respecté. Nombre adéquats d’intervenants. Format présentations/atelier.

• Organisation, multiples conférenciers, sujets intéressants et à un niveau bien adapté.

• Format : présentations en matinée, suivies de l’atelier interactif en après-midi.

• Belle synergie, diversité et ouverture des participants ; bonnes présentations.

Points d’amélioration de l’atelier

• Plus grande diversité des acteurs ; plus de temps pour le réseautage.

• Présentations d’initiatives de modélisation dans différents secteurs.

• Pour être plus concret, inclure des exemples de politiques qui s’appuient sur les résultats de modèles.

• Avoir la liste des participants en avance de l’évènement.

• Présenter plus de résultats des modèles.

• Présentation plus détaillée des modèles.

• Prolonger sur deux jours, car les sujets auraient pu être plus approfondis.

• Plus de présentations d’universitaires, secteurs privés et municipaux, et de détenteurs de données.

• Mieux cibler les questions lors de l’atelier.

• Volet industriel.

Recommandations pour des ateliers à l’avenir

• Orienter vers les solutions de collaboration.

• Intégration d’analyses de cycle de vie dans les modèles

• Plateforme de partage de données, accès aux données privées « big data », responsabilité de la planification de la modélisation énergétique et des GES.

• Présentation des meilleures pratiques et approches en modélisation

• Diviser par thèmes ou par modèles (ex., économique ou ingénieur)

• Inclure plus d’informations sur les projets qui utilisent ces modèles ou ceux qui les développent

• Inclure une expertise en modélisation d’agents dans les conférenciers

29

• Faire le lien entre la modélisation et d’autres approches d’analyses complémentaires

• Inviter davantage de parties prenantes (ex, CPQ, association du camionnage)

• Plus d’invités externes (ex., représentants d’autres provinces)

• Présentations d’autres modèles

• Présenter les résultats de projets de modélisations

• Approches spécifiques à certains enjeux (ex., comportements d’agents, urbanisme)

• Thèmes spécifiques en modélisation : écofisalité, aménagement, secteur, comportements

• Implication des acteurs municipaux

• Organiser des activités sur la modélisation lors de rassemblement des acteurs municipaux (ex, UMQ, FQM)

• Suivi de l’évolution de la réduction des émissions de GES

• Thèmes : Fonctionnement des modèles ; les usages ; partage et qualité des données ; études de cas (histoires de succès et meilleures pratiques)

• Invités : ISQ, Statistique Canada, marchés du carbone

• Présentations sur les limites et défis des modèles.

• Présenter ce qui se fait ailleurs (ex., États-Unis, autres provinces, Europe).

• Capacité d’avoir accès aux données.

• Comment démocratiser les modèles pour que le privé puisse contribuer à la réflexion sur les politiques et programmes de manière à s’appuyer davantage sur les résultats de modèle pour la prise de décision.

• Initiatives de modélisation régionales/municipales pour différents secteurs (ex., transport, énergie, aménagement, industrie).

• Aborder les aspects plus techniques liés aux modèles

• Modélisations des technologies émergentes (ex., solaire, domotique, véhicules électriques)

• Présentations des initiatives de modélisations conjointes entre ministères et TEQ

• Démonstration d’outils de modélisation.

• Identifier 10 à 20 hypothèses sensibles de modélisations et en débattre en panel d’experts. Rendre les résultats publics.