---

La semaine dernière, j’ai lu une information qui a retenu mon attention. L’université de Potsdam avait publié dans la prestigieuse revue scientifique Proceedings of the National Academy of Sciences (PNAS) les résultats d’une étude intéressante d’un point de vue industriel et environnemental. Après avoir analysé des données provenant de 1500 régions à travers le monde au cours 30 dernières années, les chercheurs ont conclu que 30 % de ces régions avaient réussi à réduire leurs émissions de carbone tout en maintenant une croissance économique soutenue. Ce phénomène est techniquement appelé « croissance verte ». Selon le communiqué, ces 1500 régions représentent 85 % des émissions mondiales, ce qui confère une grande pertinence aux résultats et souligne l’importance de l’étude.

Une autre conclusion de cette étude révèle des différences régionales notables dans l’évolution des émissions. Par exemple, l’Europe affiche une réduction systématique des émissions qui dépasse celle d’autres régions du monde en dissociant les émissions de la croissance économique, et ce, de manière constante depuis 20 ans. En revanche, en Amérique du Nord et en Asie, cette séparation est plus variable, bien qu’une amélioration ait été observée lors de la dernière décennie.

L’étude met également en évidence l’importance pour les régions de promouvoir l’innovation par le développement de processus industriels fondés sur de nouvelles technologies et par un investissement soutenu dans les énergies renouvelables, tant au niveau public que privé. Cette approche est essentielle pour aider les économies régionales à progresser vers la durabilité sans renoncer à la croissance économique. Je me suis alors demandé si, dans le contexte socio-économique actuel, la Catalogne faisait partie de ces 30 % de régions ayant réussi à réduire leurs émissions tout en maintenant une croissance économique. Et, quelle que soit la réponse, quelle était la tendance qui se profilait pour les prochaines années en termes d’émissions de gaz à effet de serre ?

Avec cette curiosité, je me suis rendu sur le site web du projet mentionné dans le communiqué de l’université de Potsdam et, en recherchant dans les références de l’étude, j’ai téléchargé la base de données EDGAR¹ (Emissions Database for Global Atmospheric Research). Cette base de données compile et fournit des informations détaillées sur les émissions de gaz à effet de serre et d’autres polluants atmosphériques d’origine anthropique², et elle est maintenue par le Centre Commun de Recherche (JRC) de la Commission Européenne en collaboration avec le PBL Netherlands Environmental Assessment Agency.

https://edgar.jrc.ec.europa.eu/dataset_ghg2024_nuts2

Le fichier EDGAR compile les données annuelles des émissions de toutes les régions européennes pour la période 1990-2023, y compris des gaz comme le CO₂ (dioxyde de carbone) issu de sources fossiles, le CH₄ (méthane), le N₂O (protoxyde d’azote) et les gaz fluorés³ (F). Pour faciliter la comparaison de l’impact climatique annuel de chaque région, indépendamment du volume de chaque gaz émis, toutes les émissions sont converties en équivalent CO₂ (CO₂e)⁴. Cette unité est calculée en multipliant le volume émis de chaque gaz par son Potentiel de Réchauffement Global (PRG), une mesure qui exprime combien un gaz contribue davantage au réchauffement global que le CO₂ sur une période de 100 ans. Par exemple, le méthane a un PRG de 28, ce qui signifie qu’une tonne de méthane équivaut à un impact climatique 28 fois supérieur à celui du CO₂. Le protoxyde d’azote, avec un PRG de 265, est encore plus nocif, tandis que certains gaz fluorés, avec des PRG dépassant 1000, sont particulièrement dommageables même en petites quantités. Cette méthodologie facilite les comparaisons entre régions en unifiant les émissions sous un même critère et en mesurant leur impact climatique global, quelle que soit la proportion spécifique des gaz émis par région.

À partir de la base de données EDGAR, j’ai compilé dans une feuille de calcul les données concernant la Catalogne relatives aux émissions des différents gaz générés par les divers secteurs économiques pendant la période 1990-2023. Avec ces informations, j’ai élaboré une série chronologique des émissions totales annuelles en équivalent CO₂ (CO₂e), ce qui m’a permis de créer le graphique présenté ci-dessous :

Ce graphique illustre explicitement l’évolution temporelle des émissions totales de CO₂ équivalentes en Catalogne lors des 34 dernières années, constituant le point de départ pour une analyse détaillée des tendances futures des émissions de gaz à effet de serre à partir de 2024. En analysant le graphique, on peut facilement observer l’évolution des émissions en Catalogne de 1990 à 2023, avec plusieurs phases bien définies :

• 1990–2007 : Augmentation progressive. Pendant cette période, une tendance générale à l’augmentation des émissions est observée, associée à l’expansion économique et à une intensification des activités dans des secteurs tels que la construction et l’industrie.

• 2008–2014 : Réduction en raison de la crise économique. À partir de 2008, coïncidant avec le début de la crise économique due à l’effondrement des subprimes, les émissions atteignent leur pic historique, puis commencent à diminuer progressivement jusqu’en 2014. Cette diminution s’explique principalement par la forte contraction économique, notamment dans le secteur de la construction, ainsi que par une baisse généralisée de l’activité productive.

• 2015–2019 : Reprise des émissions. Avec la sortie progressive de la crise économique, les émissions repartent à la hausse, traduisant une reprise économique impliquant une consommation énergétique accrue et une intensification de l’activité industrielle.

• 2019–2023 : Réduction soutenue. À partir de 2019, une nouvelle tendance se dessine avec une réduction continue des émissions. Cette baisse peut être liée à divers facteurs, notamment des politiques climatiques plus strictes, l’adoption de technologies plus propres dans les processus de production, ainsi que l’impact des prix élevés de l’énergie dans les années suivant la pandémie de COVID-19.

Selon les données du graphique, on observe une diminution continue des émissions en Catalogne durant la période 2019-2023, avec une réduction progressive du total des émissions. Cette tendance suggère que la Catalogne pourrait faire partie des 30 % de régions identifiées dans l’étude de l’Université de Potsdam qui ont réussi à réduire leur impact environnemental sans compromettre leur croissance économique. En particulier, la réduction enregistrée en 2021, 2022 et 2023 par rapport à 2019 reflète l’influence de divers facteurs dans l’économie catalane qui ont favorisé des mesures pour réduire les émissions. Parmi ces facteurs, on peut citer la mise en œuvre de politiques climatiques plus efficaces et l’impact des prix élevés de l’énergie. Ce dernier a encouragé une utilisation plus efficace des ressources, favorisé l’intégration de technologies durables dans différents secteurs économiques et a entraîné une réduction significative tant des heures de fonctionnement que des MWh annuels produits à partir de gaz naturel dans les centrales à cycle combiné et de cogénération en Catalogne⁵.

Ce comportement concorde et complète d’autres données dont nous disposons à partir de diverses sources et qui aident à comprendre le contexte global de la transition énergétique en Catalogne. Un exemple notable serait le cas de l’intensité énergétique, un indicateur clé dans l’industrie qui mesure la quantité d’énergie nécessaire pour générer un euro de produit. Cette donnée est particulièrement pertinente car elle offre une vision quantitative de l’évolution de l’économie catalane dans l’utilisation des ressources énergétiques en relation avec son activité productive. L’intensité énergétique est calculée en divisant le PIB annuel du secteur industriel catalan par la consommation énergétique de ce secteur. Dans le cas de la Catalogne, si nous calculons ce paramètre à partir des données annuelles de l’IDESCAT pour la période 2003-2022, nous obtenons que l’intensité énergétique de l’industrie catalane a connu une diminution notable, passant de 1,46 kWh/€ en 2003 à 0,78 kWh/€ en 2022. Cela est cohérent avec ce que nous avons obtenu de l’analyse des données EDGAR, qui montrent que, ces dernières années, les émissions annuelles de CO₂e en Catalogne diminuent à un rythme soutenu.

Ainsi, une fois établi que la Catalogne semble faire partie des 30 % de régions identifiées par l’étude de l’Université de Potsdam, nous pouvons envisager de terminer cette analyse par une prévision à court terme du comportement des émissions de CO₂e, fondée sur les données annuelles disponibles⁶.

Comme on peut l’observer dans le Graphique 1, les données montrent un comportement explicitement non linéaire des émissions de CO₂e lors des 34 dernières années. Dans ce contexte, pour faire une prédiction à court terme, la régression quadratique a été considérée comme une option appropriée comme première approximation pour modéliser le système et estimer l’évolution des émissions dans les prochaines années⁷. Cependant, il est toujours important de garder à l’esprit que la régression quadratique, bien qu’elle soit utile pour analyser et comprendre le comportement historique des données, n’est pas le modèle le plus adapté pour des prédictions précises, car, par sa structure ou sa nature mathématique, elle n’intègre pas la composante aléatoire des facteurs externes qui pourraient significativement influencer les résultats. Néanmoins, il est important de souligner, même si cela semble redondant, que la régression quadratique a été choisie parce qu’elle est une technique simple et efficace pour modéliser des relations non linéaires entre deux variables : une variable indépendante (X, dans ce cas, les années, qui servent de cadre temporel) et une variable dépendante (Y, les émissions de CO₂e). Ce modèle statistique permet d’identifier des tendances générales et de prédire, à condition qu’il n’y ait pas de changements conjoncturels importants, comment la tendance des émissions pourrait évoluer en Catalogne à court terme⁸.

Pour réaliser cette prévision des émissions de CO₂ équivalent dans les prochaines années, les données issues d’EDGAR sont organisées en trois périodes afin de déterminer si les tendances sont cohérentes sur l’ensemble de ces périodes ou, au contraire, d’identifier des différences significatives dans le comportement du modèle. Les périodes étudiées sont les suivantes :

• 1990-2023 : Une analyse à long terme pour comprendre les tendances globales.
• 2014-2023 : Une analyse à moyen terme, centrée sur l’impact des politiques mises en place après la crise des subprimes.
• 2019-2023 : Une analyse à court terme pour capter les changements les plus récents.

Pour ceux qui souhaitent approfondir les calculs et les bases mathématiques de la régression quadratique ainsi que l’évaluation de la qualité de ce modèle statistique, je propose un lien détaillant ces méthodes mathématiques d’analyse de données.

Enfin, pour connaître la tendance probable des émissions de CO₂ équivalentes en Catalogne, une régression quadratique a été réalisée pour chaque période définie. L’objectif de cette méthode est d’identifier, à partir des données réelles, les paramètres que nous appellerons ‘a’ et ‘b’ d’une fonction parabolique qui s’ajuste au mieux aux données et minimise l’erreur entre les valeurs réelles et les prédictions du modèle, conformément à l’équation suivante :

---

---

Sur la base des régressions quadratiques réalisées pour chaque période définie et en utilisant les données d’émissions de CO₂e pour la Catalogne, les valeurs suivantes des paramètres ‘a’ et ‘b’ ont été obtenues pour chaque période :

Période	a	b
1990-2023	-48,47	1.958,73
2014-2023	-187,76	1.739,42
2019-2023	-311,14	175,80

Une fois les modèles de régression quadratique calculés, il était indispensable de valider les résultats avant d’interpréter les valeurs obtenues. Cette validation est essentielle pour garantir que les modèles s’ajustent correctement aux données réelles et qu’ils peuvent être utilisés de manière fiable pour effectuer des prédictions. Dans ce cas, deux indicateurs statistiques couramment utilisés ont été appliqués : le coefficient de détermination (R²) et la racine de l’erreur quadratique moyenne (RMSE)⁹.

Ainsi, à partir des paramètres ‘a’ et ‘b’ obtenus pour chaque régression quadratique et après calcul du coefficient de détermination (R²) et de la racine de l’erreur quadratique moyenne (RMSE) pour chacune d’elles, les résultats sont les suivants :

Période	a (quadratique)	b (linéal)	R²	RMSE
1990-2023	-48,47	1958,73	0,799	2776,6
2014-2023	-187,76	1739,42	0,948	323,65
2019-2023	-317,14	175,80	0,999	12,82

Que nous disent ces résultats ?

---

Période 1990-2023

Au cours de cette longue période, le coefficient a = −48,47 reflète une légère décélération dans la tendance générale des émissions au fil du temps. En revanche, le coefficient b = 1958,73 indique une croissance initiale significative, avec des augmentations annuelles notables durant les premières années. Cela montre qu’au début, les émissions ont augmenté à un rythme soutenu, mais cette croissance s’est progressivement modérée, probablement en raison de facteurs tels que la mise en œuvre de mesures environnementales et les changements économiques au fil du temps.

En ce qui concerne la validation du modèle, le coefficient de détermination R² = 0,799 indique que le modèle explique 79,9 % de la variabilité des émissions réelles, ce qui représente un bon ajustement global. Cependant, il reste 20 % de variabilité non expliquée, ce qui est compréhensible sur une période aussi longue, où de nombreux facteurs externes, comme le Protocole de Kyoto, l’Accord de Paris, les crises économiques et les avancées technologiques, ont influencé les émissions sans être représentés dans le modèle. La valeur RMSE = 2776,60 kt CO₂e indique une déviation moyenne modérée entre les prédictions et les valeurs réelles. Ce résultat est acceptable, compte tenu du fait que la période inclut de très différentes étapes : croissance, stabilisation et diminution.

En conséquence, il est évident que les émissions ne suivent pas une trajectoire strictement quadratique, car la réalité est influencée par des variabilités complexes et des cycles économiques et environnementaux. Néanmoins, comme première approche pour identifier les tendances futures, le modèle est approprié et remplit sa fonction avec une précision raisonnable.

Période 2014-2023

Dans cette période plus courte et récente, le coefficient a = −187,76 reflète une décélération beaucoup plus prononcée que durant la période précédente, suggérant des changements significatifs avec une tendance claire à la baisse des émissions. Le coefficient quadratique négatif indique ce changement, tandis que le coefficient b = 1739,42 montre que, bien que les augmentations initiales des émissions aient été modérées, elles se sont progressivement atténuées grâce au composant quadratique. Ce comportement démontre une tendance claire à la réduction des émissions, probablement soutenue par des politiques climatiques plus strictes et des avancées technologiques dans les processus de production.

Concernant la validation du modèle, le coefficient de détermination R² = 0,948 indique un ajustement nettement meilleur que pour la période 1990-2023, expliquant 94,8 % de la variabilité des émissions réelles. Cela montre que la trajectoire du modèle est cohérente avec les données et est moins affectée par des facteurs externes ou aléatoires. De plus, la valeur RMSE = 323,65 kt CO₂e, nettement inférieure à celle de la période précédente, renforce l’idée de la précision du modèle sur cette période, avec des tendances claires et cohérentes.

Période 2019-2023

Cette dernière période, la plus courte des trois, présente le coefficient a = −311,14, la valeur la plus élevée parmi toutes les périodes analysées, ce qui indique une décélération très forte et significative des émissions de CO₂e. Le coefficient b = 175,80, le plus bas de toutes les périodes, montre que la croissance linéaire initiale des émissions est pratiquement inexistante. Cela souligne que la réduction des émissions est fortement influencée par le composant quadratique du modèle.

En termes de validation, le coefficient de détermination R² = 0,999 reflète un ajustement presque parfait, modélisant pratiquement 100 % de la variabilité des émissions pendant cette période. Ce niveau de précision s’explique en partie par le faible nombre de données disponibles et par le fait que celles-ci suivent une trajectoire descendante claire et cohérente, ce qui facilite la précision du modèle. Concernant la valeur RMSE = 12,82 kt CO₂e, elle est la plus faible de toutes les périodes, confirmant que les prévisions sont très proches des valeurs réelles. Cependant, cette précision apparente doit être interprétée avec prudence : avec si peu de points de données, tout changement conjoncturel pourrait significativement modifier les tendances futures suggérées par le modèle. Malgré ces limites, le modèle suggère que les émissions pourraient continuer à diminuer à un rythme modéré dans les prochaines années.

---

Conclusions finales

Une fois les données analysées, les résultats montrent que, actuellement, la Catalogne suit une trajectoire positive dans la réduction des émissions de CO₂e, avec une baisse nettement accélérée ces dernières années. Tant le modèle à long terme (1990–2023) que les plus récents (2014–2023 et 2019–2023) indiquent que la tendance actuelle à la baisse des émissions de CO₂e pourrait se maintenir dans les années à venir, au moins à court terme.

Ce comportement peut être compris comme le résultat d’une combinaison de facteurs clés : d’une part, l’application de politiques climatiques plus strictes, et d’autre part, l’impact de l’augmentation des prix de l’énergie. Ces éléments ont encouragé, ces dernières années, une utilisation plus efficace des ressources et ont favorisé l’intégration de technologies durables dans différents secteurs économiques, en particulier dans de nombreux processus de production industrielle.

Ces résultats sont cohérents avec d’autres données disponibles provenant de différentes sources documentaires, telles que la valeur de l’intensité énergétique en Catalogne. L’intensité énergétique est un paramètre qui, dans l’industrie, mesure la quantité d’énergie nécessaire pour générer un euro de produit. Cette donnée fournit une vision claire de l’utilisation des ressources énergétiques de l’industrie d’un pays en relation avec son activité productive. Dans le cas de la Catalogne, si nous calculons ce paramètre à partir des données annuelles de l’IDESCAT sur le PIB du secteur industriel catalan et sa consommation énergétique, nous constatons que, pendant la période 2003-2022, l’intensité énergétique de l’industrie catalane a connu une diminution notable, passant de 1,46 kWh/€ en 2003 à 0,78 kWh/€ en 2022. Ce résultat est cohérent avec l’analyse des données EDGAR, qui ont montré que, ces dernières années, les émissions annuelles de CO₂e en Catalogne ont diminué de manière régulière.

Il semble donc clair que le rythme actuel de réduction des émissions en Catalogne est positif. Cependant, des défis importants restent à relever. En examinant les statistiques de production d’électricité, on constate qu’une réduction substantielle de la production d’électricité à partir de gaz naturel a été enregistrée de 2020 à 2023, principalement en raison de l’augmentation des prix du gaz. Néanmoins, en 2023, les centrales à cycle combiné, les installations de cogénération et les centrales nucléaires restaient les principaux contributeurs au mix énergétique de la Catalogne, représentant 73,65 % de la production énergétique totale. En revanche, les sources d’énergie renouvelable, telles que l’hydroélectricité, le solaire, l’éolien et la biomasse, n’ont contribué qu’à hauteur de 15,36 %. Ce déséquilibre met en évidence la nécessité de redoubler d’efforts pour diversifier les sources d’énergie et réduire la dépendance aux combustibles fossiles. L’augmentation de l’utilisation des énergies renouvelables sera cruciale pour parvenir à un modèle énergétique plus durable à l’avenir.

Par conséquent, pour maintenir le rythme annuel de réduction des émissions de CO₂e observé ces trois dernières années, il sera nécessaire de mettre en œuvre des actions plus ambitieuses afin d’accélérer encore les progrès et de respecter les engagements européens pour 2030. Dans ce contexte, l’adoption de politiques de transition énergétique plus ambitieuses dans les années à venir est essentielle. Ces politiques devraient activement promouvoir l’utilisation des énergies renouvelables, encourager l’électrification des transports et continuer à renforcer l’efficacité énergétique dans les secteurs industriel, résidentiel et des services.

La transition énergétique est un processus continu qui nécessite une innovation constante et une collaboration étroite entre tous les acteurs sociaux. La coopération entre les administrations publiques, les entreprises et les citoyens sera fondamentale pour atteindre les objectifs du Pacte Vert Européen et garantir un avenir durable pour les générations présentes et futures.

---

---

1. EDGAR est une base de données mondiale, indépendante et multifonctionnelle sur les émissions anthropiques de gaz à effet de serre et la pollution atmosphérique sur Terre. EDGAR fournit des estimations d’émissions indépendantes par rapport à celles rapportées par les États membres de l’Union européenne ou par les parties à la Convention cadre des Nations Unies sur les changements climatiques (CCNUCC), en s’appuyant sur des statistiques internationales et une méthodologie cohérente de l’IPCC. Bien qu’EDGAR soit très complet, elle se concentre sur les gaz ayant un potentiel de réchauffement direct et sur des données disponibles de manière cohérente et globale. Les gaz rares, les composés organiques complexes et les émissions secondaires peuvent ne pas être inclus de manière détaillée ou uniforme. https://edgar.jrc.ec.europa.eu ↩︎
2. Il est important de souligner que les données de la base EDGAR (Emissions Database for Global Atmospheric Research), largement utilisées pour des estimations globales, peuvent ne pas correspondre exactement aux données régionales officielles, comme celles fournies par la Generalitat de Catalogne. Les divergences entre les estimations des émissions de gaz à effet de serre (GES) fournies par la base de données EDGAR et les données officielles de la Generalitat de Catalogne sont principalement dues à des différences dans les méthodologies de calcul et les sources d’information utilisées par les deux entités.
   
   Par exemple, en 2005, EDGAR estime que la Catalogne a émis 46 385 kt de CO₂ équivalent (CO₂e), tandis que la Generalitat de Catalogne calcule 56 990 kt CO₂e.
   
   EDGAR (Emissions Database for Global Atmospheric Research) élabore des estimations globales à partir de données statistiques sur les activités humaines, telles que la combustion de combustibles fossiles, les processus industriels, l’agriculture et la gestion des déchets. Ces données sont complétées par des facteurs d’émission standard et des informations satellitaires pour améliorer la répartition spatiale des émissions, mais pas pour leur mesure directe.
   
   https://edgar.jrc.ec.europa.eu/methodology
   
   La Generalitat de Catalogne, à travers l’Office Catalan du Changement Climatique (OCCC), suit les directives établies par le Groupe d’experts intergouvernemental sur l’évolution du climat (GIEC) et s’aligne sur des normes internationales telles que la norme ISO 14064-1. La méthodologie catalane repose sur la différenciation des émissions entre :
   
   Celles réglementées par le système d’échange de quotas d’émission (ETS) : secteurs tels que la production d’énergie, les installations industrielles à forte consommation énergétique (comme le ciment, le papier, la céramique et l’acier) et l’aviation civile.
   
   Les émissions diffuses (hors-ETS) : secteurs comme le transport, l’agriculture, les bâtiments et les déchets.
   
   Cette méthodologie est détaillée dans le « Guide pratique pour le calcul des émissions de gaz à effet de serre (GES) » et est complétée par des outils tels que le « Calculateur d’émissions de GES ».
   
   https://govern.cat/salapremsa/notes-premsa/507322/accio-climatica-actualitza-la-seva-calculadora-d-emissions-de-gasos-amb-efecte-d-hivernacle
   
   https://govern.cat/salapremsa/notes-premsa/507322/accio-climatica-actualitza-la-seva-calculadora-d-emissions-de-gasos-amb-efecte-d-hivernacle
   
   Malgré les différences entre les données d’EDGAR et celles de la Generalitat de Catalogne, l’utilisation de l’une ou l’autre source pour analyser les tendances des émissions et évaluer l’efficacité des politiques climatiques, comme cela est fait dans cet article, ne compromet ni la validité des calculs ni les conclusions. L’aspect le plus important est d’utiliser de manière cohérente une même source de données au fil du temps. Cela garantit que, quelle que soit la valeur absolue fournie par la source choisie, l’évolution annuelle des émissions puisse être analysée de manière claire et cohérente. Cette approche permet de déterminer si un territoire réduit effectivement ses émissions, sans que les différences méthodologiques dans la collecte ou le calcul des données altèrent qualitativement les conclusions de l’analyse. ↩︎
3. Les gaz F, ou gaz fluorés, sont un groupe de gaz à effet de serre comprenant les hydrofluorocarbures (HFC), les perfluorocarbures (PFC), l’hexafluorure de soufre (SF₆) et le trifluorure d’azote (NF₃). ↩︎
4. Équivalent CO₂ (CO₂e) – Le CO₂e, ou équivalent dioxyde de carbone, est une unité de mesure utilisée pour comparer les émissions de différents gaz à effet de serre en fonction de leur potentiel de réchauffement global (GWP, en anglais). Cette unité exprime l’impact climatique de divers gaz en termes de l’effet qu’aurait la même quantité de dioxyde de carbone (CO₂) dans l’atmosphère. Le CO₂e facilite la comparaison et la quantification des émissions de gaz ayant des potentiels de réchauffement différents, tels que le méthane (CH₄), le protoxyde d’azote (N₂O) ou les gaz fluorés, chacun ayant une capacité différente à retenir la chaleur dans l’atmosphère. Par exemple, le méthane a un GWP de 28, ce qui signifie qu’une tonne de méthane émise dans l’atmosphère équivaut à 28 tonnes de CO₂e. De même, le protoxyde d’azote a un GWP de 268, ce qui signifie qu’une tonne de ce gaz équivaut à 268 tonnes de CO₂e. Ce système permet d’agréger et de comparer facilement les émissions de gaz différents. ↩︎
5. Selon les données statistiques de Red Eléctrica https://www.ree.es/es/datos/generacion/estructura-generacion et de l’Institut Catalan de l’Énergie (ICAEN) https://icaen.gencat.cat/ca/energia/estadistiques/resultats/anuals/balanc_energia/. ↩︎
6. Un point crucial concernant le traitement des données : pour une analyse précise, j’ai décidé d’exclure les données de l’année 2020. Cette année, marquée par la pandémie de COVID-19, a connu une baisse anormale des émissions. Inclure cette valeur, en dehors de la plage habituelle, pourrait introduire un biais significatif dans les résultats et affecter les prévisions de tendances futures. ↩︎
7. L’utilisation du lissage exponentiel de Brown a également été envisagée comme une alternative à la régression quadratique, car cette méthode est particulièrement adaptée aux données non stationnaires présentant une tendance, comme les émissions de CO₂e. De plus, le modèle de Brown permettrait de détecter des tendances possibles à court et moyen terme de manière plus dynamique, car il s’adapte mieux aux récents changements des données. Cependant, les métriques d’évaluation du modèle ont confirmé que la régression quadratique offre une représentation précise du comportement global des données disponibles. Par conséquent, pour les objectifs de cet article, la régression quadratique a été jugée la technique la plus appropriée comme première approche. ↩︎
8. Il est important de souligner que ce modèle de prévision par régression quadratique présente des limites importantes, car il n’inclut pas une recherche exhaustive ni une analyse multivariée permettant d’établir avec certitude des relations causales entre les facteurs économiques, industriels et législatifs et les tendances détectées. L’implémentation d’un modèle plus complexe serait pertinente pour une étude plus approfondie abordant en détail la complexité des facteurs influençant les émissions de CO₂. ↩︎
9. Le R² et le RMSE sont deux outils largement utilisés en statistique pour évaluer la qualité d’un modèle mathématique. Le R² (coefficient de détermination) indique quelle part de la variabilité des données réelles est expliquée par le modèle. Une valeur proche de 1 signifie que le modèle explique très bien les données, tandis qu’une valeur proche de 0 indique une faible relation entre le modèle et les données réelles. En revanche, le RMSE (Racine de l’erreur quadratique moyenne) mesure, en moyenne, l’erreur du modèle dans ses prédictions. Exprimé dans les mêmes unités que les données, le RMSE montre à quel point les prédictions du modèle s’écartent des valeurs réelles. En d’autres termes, le R² nous aide à comprendre « à quel point le modèle explique bien les données réelles », tandis que le RMSE indique « à quel point ses prédictions sont précises ». Pour garantir que les modèles reflètent la réalité et peuvent prédire de manière crédible les tendances des émissions de CO₂e dans les années à venir, il est essentiel d’obtenir un R² élevé et un RMSE faible. ↩︎