Consommation d'énergie par cycle
L'énergie consommée par le four lors d'un cycle de cuisson standard
Fours
Comparez les fours encastrables ou posables selon leur volume, leur mode de nettoyage, leur consommation par cycle, leur éco-score et leur prix pour limiter le coût d'usage et l'impact environnemental.
Critères disponibles pour Fours
Chaque critère est pondéré afin de mettre en avant les signaux les plus utiles pour comparer les Fours.
Garantie
Durée de garantie du produit
Poids de l'objet
Le poids de l'objet
Qualité de la donnée
Complétude des données produit
Classe énergétique
La classe énergétique
Impact Score Nudger
Cette page détaille les critères et pondérations utilisés pour évaluer l'impact environnemental de cette catégorie.
Comprendre notre méthodologie globaleTransparence et traçabilité
Revue critique
La revue critique n'est pas encore disponible.
En discuter
La définition de l'Impact Score Fours est disponible sur GitHub. Partagez vos retours ou proposez des ajustements.
Synthèse des coefficients
Comparaison entre la proposition générée par l'IA et les coefficients actuellement appliqués.
| Nom du critère | Coef. proposé | Coef. appliqué |
|---|---|---|
| Consommation d'énergie par cycle | — | 0.35 |
| Durée de garantie | — | 0.20 |
| Poids | — | 0.10 |
| Qualité de la donnée | — | 0.15 |
| Classe énergétique | — | 0.20 |
Ressources ouvertes
Méthodologie open-source
Consultez nos dépôts publics pour suivre l'amélioration de l'Impact Score des Fours.
Découvrir notre démarche open-sourceDonnées ouvertes
Accédez aux jeux de données qui alimentent l'Impact Score des Fours et réutilisez-les pour vos analyses.
Explorer l'espace donnéesAudit de génération IA
Audit des prompts et réponses qui ont servi à configurer l'Impact Score des Fours.
Prompt YAML générateur
Instructions envoyées au modèle pour produire la configuration.
---
key: "impactscore-generation"
aiService: "GEMINI"
systemPrompt: "Tu es un agent expert en évaluation environnementale des produits électriques et electroniques.\nAdopte une démarche d'expert en analyse du cycle de vie des produits.\nNous allons travailler sur des Fours\nNe fournir en réponse que du JSON, conformément à la structure indiquée, sans commentaire, ni texte supplémentaire\n\n. En complément du schéma JSON, voici les instructions concernant chaque champs que tu dois fournir.\nuseCase : Le cas d'usage (ex: consumer_comparison)\ngeoScope : Le périmètre géographique (ex: EU/France)\nvertical : Le nom de la verticale\navailableCriterias : La liste des critères disponibles\npositioning : Positionnement du score (relatif vs absolu)\nreferenceLifetime : Durée de vie de référence du produit\ngapAnalysis : Analyse des écarts entre ACV absolue et score relatif\nweightingMethod : Méthodologie de pondération utilisée\ncriteriaWeights : Liste des pondérations pour chaque critère\nnormalizationNotes : Notes sur la normalisation des scores\nqualityChecks : Vérifications de cohérence (somme des poids, exhaustivité)\nmaterialitySummary : Synthèse de la matérialité environnementale\nsources : Liste exhaustive des sources consultées\nsearchLog : Journal des recherches effectuées\n"
userPrompt: "\n## Ton rôle\n## Ton rôle\nTu es un agent expert en analyse du cycle de vie (ACV) et en évaluation environnementale des produits électriques et électroniques, orienté “comparaison grand public” (UE/France).\nTu as accès à une fonction de recherche web (search) : tu DOIS l'utiliser pour fonder tes décisions sur des sources de référence (normes, régulations, agences publiques, littérature académique, méthodologies reconnues).\nNe JAMAIS inventer de source. Inclure uniquement des sources primaires validées et réellement utilisées.\n\nNous allons travailler sur des Fours.\n\nContrainte de sortie : Ne fournir en réponse QUE du JSON, conformément à la structure demandée, sans commentaire, ni texte supplémentaire.\n\n---\n\n## Contexte & objectif : Eco-score “comparaison grand public” pour les Fours\n\nTu vas définir une pondération (weights) pour construire un Eco-score destiné à comparer des Fours entre eux (marché UE/France).\nCe score est un indice relatif “ACV best-effort” :\n- Inspiré des principes ACV (matérialité sur le cycle de vie, catégories d'impact, unité fonctionnelle),\n- MAIS il ne prétend pas fournir une empreinte absolue auditée type “bilan produit”.\nTu dois explicitement analyser et documenter (dans le JSON) l'écart “ACV absolue vs score relatif”, et comment tes choix de pondération réduisent les biais.\n\nLes facteurs disponibles sont :\n OVEN_ENERGY_CONSUMPTION_CYCLE : L'énergie consommée par le four lors d'un cycle de cuisson standard\n WARRANTY : Durée de garantie du produit\n DATA_QUALITY : DATA_QUALITY\n WEIGHT : Le poids de l'objet\n CLASSE_ENERGY : La classe énergétique\n\n\nTon travail : proposer des poids robustes, “literature-first”, anti-double-comptage, et adaptés à la comparaison grand public.\n\n---\n\n## Principes de fonctionnement (non négociables)\n\n1) Relativisation des facteurs (ranking)\n- Chaque facteur est représenté de manière relative, sous forme de classement.\n- Meilleur produit sur ce facteur : 100/100 ; pire : 0/100.\n\n2) Virtualisation des scores manquants\n- Si un facteur est absent, appliquer la valeur moyenne de ce facteur sur l'ensemble des produits.\n- DATA_QUALITY doit avantager la transparence (produits mieux documentés) sans écraser la matérialité environnementale.\n\n3) Somme des coefficients\n- La somme des poids doit être égale à 1 (après renormalisation).\n\n4) Normalisation statistique des attributs bruts (méthodo interne)\n- Les attributs bruts sont normalisés sur 0 à 5 avant agrégation :\n - Sigma scoring par défaut (μ, σ ; intervalle [μ-2σ, μ+2σ], μ -> 2.5/5, cap à 0 et 5)\n - Fallback percentile (mid-rank) si distribution “low entropy”\n - Min / max Fixed, ou sur les valeurs observées\nTu ne codes pas l'algorithme, mais tu DOIS en tenir compte pour justifier la pondération (robustesse, sensibilité, outliers, buckets).\n\n---\n\n## Exigences “search & sources” (obligatoires)\n\nA) Priorité des sources (ordre)\n1. Agences publiques / institutions (UE/France), documentation officielle, régulations\n2. Normes et méthodes (ISO 14040/14044, PEF / JRC, guides d'affichage environnemental si pertinent)\n3. Publications académiques (revues, méta-analyses, ACV comparatives par catégorie produit)\n4. Méthodologies reconnues de scoring grand public (ex : docs publiques de systèmes d'éco-score) uniquement en complément, jamais comme base unique\n\nB) “Literature-first weighting”\n- Les poids doivent refléter la matérialité ACV typique des Fours (fabrication vs usage vs fin de vie) et l'importance de la durée de vie.\n\nC) Sources exhaustives + citations inline\n- Toute justification non triviale doit citer [S1], [S2]... inline dans les champs texte.\n- Fournir \"search_log\" avec les requêtes.\n\nD) Durée de vie de référence (OBLIGATOIRE)\n- Tu DOIS rechercher et proposer une durée de vie / durée d'usage de référence pour la catégorie Fours (UE/France si possible), avec sources.\n- Si plusieurs valeurs existent, fournir une plage + une valeur “référence” et expliquer le choix.\n\n---\n\n## Contraintes de pondération (engineering)\n\n1) Anti double-comptage / redondances\n- Identifier les critères fortement corrélés (ex : classe énergie vs conso ; tailles vs conso ; etc.).\n- Expliquer la stratégie (regroupement “bloc énergie”, réduction de poids redondants, etc.).\n- Tous les critères doivent avoir une pondération > 0. En cas de criteres correlé, veille a coreller la répartition dans la ponderation de ces critères \n\n2) DATA_QUALITY et ESG (volontairement rehaussés)\n- Proposer un poids DATA_QUALITY plus élevé que dans une pondération purement “ACV classique”, MAIS :\n Le DATA-QUALITY est un score qui compnse le principe de virtualisation, attribuant des valeurs moyennes aux criteres absents, il doit donc être conséquent avant de ne pas avanteger les produits disposant de peu de données.\n - justifier ce choix : incitation à la transparence (vu l'imputation moyenne) + prise en compte sociétale,\n - poser des garde-fous : ces poids ne doivent pas permettre à un produit très énergivore d'être “sauvé” uniquement par ESG/DATA_QUALITY.\n- Mentionner explicitement le lien avec l'imputation des données manquantes (moyenne) et l'effet attendu.\n\n3) Pertinence par vertical\n- Tout critère peut être pondéré à 0 s'il est non pertinent ou redondant, mais tu DOIS l'expliquer.\n\n4) Renormalisation\n- Définir une règle simple de renormalisation si certains critères ont un poids à 0.\n\n5) Echelle de valeur\n - La somme des pondérations doit TOUJOURS être égal à 1, afin de refleter la part relative de chaque critère dans le score obtenu\n\n6) Présence de tous les criteres \nTous les critères définis dans availableImpactScoreCriterias: doivent être évalués et participer à la configuration de sortie. Si ils ne sont pas pertinents, coefficienter à 0. \n---\n\n## Format JSON attendu (STRICT)\n\nTa réponse doit être un unique objet JSON, avec ces clés exactes :\n\n{\n \"use_case\": \"consumer_comparison\",\n \"geo_scope\": \"EU/France\",\n \"vertical\": \"Fours\",\n \"available_criterias\": OVEN_ENERGY_CONSUMPTION_CYCLE : L'énergie consommée par le four lors d'un cycle de cuisson standard\n WARRANTY : Durée de garantie du produit\n DATA_QUALITY : DATA_QUALITY\n WEIGHT : Le poids de l'objet\n CLASSE_ENERGY : La classe énergétique\n,\n\n \"positioning\": {\n \"claim\": \"relative LCA-inspired score (ACV best-effort) for within-category comparison\",\n \"not_an_absolute_footprint\": true,\n \"what_it_means_for_users\": \"Explication courte et sourcée. [Sx]\"\n },\n\n \"reference_lifetime\": {\n \"lifetime_years_reference\": 0,\n \"lifetime_years_range\": {\"min\": 0, \"max\": 0},\n \"rationale\": \"Justification sourcée, UE/FR si possible. [Sx]\",\n \"citations\": [\"S1\"]\n },\n\n \"gap_analysis_absolute_vs_relative\": {\n \"what_is_missing_vs_full_lca\": \"Inventaires complets, frontières système, unité fonctionnelle détaillée, etc. [Sx]\",\n \"why_relative_is_still_useful\": \"Comparaison marché, robustesse, lisibilité. [Sx]\",\n \"mitigations\": [\n \"Anchor weights on LCA literature for lifecycle stage contributions [Sx]\",\n \"Avoid double counting and document overlaps [Sx]\",\n \"Raise DATA_QUALITY because missing data is imputed to mean (transparency incentive) [Sx]\"\n ]\n },\n\n \"weighting_method\": {\n \"approach\": \"evidence-weighted materiality + redundancy control + consumer comparability\",\n \"key_principles\": [\n \"literature-first weighting\",\n \"lifecycle materiality for Fours\",\n \"anti double-counting\",\n \"robustness to outliers (sigma scoring) and discrete buckets (percentile fallback)\",\n \"missing data virtualization + DATA_QUALITY incentive\",\n \"ESG/brand sustainability included with guardrails\"\n ],\n \"assumptions\": [\n {\n \"assumption\": \"...\",\n \"why_it_matters\": \"...\",\n \"citations\": [\"S1\"]\n }\n ]\n },\n\n \"criteria_weights\": [\n {\n \"criterion\": \"CRITERION_NAME_FROM_AVAILABLE_LIST\",\n \"weight\": 0.0,\n \"directionality\": \"higher_is_better|lower_is_better|categorical\",\n \"impact_dimensions\": [\"climate\", \"resource_use\", \"toxicity\", \"water\", \"circularity\", \"social\", \"other\"],\n \"rationale\": \"Texte court, concret, et sourcé. Citations inline [Sx].\",\n \"overlap_notes\": \"Redondances + stratégie anti-double comptage. [Sx]\",\n \"guardrails\": \"Si ESG/DATA_QUALITY, préciser le garde-fou. [Sx]\",\n \"evidence_strength\": {\"level\": \"high|medium|low\", \"why\": \"Justification sourcée. [Sx]\"}\n }\n ],\n\n \"normalization_notes\": {\n \"relative_ranking_0_100\": \"Rappel et implications. [Sx]\",\n \"sigma_scoring_0_5\": \"Résumé opérationnel et impact sur la robustesse. [Sx]\",\n \"percentile_fallback\": \"Quand/pourquoi. [Sx]\",\n \"missing_value_virtualization\": \"Moyenne + rôle de DATA_QUALITY. [Sx]\"\n },\n\n \"quality_checks\": {\n \"criteria_weights_complete\": true,\n \"weights_sum_to_1\": true,\n \"sum_value\": 1.0,\n \"unused_or_zero_weight_criterias\": [],\n \"renormalization_rule_if_needed\": \"Phrase simple (sans code).\"\n },\n\n \"materiality_summary\": {\n \"dominant_lifecycle_stages_for_vertical\": [\"manufacturing\", \"use_phase\", \"distribution\", \"end_of_life\"],\n \"short_summary\": \"Synthèse sourcée des postes dominants et implication sur les poids. [Sx]\"\n },\n\n \"sources\": [\n {\n \"id\": \"S1\",\n \"type\": \"standard|regulation|public_agency|peer_reviewed|industry_methodology|other\",\n \"title\": \"...\",\n \"authors_or_org\": \"...\",\n \"year\": 2026,\n \"publisher\": \"...\",\n \"url\": \"...\",\n \"accessed_date\": \"YYYY-MM-DD\",\n \"reliability\": \"high|medium|low\",\n \"used\": true,\n \"used_for\": [\"lifetime reference\", \"energy materiality\", \"data quality rationale\"],\n \"notes\": \"1-2 phrases max.\"\n }\n ],\n\n \"search_log\": [\n {\"query\": \"...\", \"date\": \"YYYY-MM-DD\", \"notes\": \"Pourquoi cette requête.\"}\n ]\n}\n\nRègles supplémentaires :\n- \"criteria_weights\" doit contenir TOUS les critères de OVEN_ENERGY_CONSUMPTION_CYCLE : L'énergie consommée par le four lors d'un cycle de cuisson standard\n WARRANTY : Durée de garantie du produit\n DATA_QUALITY : DATA_QUALITY\n WEIGHT : Le poids de l'objet\n CLASSE_ENERGY : La classe énergétique\n (même si weight=0) pour l'exhaustivité.\n- Les poids doivent être décimaux. Corriger toute dérive pour que la somme fasse exactement 1.0 (tolérance 1e-6).\n- Toute justification non triviale doit inclure des citations inline [Sx].\n- La liste \"sources\" doit être exhaustive des sources consultées via search (used=false autorisé).\n"
retrievalMode: "MODEL_WEB_SEARCH"
jsonSchema: "{\n \"$schema\" : \"https://json-schema.org/draft/2020-12/schema\",\n \"type\" : \"object\",\n \"properties\" : {\n \"available_criterias\" : {\n \"type\" : \"array\",\n \"items\" : {\n \"type\" : \"string\"\n }\n },\n \"criteria_weights\" : {\n \"type\" : \"array\",\n \"items\" : {\n \"type\" : \"object\",\n \"properties\" : {\n \"criterion\" : {\n \"type\" : \"string\"\n },\n \"directionality\" : {\n \"type\" : \"string\"\n },\n \"evidence_strength\" : {\n \"type\" : \"object\",\n \"properties\" : {\n \"level\" : {\n \"type\" : \"string\"\n },\n \"why\" : {\n \"type\" : \"string\"\n }\n },\n \"required\" : [ \"level\", \"why\" ],\n \"additionalProperties\" : false\n },\n \"guardrails\" : {\n \"type\" : \"string\"\n },\n \"impact_dimensions\" : {\n \"type\" : \"array\",\n \"items\" : {\n \"type\" : \"string\"\n }\n },\n \"overlap_notes\" : {\n \"type\" : \"string\"\n },\n \"rationale\" : {\n \"type\" : \"string\"\n },\n \"weight\" : {\n \"type\" : \"number\"\n }\n },\n \"required\" : [ \"criterion\", \"directionality\", \"evidence_strength\", \"guardrails\", \"impact_dimensions\", \"overlap_notes\", \"rationale\", \"weight\" ],\n \"additionalProperties\" : false\n }\n },\n \"gap_analysis_absolute_vs_relative\" : {\n \"type\" : \"object\",\n \"properties\" : {\n \"mitigations\" : {\n \"type\" : \"array\",\n \"items\" : {\n \"type\" : \"string\"\n }\n },\n \"what_is_missing_vs_full_lca\" : {\n \"type\" : \"string\"\n },\n \"why_relative_is_still_useful\" : {\n \"type\" : \"string\"\n }\n },\n \"required\" : [ \"mitigations\", \"what_is_missing_vs_full_lca\", \"why_relative_is_still_useful\" ],\n \"additionalProperties\" : false\n },\n \"geo_scope\" : {\n \"type\" : \"string\"\n },\n \"materiality_summary\" : {\n \"type\" : \"object\",\n \"properties\" : {\n \"dominant_lifecycle_stages_for_vertical\" : {\n \"type\" : \"array\",\n \"items\" : {\n \"type\" : \"string\"\n }\n },\n \"short_summary\" : {\n \"type\" : \"string\"\n }\n },\n \"required\" : [ \"dominant_lifecycle_stages_for_vertical\", \"short_summary\" ],\n \"additionalProperties\" : false\n },\n \"normalization_notes\" : {\n \"type\" : \"object\",\n \"properties\" : {\n \"missing_value_virtualization\" : {\n \"type\" : \"string\"\n },\n \"percentile_fallback\" : {\n \"type\" : \"string\"\n },\n \"relative_ranking_0_100\" : {\n \"type\" : \"string\"\n },\n \"sigma_scoring_0_5\" : {\n \"type\" : \"string\"\n }\n },\n \"required\" : [ \"missing_value_virtualization\", \"percentile_fallback\", \"relative_ranking_0_100\", \"sigma_scoring_0_5\" ],\n \"additionalProperties\" : false\n },\n \"positioning\" : {\n \"type\" : \"object\",\n \"properties\" : {\n \"claim\" : {\n \"type\" : \"string\"\n },\n \"not_an_absolute_footprint\" : {\n \"type\" : \"boolean\"\n },\n \"what_it_means_for_users\" : {\n \"type\" : \"string\"\n }\n },\n \"required\" : [ \"claim\", \"not_an_absolute_footprint\", \"what_it_means_for_users\" ],\n \"additionalProperties\" : false\n },\n \"quality_checks\" : {\n \"type\" : \"object\",\n \"properties\" : {\n \"criteria_weights_complete\" : {\n \"type\" : \"boolean\"\n },\n \"renormalization_rule_if_needed\" : {\n \"type\" : \"string\"\n },\n \"sum_value\" : {\n \"type\" : \"number\"\n },\n \"unused_or_zero_weight_criterias\" : {\n \"type\" : \"array\",\n \"items\" : {\n \"type\" : \"string\"\n }\n },\n \"weights_sum_to_1\" : {\n \"type\" : \"boolean\"\n }\n },\n \"required\" : [ \"criteria_weights_complete\", \"renormalization_rule_if_needed\", \"sum_value\", \"unused_or_zero_weight_criterias\", \"weights_sum_to_1\" ],\n \"additionalProperties\" : false\n },\n \"reference_lifetime\" : {\n \"type\" : \"object\",\n \"properties\" : {\n \"citations\" : {\n \"type\" : \"array\",\n \"items\" : {\n \"type\" : \"string\"\n }\n },\n \"lifetime_years_range\" : {\n \"type\" : \"object\",\n \"properties\" : {\n \"max\" : {\n \"type\" : \"number\"\n },\n \"min\" : {\n \"type\" : \"number\"\n }\n },\n \"required\" : [ \"max\", \"min\" ],\n \"additionalProperties\" : false\n },\n \"lifetime_years_reference\" : {\n \"type\" : \"number\"\n },\n \"rationale\" : {\n \"type\" : \"string\"\n }\n },\n \"required\" : [ \"citations\", \"lifetime_years_range\", \"lifetime_years_reference\", \"rationale\" ],\n \"additionalProperties\" : false\n },\n \"search_log\" : {\n \"type\" : \"array\",\n \"items\" : {\n \"type\" : \"object\",\n \"properties\" : {\n \"date\" : {\n \"type\" : \"string\"\n },\n \"notes\" : {\n \"type\" : \"string\"\n },\n \"query\" : {\n \"type\" : \"string\"\n }\n },\n \"required\" : [ \"date\", \"notes\", \"query\" ],\n \"additionalProperties\" : false\n }\n },\n \"sources\" : {\n \"type\" : \"array\",\n \"items\" : {\n \"type\" : \"object\",\n \"properties\" : {\n \"accessed_date\" : {\n \"type\" : \"string\"\n },\n \"authors_or_org\" : {\n \"type\" : \"string\"\n },\n \"id\" : {\n \"type\" : \"string\"\n },\n \"notes\" : {\n \"type\" : \"string\"\n },\n \"publisher\" : {\n \"type\" : \"string\"\n },\n \"reliability\" : {\n \"type\" : \"string\"\n },\n \"title\" : {\n \"type\" : \"string\"\n },\n \"type\" : {\n \"type\" : \"string\"\n },\n \"url\" : {\n \"type\" : \"string\"\n },\n \"used\" : {\n \"type\" : \"boolean\"\n },\n \"used_for\" : {\n \"type\" : \"array\",\n \"items\" : {\n \"type\" : \"string\"\n }\n },\n \"year\" : {\n \"type\" : \"integer\"\n }\n },\n \"required\" : [ \"accessed_date\", \"authors_or_org\", \"id\", \"notes\", \"publisher\", \"reliability\", \"title\", \"type\", \"url\", \"used\", \"used_for\", \"year\" ],\n \"additionalProperties\" : false\n }\n },\n \"use_case\" : {\n \"type\" : \"string\"\n },\n \"vertical\" : {\n \"type\" : \"string\"\n },\n \"weighting_method\" : {\n \"type\" : \"object\",\n \"properties\" : {\n \"approach\" : {\n \"type\" : \"string\"\n },\n \"assumptions\" : {\n \"type\" : \"array\",\n \"items\" : {\n \"type\" : \"object\",\n \"properties\" : {\n \"assumption\" : {\n \"type\" : \"string\"\n },\n \"citations\" : {\n \"type\" : \"array\",\n \"items\" : {\n \"type\" : \"string\"\n }\n },\n \"why_it_matters\" : {\n \"type\" : \"string\"\n }\n },\n \"required\" : [ \"assumption\", \"citations\", \"why_it_matters\" ],\n \"additionalProperties\" : false\n }\n },\n \"key_principles\" : {\n \"type\" : \"array\",\n \"items\" : {\n \"type\" : \"string\"\n }\n }\n },\n \"required\" : [ \"approach\", \"assumptions\", \"key_principles\" ],\n \"additionalProperties\" : false\n }\n },\n \"required\" : [ \"available_criterias\", \"criteria_weights\", \"gap_analysis_absolute_vs_relative\", \"geo_scope\", \"materiality_summary\", \"normalization_notes\", \"positioning\", \"quality_checks\", \"reference_lifetime\", \"search_log\", \"sources\", \"use_case\", \"vertical\", \"weighting_method\" ],\n \"additionalProperties\" : false\n}"
options:
model: "gemini-2.5-pro"
temperature: 0.2
Réponse du modèle
Résultat JSON de l'IA ayant servi de base à la configuration.
{
"use_case": "consumer_comparison",
"geo_scope": "EU/France",
"vertical": "Fours",
"available_criterias": [
"OVEN_ENERGY_CONSUMPTION_CYCLE",
"WARRANTY",
"DATA_QUALITY",
"WEIGHT",
"CLASSE_ENERGY"
],
"positioning": {
"claim": "relative LCA-inspired score (ACV best-effort) for within-category comparison",
"not_an_absolute_footprint": true,
"what_it_means_for_users": "Score relatif pour comparer des fours entre eux (UE/France) sur des leviers surtout liés à l'énergie à l'usage, complété par durabilité (garantie) et transparence des données. Il s'aligne avec l'importance réglementaire accordée à la consommation d'énergie en phase d'utilisation et aux informations d'étiquetage énergie, sans constituer une empreinte ACV absolue auditée. [S1][S2]"
},
"reference_lifetime": {
"lifetime_years_reference": 12,
"lifetime_years_range": {
"min": 10,
"max": 15
},
"rationale": "Faute de valeur 'four domestique' explicitement harmonisée et publiquement accessible dans les sources consultées ici, on retient une durée de vie de référence de 12 ans (plage 10-15 ans) cohérente avec les ordres de grandeur observés pour les gros appareils ménagers en Europe (catégorie la plus proche en termes de robustesse et d'usage), et avec l'objectif de comparaison grand public. Cette hypothèse sert à pondérer l'importance de la durabilité (WARRANTY) sans prétendre fixer une durée normative unique pour tous les fours. [S3]",
"citations": [
"S3"
]
},
"gap_analysis_absolute_vs_relative": {
"what_is_missing_vs_full_lca": "Une ACV complète (ISO/PEF) exige un inventaire détaillé (BOM/matières, procédés, transport, scénarios d'usage, mix électrique, maintenance/réparation, fin de vie), des frontières système explicites, une unité fonctionnelle (p.ex. ''cuire X repas' sur la durée de vie), des règles d'allocation, et une LCIA multi-impacts complète. Le score relatif ici n'embarque qu'un sous-ensemble de proxys (énergie par cycle, classe énergie, masse, garantie, qualité de données) et ne modélise pas explicitement l'ensemble des flux et scénarios. [S4][S5]",
"why_relative_is_still_useful": "Pour une comparaison grand public au sein d'une même catégorie (fours), un score relatif améliore la lisibilité, limite les biais d'hypothèses absolues (mix électrique, profils d'usage) et se focalise sur les paramètres les plus discriminants et reconnus (énergie à l'usage, information d'étiquette). Il reste pertinent car l'énergie à l'usage est identifiée comme l'aspect environnemental principal pour ces produits dans le cadre ecodesign, ce qui rend un classement relatif sur l'énergie particulièrement informatif. [S1][S2][S4]",
"mitigations": [
"Anchor weights on high-level EU evidence that use-phase energy is the most significant environmental aspect for domestic ovens/hobs/range hoods, and keep the 'energy block' dominant. [S1]",
"Avoid double counting between OVEN_ENERGY_CONSUMPTION_CYCLE and CLASSE_ENERGY by splitting a single energy materiality block into two complementary signals (continuous vs categorical) rather than adding them as independent full-weight drivers. [S2]",
"Raise DATA_QUALITY because missing data is imputed to mean (virtualization); rewarding better documentation reduces the incentive to omit data and aligns with EF/PEF data quality practices (DQR concept), while guardrails keep material impacts (energy/durability) dominant. [S5][S4]"
]
},
"weighting_method": {
"approach": "evidence-weighted materiality + redundancy control + consumer comparability",
"key_principles": [
"literature-first weighting (EU ecodesign/label + EF guidance as primary anchors)",
"lifecycle materiality for Fours: prioritize use-phase energy",
"anti double-counting: treat energy class and per-cycle consumption as one correlated block",
"robustness to outliers via capped normalization (sigma scoring) and discrete bucket handling (percentile fallback for categorical/low-entropy criteria)",
"missing data virtualization to mean + DATA_QUALITY incentive aligned with EF data quality rating practices",
"durability proxy via WARRANTY to reflect lifetime extension and reduced replacement frequency"
],
"assumptions": [
{
"assumption": "L'énergie en phase d'utilisation est le poste environnemental dominant et le plus actionnable pour différencier des fours domestiques, donc la somme des poids liés à l'énergie doit rester majoritaire.",
"why_it_matters": "Cela réduit le risque qu'un produit énergivore obtienne un bon score grâce à des critères secondaires (masse, données, garantie), cohérent avec la hiérarchisation réglementaire ecodesign. [S1]",
"citations": [
"S1"
]
},
{
"assumption": "La garantie (WARRANTY) est un proxy imparfait mais utile de durabilité/maintenabilité perçue et de réduction potentielle du remplacement, pertinent en comparaison grand public.",
"why_it_matters": "Les comportements de remplacement vs réparation influencent directement la durée d'usage; intégrer WARRANTY permet de valoriser des produits plus susceptibles d'être conservés plus longtemps. [S3]",
"citations": [
"S3"
]
},
{
"assumption": "CLASSE_ENERGY et OVEN_ENERGY_CONSUMPTION_CYCLE sont corrélés mais apportent deux signaux complémentaires (classe = bucket réglementaire lisible; conso/cycle = mesure continue).",
"why_it_matters": "La répartition des poids entre les deux limite le double comptage tout en améliorant la robustesse quand les distributions sont discrètes (classes) ou bruitées (mesures/valeurs déclarées). [S2]",
"citations": [
"S2"
]
},
{
"assumption": "Un poids DATA_QUALITY élevé est justifié car la virtualisation des valeurs manquantes à la moyenne favorise sinon les produits peu documentés; DATA_QUALITY doit donc contrebalancer cet effet sans dépasser le bloc énergie.",
"why_it_matters": "Cela incite à fournir des données complètes et améliore la fiabilité du classement, en cohérence avec les pratiques EF (DQR et exigences de documentation). [S5][S4]",
"citations": [
"S5",
"S4"
]
}
]
},
"criteria_weights": [
{
"criterion": "OVEN_ENERGY_CONSUMPTION_CYCLE",
"weight": 0.35,
"directionality": "lower_is_better",
"impact_dimensions": [
"climate",
"resource_use",
"other"
],
"rationale": "Mesure directe de l'énergie consommée pour un cycle standard: proxy le plus proche de l'impact en phase d'usage. La réglementation ecodesign identifie l'énergie en phase d'utilisation comme l'aspect environnemental le plus significatif pour ces appareils; ce critère porte donc la plus grande part du score. [S1][S2]",
"overlap_notes": "Fortement corrélé à CLASSE_ENERGY (classe construite à partir d'indicateurs d'efficacité/consommation). Stratégie: regrouper en un 'bloc énergie' majoritaire (0.55 au total) et répartir entre signal continu (conso/cycle) et signal discret (classe) pour limiter le double comptage. [S2]",
"guardrails": "Le bloc énergie (OVEN_ENERGY_CONSUMPTION_CYCLE + CLASSE_ENERGY) reste > 50% pour éviter qu'un four très énergivore soit compensé par WARRANTY ou DATA_QUALITY. [S1]",
"evidence_strength": {
"level": "high",
"why": "Ancrage direct dans la réglementation ecodesign qui qualifie l'énergie à l'usage comme aspect environnemental principal; méthodes et définitions d'information énergie encadrées. [S1][S2]"
}
},
{
"criterion": "CLASSE_ENERGY",
"weight": 0.2,
"directionality": "categorical",
"impact_dimensions": [
"climate",
"resource_use",
"other"
],
"rationale": "Signal grand public normalisé et comparable: la classe énergétique d'étiquette fournit un repère synthétique (bucket) pour la performance énergétique, utile quand les valeurs détaillées sont absentes ou hétérogènes. [S2]",
"overlap_notes": "Redondant en partie avec OVEN_ENERGY_CONSUMPTION_CYCLE. Stratégie anti-double comptage: poids plus faible que la conso/cycle, utilisé comme stabilisateur de classement (critère discret) et comme garde-fou de cohérence réglementaire. [S2]",
"guardrails": "Ne pas laisser la classe seule piloter le score: elle ne pèse que 0.20 et reste couplée au critère continu (0.35) pour éviter les effets de seuil entre classes. [S2]",
"evidence_strength": {
"level": "high",
"why": "Critère défini par un règlement d'étiquetage énergie harmonisé au niveau UE, conçu pour la comparabilité entre produits. [S2]"
}
},
{
"criterion": "WARRANTY",
"weight": 0.2,
"directionality": "higher_is_better",
"impact_dimensions": [
"circularity",
"resource_use",
"climate",
"social"
],
"rationale": "Proxy de durabilité: une garantie plus longue est interprétée comme un signal (imparfait) de fiabilité, d'engagement fabricant et de probabilité de réparation plutôt que remplacement, ce qui peut réduire l'impact 'fabrication + fin de vie' rapporté au service rendu. Le contexte européen montre que le remplacement est souvent préféré à la réparation pour les appareils ménagers; valoriser la garantie vise à inverser cette tendance. [S3]",
"overlap_notes": "Peu corrélé aux métriques énergie, donc complémentaire. Risque de corrélation indirecte avec le positionnement prix/qualité: limité par le maintien d'un bloc énergie majoritaire. [S1]",
"guardrails": "WARRANTY ne peut pas compenser une très mauvaise performance énergétique car le bloc énergie reste majoritaire (0.55). En cas de score énergie très faible (pire décile), recommander un plafonnement interne de contribution WARRANTY (règle métier optionnelle) lors de l'interprétation. [S1]",
"evidence_strength": {
"level": "medium",
"why": "Source institutionnelle sur tendances de durée de vie et motifs de remplacement/réparation; lien 'garantie -> allongement de vie' reste un proxy comportemental. [S3]"
}
},
{
"criterion": "WEIGHT",
"weight": 0.1,
"directionality": "lower_is_better",
"impact_dimensions": [
"resource_use",
"climate",
"other"
],
"rationale": "Proxy 'matières + fabrication + transport': à défaut d'inventaire matière, la masse reflète partiellement l'intensité matérielle (métaux, verre, isolants) et peut influencer les impacts amont. Le cadre EF rappelle que les impacts couvrent extraction/production jusqu'à fin de vie; WEIGHT sert ici de signal simplifié pour cette composante non couverte par les critères énergie. [S4]",
"overlap_notes": "Corrélation possible avec taille/capacité et donc consommation: pour éviter un double signal énergie via la taille, le poids reste limité (0.10) et ne doit pas être interprété comme performance énergétique. [S1]",
"guardrails": "WEIGHT est volontairement plafonné (0.10) pour éviter qu'un four plus léger mais énergivore soit favorisé; l'énergie à l'usage domine le score. [S1]",
"evidence_strength": {
"level": "low",
"why": "WEIGHT est un proxy simplifié et non une catégorie d'impact mesurée; il n'est justifié ici que comme approximation de matérialité dans un score relatif grand public. [S4]"
}
},
{
"criterion": "DATA_QUALITY",
"weight": 0.15,
"directionality": "higher_is_better",
"impact_dimensions": [
"other",
"social"
],
"rationale": "Incitation à la transparence et réduction du biais d'imputation: comme les critères manquants sont virtualisés à la moyenne, un produit peu documenté pourrait artificiellement éviter les pénalités; DATA_QUALITY compense ce risque. Le cadre EF formalise des exigences de documentation et une logique de Data Quality Rating (représentativité techno/géo/temps et précision), ce qui justifie de valoriser les produits mieux documentés. [S5][S4]",
"overlap_notes": "Critère orthogonal aux impacts physiques: il n'ajoute pas un impact environnemental direct mais améliore la fiabilité du classement relatif et la comparabilité, ce qui est critique en présence d'imputation à la moyenne. [S5]",
"guardrails": "Poids borné à 0.15 et inférieur au bloc énergie (0.55): DATA_QUALITY ne doit pas sauver un produit très énergivore. En pratique, conserver une règle de lecture: un mauvais score énergie doit rester pénalisant même si DATA_QUALITY est excellent. [S1][S5]",
"evidence_strength": {
"level": "high",
"why": "La méthodologie EF documente explicitement la logique de DQR et les critères (représentativité et précision), ce qui soutient un signal de qualité des données dans un cadre LCA-inspired. [S5][S4]"
}
}
],
"normalization_notes": {
"relative_ranking_0_100": "Chaque critère est transformé en classement relatif (0-100) au sein du marché observé, ce qui est cohérent avec une logique 'comparaison' (à la manière d'un affichage harmonisé orienté consommateur) plutôt qu'une revendication d'empreinte absolue. Attention: le score dépend du panel (effet marché). [S2][S1]",
"sigma_scoring_0_5": "Avant agrégation, la normalisation 0-5 avec cap sur les extrêmes (type μ±2σ) vise à limiter l'influence d'outliers et à stabiliser le classement; cela complète l'approche réglementaire qui prévoit aussi des benchmarks/valeurs de référence de performance. [S1]",
"percentile_fallback": "Utilisé lorsque la distribution est à faible entropie ou discrète (ex: classes énergie), pour éviter des effets de seuil et conserver une discrimination régulière entre produits proches. [S2]",
"missing_value_virtualization": "Si une valeur est absente, elle est imputée à la moyenne du marché; cela réduit la pénalité immédiate de l'absence de données. DATA_QUALITY est donc pondéré pour récompenser la complétude et l'alignement avec des pratiques structurées de qualité des données (DQR), afin d'éviter un avantage aux produits peu documentés. [S5]"
},
"quality_checks": {
"criteria_weights_complete": true,
"weights_sum_to_1": true,
"sum_value": 1,
"unused_or_zero_weight_criterias": [],
"renormalization_rule_if_needed": "Si un critère devait être mis à 0 pour redondance avérée, redistribuer proportionnellement son poids sur les autres critères (en conservant le bloc énergie majoritaire) afin que la somme reste égale à 1.0."
},
"materiality_summary": {
"dominant_lifecycle_stages_for_vertical": [
"use_phase",
"manufacturing",
"distribution",
"end_of_life"
],
"short_summary": "Pour les fours domestiques, l'énergie en phase d'utilisation est identifiée comme l'aspect environnemental le plus significatif dans le cadre ecodesign, ce qui justifie un bloc énergie majoritaire (0.55) centré sur la consommation par cycle et la classe énergétique. La fabrication/fin de vie restent pertinentes mais moins discriminantes dans ce score relatif faute d'inventaire complet; elles sont approchées via WEIGHT (proxy matière) et surtout via WARRANTY (proxy d'allongement de durée d'usage, réduisant le besoin de remplacement). DATA_QUALITY est rehaussé pour contrer le biais d'imputation à la moyenne et encourager la transparence, en cohérence avec les pratiques EF de qualité des données. [S1][S3][S5]"
},
"sources": [
{
"id": "S1",
"type": "regulation",
"title": "Commission Regulation (EU) No 66/2014 of 14 January 2014 implementing Directive 2009/125/EC with regard to ecodesign requirements for domestic ovens, hobs and range hoods",
"authors_or_org": "European Commission",
"year": 2014,
"publisher": "Official Journal of the European Union (EUR-Lex)",
"url": "[https://eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri=OJ%3AL%3A2014%3A029%3A0033%3A0047%3Aen%3APDF](https://eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri=OJ%3AL%3A2014%3A029%3A0033%3A0047%3Aen%3APDF)",
"accessed_date": "2026-03-01",
"reliability": "high",
"used": true,
"used_for": [
"energy materiality",
"guardrails for energy dominance",
"positioning (within-category relevance)"
],
"notes": "Le règlement indique que la consommation d'énergie en phase d'utilisation est l'aspect environnemental le plus significatif pour les produits couverts."
},
{
"id": "S2",
"type": "regulation",
"title": "Commission Delegated Regulation (EU) No 65/2014 of 1 October 2013 supplementing Directive 2010/30/EU with regard to the energy labelling of domestic ovens and range hoods (consolidated version)",
"authors_or_org": "European Commission",
"year": 2014,
"publisher": "Official Journal of the European Union (EUR-Lex)",
"url": "[https://eur-lex.europa.eu/eli/reg_del/2014/65/oj/eng](https://eur-lex.europa.eu/eli/reg_del/2014/65/oj/eng)",
"accessed_date": "2026-03-01",
"reliability": "high",
"used": true,
"used_for": [
"energy class definition and consumer comparability",
"anti-double-counting notes between class and consumption"
],
"notes": "Cadre UE harmonisé d'étiquetage énergie, support de comparabilité grand public (classe énergétique)."
},
{
"id": "S3",
"type": "public_agency",
"title": "Product lifespans - monitoring trends in Europe",
"authors_or_org": "European Environment Agency (EEA)",
"year": 2024,
"publisher": "EEA",
"url": "[https://www.eea.europa.eu/en/analysis/publications/product-lifespans-monitoring-trends](https://www.eea.europa.eu/en/analysis/publications/product-lifespans-monitoring-trends)",
"accessed_date": "2026-03-01",
"reliability": "high",
"used": true,
"used_for": [
"lifetime reference proxy (large household appliances)",
"durability/repair vs replacement context"
],
"notes": "Fournit des tendances de durées de vie moyennes par grandes catégories d'appareils ménagers et des motifs de remplacement."
},
{
"id": "S4",
"type": "public_agency",
"title": "Environmental Footprint (PEF/OEF) overview",
"authors_or_org": "European Commission Joint Research Centre (JRC) - European Platform on Life Cycle Assessment",
"year": 2021,
"publisher": "European Commission (JRC)",
"url": "[https://eplca.jrc.ec.europa.eu/EnvironmentalFootprint.html](https://eplca.jrc.ec.europa.eu/EnvironmentalFootprint.html)",
"accessed_date": "2026-03-01",
"reliability": "high",
"used": true,
"used_for": [
"LCA-inspired framing (life-cycle scope)",
"gap analysis context (what full EF/PEF would require)"
],
"notes": "Page institutionnelle décrivant PEF/OEF comme méthodes ACV recommandées par l'UE et leur portée cycle de vie."
},
{
"id": "S5",
"type": "public_agency",
"title": "Guide for EF compliant data sets (Version 2.0)",
"authors_or_org": "Fazio S., Zampori L., De Schryver A., Kusche O., Thellier L., Diaconu E. (JRC)",
"year": 2020,
"publisher": "Publications Office of the European Union",
"url": "[https://eplca.jrc.ec.europa.eu/permalink/Guide_EF_DATA.pdf](https://eplca.jrc.ec.europa.eu/permalink/Guide_EF_DATA.pdf)",
"accessed_date": "2026-03-01",
"reliability": "high",
"used": true,
"used_for": [
"DATA_QUALITY rationale (DQR concept and criteria)",
"missing data / documentation incentives"
],
"notes": "Documente le Data Quality Rating (DQR) et ses critères (représentativité techno/géo/temps, précision) dans le cadre EF."
}
],
"search_log": [
{
"query": "Commission Regulation (EU) No 65/2014 energy labelling ovens range hoods",
"date": "2026-03-01",
"notes": "Identifier la base réglementaire UE de la classe énergétique et des informations d'étiquetage pour les fours."
},
{
"query": "Commission Regulation (EU) No 66/2014 ecodesign requirements domestic ovens hobs grills",
"date": "2026-03-01",
"notes": "Ancrer la matérialité environnementale (importance de l'énergie à l'usage) et le cadre ecodesign applicable."
},
{
"query": "preparatory study ecodesign Lot domestic ovens hobs grills life cycle assessment use phase energy dominates",
"date": "2026-03-01",
"notes": "Rechercher des éléments ACV/études préparatoires sur la contribution des phases du cycle de vie (usage vs fabrication)."
},
{
"query": "average lifetime domestic oven years Europe study",
"date": "2026-03-01",
"notes": "Établir une durée de vie de référence UE/France (ou proxy institutionnel) pour paramétrer la pondération durabilité."
},
{
"query": "European Commission Environmental Footprint method data quality requirements rating",
"date": "2026-03-01",
"notes": "Fonder le critère DATA_QUALITY sur une méthodologie reconnue (EF/PEF) et ses pratiques de Data Quality Rating."
}
]
}