Garantie
Durée de garantie du produit
Réfrigérateurs
Comparez les réfrigérateurs selon leur impact environnemental, leur volume utile, leur classe énergétique et leur prix. Repérez les modèles les plus sobres pour conserver vos aliments avec moins d'électricité au quotidien.
Critères disponibles pour Réfrigérateurs
Chaque critère est pondéré afin de mettre en avant les signaux les plus utiles pour comparer les Réfrigérateurs.
Niveau sonore
Qualité de la donnée
Complétude des données produit
Poids de l'objet
Le poids de l'objet
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 Réfrigérateurs 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 |
|---|---|---|
| Durée de garantie | — | 0.12 |
| Niveau sonore | — | 0.10 |
| Qualité de la donnée | — | 0.15 |
| Poids | — | 0.08 |
| Classe énergétique | — | 0.55 |
Ressources ouvertes
Méthodologie open-source
Consultez nos dépôts publics pour suivre l'amélioration de l'Impact Score des Réfrigérateurs.
Découvrir notre démarche open-sourceDonnées ouvertes
Accédez aux jeux de données qui alimentent l'Impact Score des Réfrigérateurs 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 Réfrigérateurs.
Prompt YAML générateur
Instructions envoyées au modèle pour produire la configuration.
---
aiService: "GEMINI"
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}"
key: "impactscore-generation"
options:
model: "gemini-2.5-pro"
temperature: 0.2
retrievalMode: "MODEL_WEB_SEARCH"
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 Réfrigérateurs\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 Réfrigérateurs.\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 Réfrigérateurs\n\nTu vas définir une pondération (weights) pour construire un Eco-score destiné à comparer des Réfrigérateurs 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 WARRANTY : Durée de garantie du produit\n DATA_QUALITY : DATA_QUALITY\n REPAIRABILITY_INDEX : L'indice de réparabilité de l'objet\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 Réfrigérateurs (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 Réfrigérateurs (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\": \"Réfrigérateurs\",\n \"available_criterias\": WARRANTY : Durée de garantie du produit\n DATA_QUALITY : DATA_QUALITY\n REPAIRABILITY_INDEX : L'indice de réparabilité de l'objet\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 Réfrigérateurs\",\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 WARRANTY : Durée de garantie du produit\n DATA_QUALITY : DATA_QUALITY\n REPAIRABILITY_INDEX : L'indice de réparabilité de l'objet\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"
Réponse du modèle
Résultat JSON de l'IA ayant servi de base à la configuration.
{
"available_criterias": [
"CLASSE_ENERGY",
"DATA_QUALITY",
"NOISE_LEVEL",
"WARRANTY",
"WEIGHT"
],
"criteria_weights": [
{
"criterion": "CLASSE_ENERGY",
"directionality": "categorical",
"evidence_strength": {
"level": "high",
"why": "Critère réglementé et directement lié à la consommation annuelle normalisée. [S1]"
},
"guardrails": "Un mauvais score énergie ne doit pas être compensé par DATA_QUALITY, WARRANTY ou NOISE_LEVEL ; le poids majoritaire de CLASSE_ENERGY sert de garde-fou. [S1]",
"impact_dimensions": [
"climate",
"resource_use",
"water",
"other"
],
"overlap_notes": "Chevauchement avec WEIGHT et volume : la classe énergie porte le signal d'usage, tandis que WEIGHT reste un proxy matière secondaire. [S1] [S4]",
"rationale": "Poids majoritaire car l'énergie en phase d'usage est le signal le plus matériel et le plus harmonisé pour les réfrigérateurs ; le règlement européen définit les classes et paramètres de comparaison. [S1] [S4]",
"weight": 0.55
},
{
"criterion": "DATA_QUALITY",
"directionality": "higher_is_better",
"evidence_strength": {
"level": "medium",
"why": "Fondé sur les principes PEF de qualité des données et de comparabilité, mais calibré pour le pipeline interne d'imputation. [S3]"
},
"guardrails": "Le poids reste inférieur au bloc énergie afin qu'un produit énergivore ne soit pas sauvé par une fiche très complète. [S3]",
"impact_dimensions": [
"other",
"social"
],
"overlap_notes": "DATA_QUALITY ne décrit pas un impact physique supplémentaire ; il module la confiance et la transparence des autres critères. [S3]",
"rationale": "La qualité des données est rehaussée car les valeurs manquantes sont virtualisées à la moyenne ; sans pénalité de transparence, les produits peu documentés peuvent être avantagés. [S3]",
"weight": 0.15
},
{
"criterion": "WARRANTY",
"directionality": "higher_is_better",
"evidence_strength": {
"level": "medium",
"why": "Signal contractuel observable, mais relation indirecte avec la durée de vie réelle. [S5]"
},
"guardrails": "La garantie ne compense pas une mauvaise efficacité énergétique ; son poids reste nettement inférieur à CLASSE_ENERGY. [S1]",
"impact_dimensions": [
"circularity",
"resource_use",
"climate",
"social"
],
"overlap_notes": "Chevauchement avec les dimensions réparabilité/durabilité, mais aucun indice de réparabilité courant n'est disponible dans la liste actuelle ; WARRANTY porte donc une partie raisonnable du bloc longévité. [S2] [S5]",
"rationale": "Une garantie plus longue est un signal de durabilité et peut réduire les remplacements prématurés ; elle complète le socle légal européen de conformité. [S5]",
"weight": 0.12
},
{
"criterion": "NOISE_LEVEL",
"directionality": "lower_is_better",
"evidence_strength": {
"level": "medium",
"why": "Donnée standardisée et bien couverte, mais matérialité ACV indirecte. [S1]"
},
"guardrails": "Un appareil silencieux mais énergivore ne doit pas être favorisé ; NOISE_LEVEL reste secondaire. [S1]",
"impact_dimensions": [
"social",
"other"
],
"overlap_notes": "Peu de redondance avec l'énergie ; il décrit surtout une nuisance d'usage et non un flux matière/énergie. [S1]",
"rationale": "Le bruit est un critère d'usage encadré dans les informations d'étiquetage et important pour le confort domestique ; son impact environnemental direct est limité, donc son poids reste modéré. [S1]",
"weight": 0.1
},
{
"criterion": "WEIGHT",
"directionality": "lower_is_better",
"evidence_strength": {
"level": "low",
"why": "Proxy matière disponible mais moins robuste qu'une nomenclature matière complète. [S3]"
},
"guardrails": "Ne pas pénaliser excessivement les grands volumes : utiliser les filtres de volume pour comparer des segments proches. [S4]",
"impact_dimensions": [
"resource_use",
"climate",
"other"
],
"overlap_notes": "Risque de double comptage avec taille et consommation ; le poids est donc limité et sert à différencier des appareils comparables. [S4]",
"rationale": "Le poids est un proxy de quantité de matières et d'impacts de fabrication/fin de vie ; il est utile mais imparfait car il dépend aussi du volume utile. [S3] [S4]",
"weight": 0.08
}
],
"gap_analysis_absolute_vs_relative": {
"mitigations": [
"Donner un poids dominant au bloc énergie, hotspot majeur des réfrigérateurs en phase d'usage. [S1] [S4]",
"Limiter le double comptage entre poids, volume et énergie en gardant WEIGHT comme proxy secondaire de matière. [S3] [S4]",
"Rehausser DATA_QUALITY pour compenser l'imputation moyenne des données manquantes et encourager la transparence. [S3]"
],
"what_is_missing_vs_full_lca": "Une ACV complète exigerait l'inventaire matière détaillé, le fluide frigorigène, les procédés de fabrication, la logistique, le mix électrique réel et les scénarios de fin de vie. Le score relatif utilise des proxys observables et comparables. [S3]",
"why_relative_is_still_useful": "La comparaison reste utile parce que les classes énergie des appareils de réfrigération sont encadrées par un règlement européen harmonisé et parce que les exigences d'écoconception structurent la réparabilité et les informations produit. [S1] [S2]"
},
"geo_scope": "EU/France",
"materiality_summary": {
"dominant_lifecycle_stages_for_vertical": [
"use_phase",
"manufacturing",
"distribution",
"end_of_life"
],
"short_summary": "Pour les réfrigérateurs, l'usage continu rend l'électricité déterminante ; la fabrication et la longévité restent importantes mais secondaires dans un score relatif grand public. [S1] [S4]"
},
"normalization_notes": {
"missing_value_virtualization": "Les valeurs manquantes sont imputées à la moyenne ; DATA_QUALITY compense cet effet en valorisant les produits mieux documentés. [S3]",
"percentile_fallback": "Les percentiles sont pertinents pour les critères discrets ou peu entropiques comme les classes énergie. [S1]",
"relative_ranking_0_100": "Chaque facteur classe les produits entre eux ; cela favorise une comparaison intra-catégorie plutôt qu'une empreinte absolue. [S3]",
"sigma_scoring_0_5": "La normalisation 0-5 limite l'effet des valeurs extrêmes avant agrégation ; elle convient aux distributions de prix, poids et bruit. [S3]"
},
"positioning": {
"claim": "relative LCA-inspired score (ACV best-effort) for within-category comparison",
"not_an_absolute_footprint": true,
"what_it_means_for_users": "Ce score classe les réfrigérateurs entre eux à partir d'indicateurs comparables disponibles sur le marché UE/France. Il ne fournit pas une empreinte absolue auditée, mais privilégie les signaux matériels comme l'efficacité énergétique, la durée de vie probable et la qualité des données. [S1] [S2] [S3]"
},
"quality_checks": {
"criteria_weights_complete": true,
"renormalization_rule_if_needed": "Si un critère disparaît, redistribuer son poids proportionnellement aux critères restants du même bloc, puis renormaliser à 1.0.",
"sum_value": 1,
"unused_or_zero_weight_criterias": [],
"weights_sum_to_1": true
},
"reference_lifetime": {
"citations": [
"S4"
],
"lifetime_years_range": {
"max": 16,
"min": 12
},
"lifetime_years_reference": 15,
"rationale": "Une durée de référence de 15 ans est cohérente avec les travaux préparatoires européens sur la réfrigération domestique, qui situent l'usage principal autour de 12-13 ans et une durée totale moyenne proche de 16 ans. [S4]"
},
"search_log": [
{
"date": "2026-05-21",
"notes": "Verify energy-label source for refrigerators.",
"query": "Commission Delegated Regulation EU 2019/2016 refrigerating appliances energy labelling EUR-Lex"
},
{
"date": "2026-05-21",
"notes": "Verify ecodesign and repairability context.",
"query": "Commission Regulation EU 2019/2019 ecodesign refrigerating appliances spare parts EUR-Lex"
},
{
"date": "2026-05-21",
"notes": "Anchor LCA-inspired methodology and data-quality rationale.",
"query": "Commission Recommendation EU 2021/2279 environmental footprint methods EUR-Lex"
},
{
"date": "2026-05-21",
"notes": "Find lifetime/materiality reference for refrigerators.",
"query": "Ecodesign labelling household refrigeration review final report 2016 lifetime"
}
],
"sources": [
{
"accessed_date": "2026-05-21",
"authors_or_org": "European Commission",
"id": "S1",
"notes": "Defines EU energy labelling framework for refrigerating appliances.",
"publisher": "EUR-Lex",
"reliability": "high",
"title": "Commission Delegated Regulation (EU) 2019/2016 on energy labelling of refrigerating appliances",
"type": "regulation",
"url": "https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=celex:32019R2016",
"used": true,
"used_for": [
"energy class",
"noise information",
"consumer comparability"
],
"year": 2019
},
{
"accessed_date": "2026-05-21",
"authors_or_org": "European Commission",
"id": "S2",
"notes": "Sets ecodesign and repair-related requirements for refrigerating appliances.",
"publisher": "EUR-Lex",
"reliability": "high",
"title": "Commission Regulation (EU) 2019/2019 laying down ecodesign requirements for refrigerating appliances",
"type": "regulation",
"url": "https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=celex:32019R2019",
"used": true,
"used_for": [
"durability",
"repair information",
"spare parts context"
],
"year": 2019
},
{
"accessed_date": "2026-05-21",
"authors_or_org": "European Commission",
"id": "S3",
"notes": "EU recommendation for product and organisation environmental footprint methods.",
"publisher": "EUR-Lex",
"reliability": "high",
"title": "Commission Recommendation (EU) 2021/2279 on the use of Environmental Footprint methods",
"type": "standard",
"url": "https://eur-lex.europa.eu/eli/reco/2021/2279/oj/eng",
"used": true,
"used_for": [
"LCA method",
"data quality",
"relative score framing"
],
"year": 2021
},
{
"accessed_date": "2026-05-21",
"authors_or_org": "VHK and ARMINES for European Commission DG Energy",
"id": "S4",
"notes": "Preparatory review for household refrigeration ecodesign and labelling.",
"publisher": "European Commission study",
"reliability": "high",
"title": "Ecodesign & Labelling Household Refrigeration Review - Final Report",
"type": "public_agency",
"url": "https://ecodesign-fridges.eu/sites/ecodesign-fridges.eu/files/Household%20Refrigeration%20Review%20FINAL%20REPORT%2020160304.pdf",
"used": true,
"used_for": [
"lifetime",
"energy materiality",
"weight/material proxy"
],
"year": 2016
},
{
"accessed_date": "2026-05-21",
"authors_or_org": "European Parliament and Council of the European Union",
"id": "S5",
"notes": "EU legal conformity baseline for consumer goods.",
"publisher": "EUR-Lex",
"reliability": "high",
"title": "Directive (EU) 2019/771 on contracts for the sale of goods",
"type": "regulation",
"url": "https://eur-lex.europa.eu/eli/dir/2019/771/oj/eng",
"used": true,
"used_for": [
"warranty baseline",
"durability context"
],
"year": 2019
}
],
"use_case": "consumer_comparison",
"vertical": "Réfrigérateurs",
"weighting_method": {
"approach": "evidence-weighted materiality + redundancy control + consumer comparability",
"assumptions": [
{
"assumption": "L'électricité consommée en usage est le principal différenciateur environnemental disponible pour les réfrigérateurs.",
"citations": [
"S1",
"S4"
],
"why_it_matters": "Cela justifie que CLASSE_ENERGY domine le score et empêche un appareil énergivore d'être favorisé par des signaux secondaires."
},
{
"assumption": "La garantie est un proxy imparfait mais utile de durabilité et de confiance fabricant.",
"citations": [
"S5"
],
"why_it_matters": "Elle complète le socle réglementaire de conformité sans remplacer les signaux énergétiques."
},
{
"assumption": "Le bruit est un critère d'usage et de nuisance plutôt qu'un hotspot ACV direct.",
"citations": [
"S1"
],
"why_it_matters": "Il doit participer au score car il est disponible et pertinent pour le confort, mais avec un poids inférieur à l'énergie."
}
],
"key_principles": [
"literature-first weighting",
"lifecycle materiality for refrigerating appliances",
"anti double-counting",
"robustness to outliers and sparse categorical data",
"missing data virtualization + DATA_QUALITY incentive"
]
}
}