PREB4T Atteindrons nous le facteur 4 en 2050? Ce qu en dit la recherche, enseignements et limites des modèles prédictifs

Transcription

1 PREB4T Atteindrons nous le facteur 4 en 2050? Ce qu en dit la recherche, enseignements et limites des modèles prédictifs Modèle Res IRF développé au CIRED par L G Giraudet, P. Quirion et C. Guivarch F. Branger

2 Spécificités générales Modèle énergie économie de simulation de la consommation de chauffage, en France métropolitaine, de 2008 à 2050 Description désagrégée du parc mais technologies implicites Incorpore des barrières à l efficacité énergétique: Dilemme propriétaire locataire Externalités positives d information et d innovation Effet rebond Hétérogénéité des préférences des consommateurs

3 Représentation du parc Deux grands groupes: Logements neufs (construits après 2008) Logements anciens (construits avant 2008) Seuls les logements anciens peuvent être rénovés Niveau de désagrégation: Consommation théorique (7 pour l ancien: étiquette énergétique de A à G; 3 pour le neuf: RT 2012, BBC et BEPOS) Combustible (4 : Electricité, Gaz, Fioul, Bois Energie) Type de décideur (5: Propriétaire/Locataire, Maison Individuelle/Logement Collectif, Logements sociaux) Il y a donc 7x4x5+3x4x5=200 catégories Données: ANAH (Julien Marchal) en majorité, mais parfois problèmes de croisement de données avec les différentes catégories

4 Représentation du parc Représentation pertinente dans chaque catégorie: Pour les consommations d énergie: surface Pour les rénovations: nombre de logements Passage de l un à l autre: Pour l existant: 67m2 pour les LC, 112m2 pour les MI Pour le neuf: dépend d un indicateur de richesse, entre 70 et 80m2 pour LC et entre 120 et 140m2 pour MI

5 Dynamique quantitative du Parc Logements anciens: détruits au taux moyen de 0,5%. Destruction différentiées selon les catégories Logements neufs: construits pour combler une demande déterminée de façon exogène par la population et le nombre de personnes par logement

6 Dynamique qualitative du Parc Logements neufs: choix de la catégorie de construction types de décideurs choisis de façon exogène (37% POMI 22% POLC 6% PBLC 15% PBMI 20% LS) étiquette énergétique et énergie de chauffage choisis de façon endogène Logements anciens: rénovation: transferts entre les catégories types de décideurs restent inchangés changement d étiquette changement de combustible (fuel switch)

7 Rénovation de l existant Coût total sur le cycle de vie pour passer d une étiquette énergétique à une autre Coût actualisé de l énergie Coût d investissement Coûts intangibles Parmi les logements rénovés de la classe, part de marché d une transition pour toute une classe de logement Facteur d hétérogénéité des préférences

8 Rénovation de l existant L anticipation des prix de l énergie est myope. Le prix de l énergie évolue de façon exogène (taux de croissance constant) Le dilemme propriétaire locataire et la difficulté de faire des travaux en logement collectif est représentée par des taux d actualisation différentiés (8% POMI 15% POLC 45% PBMI 55% PBLC 4%LS)

9 Rénovation de l existant Caractéristique de Res IRF: technologies implicites (facilité dans la modélisation mais difficulté d obtenir des donnes) Ces coûts diminuent par apprentissage technologique (il diminuent de l0% à chaque doublement du stock de capital installé)

10 Rénovation de l existant Les coûts intangibles sont introduits pour une double raison: Statique: ils sont calibrés pour que les parts de marchés initialement calculées correspondent aux parts de marchés observées Dynamique: représentation plus transparente de l effet d information. Décroissance par neighbour effect calqué sur le modèle de learning bydoing. Adapté de PUCA 2008 Sens économique: Coûts cachés, information imparfaite, rationalité limitée

11 Lien entre qualité et quantité de rénovation La proportion de chaque catégorie de logement rénovée chaque année n est pas exogène (par exemple 3% par an) mais endogène. Valeur actuelle nette (NPV) pour chaque catégorie de logement: Plus il est intéressant de rénover, plus les LCC sont faibles, et plus NPV est grand Coût statu quo Espérance de coût si rénovation Une fonction logistique lie la NPV au taux de rénovation pour chaque catégorie. Plus la NPV est grande, plus la proportion rénovée est importante Les paramètres de la fonction de rénovation sont calibrés pour que la première année, la moyenne pondérée des taux de rénovation calculés pour chaque catégorie valent un taux de rénovation initial de 3% (données OPEN)

12 Effet Rebond Une fonction relie la consommation théorique (dépendant de l étiquette énergétique et du prix de l énergie) à la consommation réelle modélisant l effet rebond.

13 Paramétrage des politiques On doit adapter les politiques au cadre d analyse du modèle CIDD et Eco PtZ: Subvention sur les coûts d investissement Règlementation thermique: Restriction des choix d étiquette énergétique à la construction Obligation de rénovation: Impose les travaux énergétiques sous certaines conditions à chaque transaction immobilière. Forcage des taux de rénovation Taxe carbone: Modification du prix de l énergie en fonction des combustibles

14 Res IRF Résultats

15 Res IRF Résultats Gains effectifs d énergie primaire Unitaires % Unitaires % Effet rebond 2020 Effet rebond 2050 BAU 17% 46% 12% 31% Grenelle 21% 48% 16% 29% Grenelle + taxe 28% 58% 11% 15% Grenelle + OR + taxe ambitieuse 50% 78% 2% 2%

16 Res IRF Résultats Gains effectifs d émissions de CO % BAU 15% 37% Grenelle 21% 52% Grenelle + taxe 31% 65% Grenelle + OR +taxe ambitieuse 59% 84%

17 Points clés: Res IRF Résultats Résultat plus optimistes dans la nouvelle version de Res IRF pour le scenario BAU (nouvelles hypothèses plus optimistes: bois, logements sociaux, nouveau taux de rénovation initial ) mais paradoxalement, moins d impact des politiques. Les objectifs du Grenelle ne sont pas atteints avec les politiques actuelles mais uniquement avec des politiques extrêmement ambitieuses

18 Res IRF Résultats Autres résultats plus qualitatifs: Baisse de consommation en énergie finale plus importante qu en énergie primaire car progression de l électricité dans le mix Baisse de consommation unitaire (par m2) plus importante que la consommation totale (effet du neuf) La taxe carbone est un moyen efficace de favoriser la sobriété Effet de saturation autour de 75% (stock résiduel, inertie de la rénovation, premiers bâtiments «neufs» non rénovables)

19 Res IRF Analyse de sensibilité par Monte Carlo Monte Carlo. Certains paramètres ne sont plus fixés mais deviennent des variables aléatoires. On tire les paramètres On effectue la simulation On sauvegarde paramètres et sorties 10 paramètres variables et simulations Analyse d impact des paramètres Paramètre X Souséchantillon de sorties 1 Test statistique de comparaison de distributions du paramètre de sortie: Coefficient F Souséchantillon de sorties 2 Les deux sous échantillons ne diffèrent que par la distribution du paramètre X

20 Res IRF Enseignements de l analyse de sensibilité La calibration «force» le modèle: Les coûts de rénovation sont «gommés» par les coûts intangibles Le taux de rénovation initial, qui calibre la fonction qui lie qualité/quantité de rénovation, «lance la dynamique du modèle» Le prix de l énergie, imprévisible, est déterminant dans les consommations. La taxe carbone permet en partie de gommer ces incertitudes Le comportement des consommateurs est également déterminant sur la variabilité des résultats du modèle

21 Res IRF Perspectives Dynamique interne du modèle : Procédure de fuel switch Lien entre qualité et quantité de rénovation Nouveaux ajouts : Mix énergétique dans la production électrique (émissions CO2), en cours au CIRED Modélisation du secteur de la rénovation (capture de rente, effets d offre et de demande) Segmentation par revenus (précarité énergétique et contraintes de liquidité) Modélisation plus fine des comportements