Atelier « Quelles missions garder? »

Résumé. L’atelier « Quelles missions garder? » est un atelier qui permet à ses participants d’imaginer une trajectoire de réduction des émissions liées aux déplacements profesionnels. L’atelier a pour but de:

• Montrer aussi fidèlement que possible la réalité des pratiques de voyages au sein d’un centre ;
• Faire prendre conscience de la diversité des pratiques de voyage au sein d’un laboratoire ;
• Imaginer ensemble des mesures de réduction et d’évaluer leur impact.

Principe de l’atelier

Dans cet atelier, chaque participant est invité à réfléchir à des mesures de réduction de l’empreinte des missions. L’atelier est découpé en deux phases : une étude de cas concrète en petit groupe et une seconde étape de discussion collective pour construire ensemble des mesures.

Première phase : étude de cas en groupe de 5

Dans cette phase, les participants sont réunis en table de 5. Sur la table est présentée le bilan des missions d’une équipe fictive sur une période de trois ans ¹ sous une forme qui rend apparente l’empreinte relative de chaque mission:

La trajectoire choisie dans l’atelier par l’équipe fictive est celle d’atteindre -50% d’ici 2030 et d’atteindre ce but en deux étapes successives de -30% (2023-2026, 2027-2029). Par table de cinq, les participants devront débattre de quelle tuile garder ou enlever pour que les tuiles choisies rentrent dans 70% (puis 50%) de la surface initiale:

A la table, un animateur prend des notes sur les tuiles enlevées. Dans un second temps il s’agit d’identifier des principes (possiblement encore flou à ce stade) qui justifie la suppression de la tuile : mission jugée inutile, ou report (vers le train ou en visio) jugé possible.

Chaque table a un ensemble de tuiles différent, qui cherche à représenter la diversité des pratiques. Cela permet ainsi d’éviter d’avoir des règles liés à une particularité du jeu de données.

Seconde phase : discussion collective à 15

Dans un second temps, les participants de plusieurs tables sont regroupés ensemble afin de confronter leur règle et de consolider des propositions communes. Il s’agit aussi de confronter les réalités rencontrées et de faire remonter des règles, des systèmes qui permettent de formaliser les principes écrits dans la première phase.

Les animateurs prennent des notes sur les discussions et les mesures proposées, leur popularité au sein du groupe, ainsi que les limitations et compensations potentielles de chaque mesure.

Déroulé approxmatif (3h)

1. Introduction à l’atelier (15minutes) puis répartition des participants en table de 5
2. Première phase (60m) en groupe de 5
   • Explication des objectifs et prise de connaissance des tuiles (20min)
   • Première manche: -30% (20min)
   • Seconde manche: -50% (20min)
3. Pause (15m)
4. Seconde phase (60m) en groupe de 15
   • Restitution de chaque groupe (3 x 5 minutes)
   • Discussion sur les points communs et les différences. Réflexion de règles à divers niveaux : individuel, équipe, institutionnel
5. Conclusion

Le déroulé précis de l’atelier à l’IRISA est disponible ici.

Données nécessaire à la conception des tuiles

Mode réel

Il est possible de générer un ensemble de tuiles à partir d’un ensemble de mission réel. Il faut dans ce cas pour chaque mission : le missionnaire, la raison de son transport, ainsi que la ville.

Mode génération aléatoire

Dans ce mode, les tuiles sont générées aléatoirement à partir d’un modèle des missions du labo ou de l’unité considérée. Dans ce cas, il faut les données suivantes :

• Une liste de statut d’intérêt. Exemple: Rang A, Rang B, Thésard, Postdoc, Ingénieur.
• Le nombre de membres de chaque statut.
• Pour chaque statut, l’empreinte carbone de toutes les missions faites par des personnels de ce statut sur une période d’un an.
• (Optionnel) Pour chaque ville destination d’au moins une mission : le nombre de missions dans cette ville, et si possible l’empreinte carbone d’un voyage vers cet ville selon la méthodologie de l’outil que vous avez utiliser au point précédent.
• Une liste de raisons de voyages ainsi que pour chaque raison : un poids et potentiellement une contrainte (par exemple “seulement permanents”). Exemple: Conférence A*, 10, pas de contraintes. Jury de thèse, 3, seulement permanents. École d’été, 5, seulement thésard.

Méthodologie des tuiles

Conception de l’équipe fictive

Il faut d’abord constituer une équipe fictive dont les proportions sont représentatives du labo étudié. Selon la granularité des données de missions, distinguer certains statuts. Dans notre cas nous avons distingué : Prof/DR, McF/CR, ingénieur, postdoc, et thésard. Nous avons fixé 1 chef d’équipe Prof/DR et avons calculé le reste en fonction de la proportion des agents du labo. Par exemple, chez nous, il y a à peu près deux fois plus de McF/CF que de Prof/DR, quatre fois plus de thésards que de Prof/DR etc.

Missions par statut

Il est nécessaire aussi de calculer le nombre moyen de missions en avion et leur empreinte totale pour un membre de chaque statut de l’équipe fictive.

Raison des motifs

Il faut aussi compiler une liste de raisons pour ces missions, pondérées par leur fréquence.

Générateur de tuiles

Aspect de génération aléatoire

Les tuiles sont générées aléatoirement selon certaines contraintes.

• Description de l’équipe fictive. Pour chaque statut, on donne le nombre de membres de ce statut dans l’équipe fictive, le nombre de missions effectués par tous les membres de ce statut ainsi que l’empreinte totale.

• Description des destinations. Nous avons une liste de ville étiquettées avec (1) l’empreinte carbone pour s’y rendre et (2) la fréquence de visites basés sur le nombre de missions dans cette ville sur un certain laps de temps (chez nous l’année 2019).

• Description des motifs. Une liste de raison de se déplacer (conférence, séjour de travail, workshop, …) pondéré et potentiellement avec des contraintes (Seuls les permanents font des missions de type « Jury de thèse »).

Notre générateur génère ensuite un jeu de suite satisfaisant les contraintes de nombres de missions et d’empreinte (à 5% près).

A noter que : - les missions sont générées par statut ce qui peut créer des déséquilibres : par exemple, si on dit qu’un thésard fait une mission par an, et que l’équipe comporte quatre thésards, il n’est pas forcé que chaque thésard aura bien une mission, mais il y aura quatre missions allouées aléatoirement aux quatre thésards.

• le générateur ne s’occupe pas de la période étudiée, il faut donc lui donner directement le nombre de missions et leurs empreintes sur la période désirée (dans notre cas: 3 ans).

Code

Le script python est disponible à l’adresse :

https://gitlab.inria.fr/dd-rennes/atelier-missions/-/blob/main/generate.py?ref_type=heads

Le début du code contient les paramètres du générateur lié au bilan carbone de l’équipe fictive. # Manufacture du jeu de tuiles

Manufacture des tuiles

Le générateur est appelé avec la liste des tables à générer et créé deux fichiers A4tuiles.html et A3tuiles.html qui sont à imprimer en A4 et A3 respectivement. Ces fichiers contiennent les tuiles de toutes les tables. Après impression, il faut découper (par exemple au massicot) les tuiles et les classer par table.

Manufacture des feuilles

Pour marquer l’espace de jeu et les trajectoires, nous avons fabriqué des feuilles pour organiser les tuiles. Par défaut les tuiles sont réparties en 6 lignes de 10.5cm dont la longueur dépend de l’empreinte exacte de la table (aux alentour de 50cm chez nous). Le générateur indique la longueur de chaque table pour assurer un pavage confortable, mais il faut faire attention car à l’impression il peut y avoir un problème entre les centimètres virtuels et les centimètres réels, ce qui nécessite d’ajuster la longueur indiquée par un facteur de correction.

Il faut ensuite découper un rectangle de la taille donnée pour chaque table, à partir de vieux posters, feuilles paperboard ou ce que vous avez sous la main et tracer deux traits verticaux, un à 50% et un à 70%.

---

1. Une période de trois ans permet de mieux lisser les déplacements, notamment pour les étudiants en thèse qui ne se déplacement pas forcément en moyenne tous les ans.↩︎