2018 JeremyLagneau
2018 JeremyLagneau
2018 JeremyLagneau
JÉRÉMY LAGNEAU
(GÉNIE CHIMIQUE)
OCTOBRE 2018
Ce mémoire intitulé :
DÉDICACE
REMERCIEMENTS
Je voudrais remercier mes directeurs de recherche, Robert Legros et Martin Héroux, de m’avoir
permis de découvrir le domaine de la valorisation des matières résiduelles.
Robert, merci pour la confiance et les précieux conseils que tu m’as donnés durant ces deux années
à la CRVMR. Martin, merci de m’avoir partagé ta vision de la recherche et de m’avoir accueilli à
la Ville de Montréal. Ce fut un privilège de travailler et d’échanger avec toi, tant au niveau
scientifique qu’humain. Je tiens aussi à remercier Laurent Spreutels, pour ta disponibilité et ton
écoute. Ta rigueur et ton esprit critique ont été des sources d’inspiration et ont grandement
contribué à ce mémoire.
Je remercie tous les membres de la CRVMR et de la Ville de Montréal avec qui j’ai eu la chance
de travailler durant ces deux années et particulièrement à Laurie et Jean-François pour toutes les
discussions constructives qu’on a pu avoir et qui ont fait grandement avancer ce projet.
Je tiens à remercier ma famille, mes amis André, Jean, Fawzi, Valentine et Nassima ainsi que
Véronique et Sami pour leur écoute et leurs encouragements tout au long de cette maîtrise.
Finalement, je voudrais remercier Laura. Deux années à entendre parler de poubelles, tous les
soirs, et tu es encore là. Merci beaucoup pour ton soutien quotidien, que ce soit dans ce projet,
mais aussi dans ma vie de tous les jours.
v
RÉSUMÉ
Avec 396 kg de matières résiduelles (MR) produits par personne chaque année, le Québec fait
partie des plus gros générateurs de déchets en Amérique du Nord. En 2015, près de 40 % de ces
matières sont encore éliminées dans un centre d’enfouissement ou d’incinération. Parmi ces
résidus, les matières résiduelles organiques (MRO) produisent, lors de leur décomposition, du
lixiviat et des gaz à effet de serre (GES) qui peuvent être à l’origine d’importantes conséquences
environnementales. Or, ces matières ont un potentiel de valorisation. Pour lutter contre ce
gaspillage des ressources et les changements climatiques, le gouvernement du Québec a fixé le
bannissement des matières organiques de l’élimination d’ici 2020 et mis en place le programme
de traitement des matières organiques par biométhanisation et compostage (PTMOBC).
Cependant, à l’heure actuelle seulement 25 % des résidus organiques sont récupérés. Cela
s’explique en partie par le fait que moins d’un tiers des municipalités québécoises offrent une
collecte pour ces résidus.
L’objectif principal de ce projet est de proposer une méthodologie permettant aux municipalités
de comparer de façon technico-économique différents scénarios de gestion des MRO triées à la
source sur leur territoire. Afin d’atteindre cet objectif, l’étude a été divisée en quatre sous-
objectifs : 1) prédire la génération de matières résiduelles sur un territoire ; 2) évaluer les coûts de
collecte et de transport ; 3) évaluer les contraintes et les coûts qu’entraînent les différentes
techniques de recyclage de la matière organique ; 4) déterminer comment l’échelle et le contexte
influencent le choix du scénario de gestion.
Pour répondre à ces objectifs, un premier modèle prédictif a permis d’estimer les quantités de
MRO produites sur un territoire à l’aide de données géolocalisées et du cadre bâti. Les résultats
obtenus ont été validés en les comparant aux quantités réellement collectées sur des territoires
d’échelles différentes. Un second modèle, basé sur un modèle mathématique disponible dans la
littérature, a été proposé afin d’estimer les coûts de collecte et de transport des MRO en prenant
en compte les informations fournies par les logiciels de gestion de flotte des camions de collecte.
Dans le but de valider la méthode développée, les coûts estimés pour chacun des arrondissements
de la Ville de Montréal ont été comparés avec les contrats actuels.
validé à partir de données extraites de la littérature. Pour une infrastructure ayant une capacité de
traitement inférieure à un tonnage critique de 150 000 t/an, le compostage ouvert est la technologie
la moins onéreuse. Au-delà de ce tonnage, la biométhanisation, grâce aux économies d’échelles,
devient la solution la moins coûteuse. Ce tonnage critique est de 40 000 t/an si les projets sont
subventionnés par le PTMOBC.
À partir des modèles de transport et de traitement, 14 scénarios de traitement des MRO ont par la
suite été modélisés puis comparés afin d’analyser l’influence de paramètres tels que les économies
d’échelles, la distance de transport et l’influence d’un programme de subvention comme le
PTMOBC, sur un même territoire. Les résultats de cette étude montrent que le PTMOBC tend à
encourager le développement de la biométhanisation et une gestion centralisée des MRO au
Québec.
À la suite de cette étude, plusieurs pistes de recherche peuvent être identifiées. Tout d’abord, il
pourrait être intéressant d’étudier l’influence de la composition des MR sur le choix du scénario
vii
de gestion. De plus, les modèles prédictifs développés dans cette étude sont spécifiques à
l’agglomération de Montréal. Or, la gestion des matières résiduelles est un domaine d’étude où le
contexte dans lequel se déroule l’analyse est très important. Ainsi, il serait pertinent de déterminer
si la méthodologie développée dans ce mémoire est applicable à d’autres territoires ayant des
caractéristiques différentes de celles de Montréal.
Enfin, il serait particulièrement intéressant d’associer à cette étude économique, une évaluation
des impacts environnementaux et sociaux que cause la mise en place de ce type de scénario de
gestion sur un territoire.
viii
ABSTRACT
Each Quebecer produces 396 kg of residual materials (RM) per year, which is one of the biggest
production rates in North American. In 2015, nearly 40% of these materials were still disposed in
a landfill or incineration facility. Among these residues, the organic residual materials (ORM)
produce leachate and greenhouse gases (GHG) during their decomposition which can be
responsible for important environmental consequences.
However, these materials have a recovery potential. To fight against wastage of resources and
climate change, the Quebec government has decided to ban the disposal of organic matter by 2020
and set up the Program for the Treatment of Organic Matter through Biomethanization and
Composting (PTMOBC). Nevertheless, only 25% of organic residues are currently recovered. This
low rate is partly explained by the fact that less than a third of Quebec municipalities offer
collection services for these residues.
The annual cost of ORM treatment, depending on the used recycling technology (open
composting, closed vessel composting, anaerobic digestion) and plant capacity, was modeled and
validated with empirical data extracted from the literature. If the plant capacity is less than
150,000 t/y, open composting is the most cost-efficient technology. For a larger capacity plant, the
anaerobic digestion becomes the least expensive solution thanks to economies of scale. If plants
ix
are subsidized by PTMOBC, this critical capacity is 40,000 t/y. By combining transportation and
treatment models, 14 ORM treatment scenarios were modeled and compared to analyze the
influence of parameters such as economies of scale, transport distance, and a subsidy program like
PTMOBC, in the same area. The results of this study show that PTMOBC is supporting anaerobic
digestion development and ORM centralized management in Quebec.
This general methodology was applied to the Montreal Island, which was divided into two areas,
“East” and “West” by combining generation, collection, transportation and treatment models. For
the Eastern area, a quantity of 137,940 t/y of ORM has been obtained. As for the western area, this
quantity was equal to 53,696 t/y. The cheapest management scenario for this study, estimated at
$29,3M/y, is to implement a mixed collection of ORM and a closed vessel composting plant for
each of the two areas.
Nevertheless, the study has certain limits. Indeed, the RM generation model assumed that this
generation could be estimated by only considering the built environment in a given area. Regarding
the collection and transportation models, the key parameters used to estimate costs are specific to
Montreal. Using these parameters for other areas should be done cautiously. Finally, in this study,
the revenues generated by the sale of compost and biogas were considered equivalent due to the
lack of a study on available markets for ORM recovered products.
The findings of this study provide several avenues for future research. First, it might be interesting
to study the influence of RM composition on the management scenarios. In addition, the predictive
models developed in this study are specific to the agglomeration of Montreal. Residual materials
management is a field of study in which the context of analysis is very important. Thus, it would
be relevant to determine if the methodology developed in this study is applicable to other areas
that have characteristics different from those of Montreal. Finally, it would be particularly
interesting to associate with this economic study, an assessment of environmental and social
impacts that the implementation of this type of management scenario has in a given area.
x
REMERCIEMENTS ..................................................................................................................... IV
RÉSUMÉ........................................................................................................................................ V
Mise en contexte.............................................................................................................. 3
La biométhanisation .................................................................................................. 25
xi
Le compostage........................................................................................................... 30
Comparaison des résultats obtenus avec les contrats de la Ville de Montréal .......... 73
Tableau 2-1 : Bilan des matières résiduelles de l’Agglomération de Montréal en 2016 .............. 14
Tableau 3-1 : Couplage des données du Bilan 2016 de la Ville de Montréal avec les nombres de
logements pour chaque territoire sur l’Île de Montréal ......................................................... 45
Tableau 4-2 : Taille moyenne des ménages en fonction du type de logement (QGIS) ................. 61
Tableau 4-4 : Données du recensement 2016 pour les secteurs de collecte de Verdun ................ 65
Tableau 4-5 : Données du rôle foncier 2016 des logements de l’arrondissement de Verdun ....... 65
Tableau 4-6 : Fraction de matières résiduelles organiques recyclables dans les matières résiduelles
en fonction du bâti ................................................................................................................. 68
Tableau 4-8 : Paramètres pour l’estimation des revenus générés grâce à la biométhanisation .... 80
Tableau 5-1 : Description des scénarios de traitement des MRO (CO : compostage ouvert ; CF :
compostage fermé ; Bio : biométhanisation) ......................................................................... 89
Tableau 5-2 : Estimations des coûts pour la collecte des MRO de l’Ouest de l’île de Montréal 100
Tableau 6-1 : Consommation carburant camions de collecte 2018 (Géotab) ............................. 127
Tableau 6-3 : Données de coûts O&M d’usines de biométhanisation de différentes capacités .. 129
Tableau 6-6 : Nombres d’heures d’utilisation d’un camion de collecte (FOCUS) ..................... 132
Tableau 6-7 : Données utilisées pour le calcul du temps de collecte .......................................... 134
xiv
Figure 2-1 : Hiérarchie des modes de gestion de la matière organique au Québec (inspiré de
Mariane Maltais-Guilbault, RECYC-QUÉBEC) .................................................................... 5
Figure 2-3 : Composition moyenne des MR du secteur résidentiel au Québec d’après RECYC-
QUÉBEC (2015) ..................................................................................................................... 8
Figure 2-4 : Génération de matière résiduelle moyenne par personne par voie de collecte d’après
RECYC-QUÉBEC (2015)....................................................................................................... 8
Figure 2-5 : Composition moyenne des ordures ménagères collectées au Québec, d’après la
caractérisation 2012-2013 de ÉEQ et RECYC-QUÉBEC ...................................................... 9
Figure 2-6 : Composition moyenne des matières retrouvées dans la collecte sélective des matières
recyclables, d’après la caractérisation 2012-2013 de ÉEQ et RECYC-QUÉBEC ............... 10
Figure 2-7 : Composition des matières retrouvées dans la collecte des matières organiques
(RV/RA), d’après la caractérisation 2012-2013 de ÉEQ et RECYC-QUÉBEC................... 11
Figure 2-8 : Gestion des MRO produites par le secteur résidentiel, incluant les boues, au Québec
en 2015 d’après RECYC-QUÉBEC (2015) .......................................................................... 11
Figure 2-9 : Marchés pour les composts produits au Québec en 2015 ......................................... 12
Figure 2-10 : Composition des matières organiques en fonction du bâti (kg/log/an) d’après
RECYC-QUÉBEC (2014)..................................................................................................... 15
Figure 2-11 : Taux de récupération des matières acceptées dans la collecte sélective des matières
recyclables en 2014 ............................................................................................................... 15
Figure 3-1 : Génération d’ordures ménagères en 2016 dans les différents secteurs de collecte de
l’arrondissement de Verdun .................................................................................................. 42
Figure 4-1 : Vérification de la qualité de la prédiction pour les matières résiduelles ................... 60
xv
Figure 4-2 : Vérification de la qualité de la prédiction pour les matières recyclables .................. 62
Figure 4-3 : Vérification de la qualité de la prédiction pour les ordures ménagères .................... 63
Figure 4-6 : Coûts de collecte et transport estimés pour les arrondissements de l’Île de Montréal
............................................................................................................................................... 73
Figure 4-7 : Comparaison des coûts entre le modèle et la Ville de Montréal pour les ordures
ménagères .............................................................................................................................. 74
Figure 4-8 : Coût de collecte et de transport prédit vs coût facturé en fonction des entrepreneurs
pour chaque territoire (les courbes de tendance sont indiquées pour les entrepreneurs qui ont
plus de 3 contrats) ................................................................................................................. 75
Figure 4-13 : Comparaison des coûts annuels des trois technologies de traitement (CO :
compostage ouvert ; CF : compostage fermé ; Bio : biométhanisation), sans aide financière
du PTMOBC – immobilisation et exploitation sur 20 ans .................................................... 84
Figure 4-14 : Comparaison des coûts annuels des trois technologies de traitement (CO :
compostage ouvert ; CF : compostage fermé ; Bio : biométhanisation), avec aide du
PTMOBC – immobilisation et exploitation sur 20 ans ......................................................... 85
Figure 5-2 : Représentation graphique des scénarios les plus rentables en fonction de la distance
entre les deux zones............................................................................................................... 91
Figure 5-7 : Répartition des logements en 2016 selon leur type — Zone Est............................... 97
Figure 5-8 : Répartition des logements en 2016 selon leur type — Zone Ouest ........................ 100
Figure 5-9 : Scénarios les plus rentables selon la méthodologie développée dans cette étude ... 101
Figure 6-2 : Résidus obtenus pour la voie de collecte : Génération globale de matières résiduelles
............................................................................................................................................. 135
Figure 6-3 : Résidus obtenus pour la voie de collecte : Ordures ménagères et troisième voie ... 135
Figure 6-4 : Résidus obtenus pour la voie de collecte : Matières recyclables ............................ 135
Figure 6-7 : Droite de Henry : Ordures ménagères & 3e voie .................................................... 136
Figure 6-8 : Scénarios de gestion fictifs pris en compte pour l’étude de cas .............................. 138
xvii
𝑎 Autre logement
𝐶 Capacité du camion (t)
𝑐 Voie de collecte (-)
𝐶𝑎 Coût annuel de l’installation de traitement ($ an-1)
𝐶𝐶 Coût annuel de la collecte ($ an-1)
𝐶ℎ Coût horaire du camion ($ h-1)
𝐶𝑖𝑛𝑣 Coût d’investissements ($)
𝐶𝑖𝑛𝑣𝑎 Coût d’investissement annuel ($ an-1)
𝐶𝑀 Coût de la maintenance ($ h-1)
𝐶𝑚𝑜 Coût de la main-d’œuvre ($ h-1)
𝐶𝑂&𝑀 Coûts d’opération et maintenance ($)
𝐶𝑂&𝑀𝑎 Coût d’opérations et maintenance annuel ($ an-1)
𝐶𝑡 Coût annuel du transport ($ an-1)
𝑑 Duplex
𝐷𝑖 Nombre de kilomètres parcourus par an (km an-1)
f Facteur d’échelle (-)
𝑓𝑎 Facteur d’annuité (-)
𝐹𝑜 Taux de subvention appliqué aux opérations et à la maintenance (%)
𝐹𝐶 Consommation de carburant (L km-1)
𝐹𝐶𝐶 Consommation de carburant (L km-1)
𝐹𝐶𝑡 Consommation de carburant durant le transport (L km-1)
𝐹𝑢 Taux de subvention appliqué aux investissements (%)
𝐻 Pouvoir calorifique inférieur du biogaz (kWh m-3)
𝑖 Type de logement à partir du recensement (-)
𝑗 Fraction de matière résiduelle par voie de collecte (-)
𝑙𝑖 Nombre de logements de type i (-)
𝑙𝑐𝑖 Nombre de logements de type i par la collecte c (-)
𝑙𝐷 Pourcentage de biogaz perdu lors du procédé (%)
𝑙𝐻 Pourcentage de biogaz utilisé pour chauffer le digesteur (%)
𝑙𝑝 Pourcentage d’électricité consommée par l’installation (%)
xviii
Lettres grecques
𝛼𝑐𝑖 Masse estimée générée pour la voie de collecte c par type de logement i (t log-1)
𝛼𝑡𝑖 Masse totale estimée générée par type de logement i (t log-1)
𝛽𝑖 Temps de collecte par logement de type de logement i (h)
𝛾𝑐 Durée de vie du camion (an)
𝛾𝑢 Durée d’amortissement de l’installation (an)
ɳdiesel Prix du carburant ($ L-1)
𝜋𝑐𝑖 Taux de pureté de la collecte c par type de logement i (%)
𝜎𝑐𝑖 Taux d’implantation de la collecte c pour les logements de type i (%)
𝜌 Efficacité du moteur (%)
𝑖
𝜏𝑐,𝑗 Taux de récupération de matière j dans la collecte c par type de logement i (%)
Abréviations
Bio Biométhanisation
EC Environnement Canada
G$ Milliards de dollars
MO Matières organiques
MR Matières résiduelles
OM Ordures ménagères
pH Potentiel hydrogène
RA Résidus alimentaires
RV Résidus verts
Annexe G – Heures annuelles d’utilisation pour un camion de collecte (FOCUS) .................... 132
Annexe I – Analyse des résidus issus des régressions linéaires .................................................. 135
Annexe J – Tracé des Droites de Henry pour les voies de collecte analysées ............................ 136
Annexe K – Représentation graphique des scénarios utilisés pour l’étude de cas ...................... 137
Annexe L – Comparaison des coûts de différents scénarios de gestion des MRO pour l’Île de
Montréal .............................................................................................................................. 139
1
CHAPITRE 1 INTRODUCTION
Depuis la fin de la Seconde Guerre mondiale, notre façon de consommer a évolué. La peur de
manquer fait place à la surconsommation et au gaspillage. L’accroissement de la population et de
l’urbanisation font exploser la production de déchets. En 2002, sur les 2,9 milliards de personnes
habitant en zone urbaine, le taux de génération moyen était de 0,64 kg/pers/jour de MR (Banque
mondiale, 2012). Dix ans plus tard, ce taux a tout simple doublé et la population a atteint les 3
milliards. Si cette tendance continue, la Banque Mondiale estime qu’en 2025, ce seront 4,3
milliards de personnes qui généreront, chaque jour, 1,42 kg de MR.
Le Québec est loin d’être épargné par ce phénomène. En trente ans, la production de MR au
Québec a presque doublé passant de 13 tonnes à 25 tonnes de MR par minute (MDDELCC, 2018).
D’un point de vue économique, le déchet est avant tout une perte. Le temps et les ressources
alloués à la création d’un produit sont perdus lorsqu’il est jeté. De plus, il engendre des frais
supplémentaires de gestion nécessitant la mise en place de collecte, de tri et d’installations de
traitement. On estime que les coûts associés à cette gestion vont passer de 205,4 G$ à 375,5 G$
en 2025 (Banque mondiale, 2012).
Cependant, le déchet est aussi une ressource. Pendant plusieurs siècles, l’enfouissement et
l’incinération faisaient office de solutions idéales en permettant la disparition de ces matières.
Depuis les années 1970, les avancées sur leur potentiel de valorisation et les risques
environnementaux de cette production excessive entraînent une réelle prise de conscience.
Le cas des résidus organiques est l’un des plus préoccupants. Ces résidus représentent un peu
moins de la moitié (47 %) des MR contenues dans la poubelle des Québécois (RECYC-QUÉBEC,
2017a). Ils peuvent être responsables, lors de leur élimination, de conséquences
environnementales importantes par la production de lixiviat, pouvant entraîner une contamination
de l’eau et des sols, ou de gaz à effet de serre (GES).
2
Depuis plusieurs années, le gouvernement met en place des mesures pour dynamiser ce secteur.
Tout d’abord, il a fixé une contrainte majeure avec le bannissement des matières organiques d’ici
2020. Puis, il a créé en 2009 le Programme de traitement des matières organiques par
biométhanisation et compostage (PTMOBC) ayant pour but d’offrir un soutien financier pour
l’installation d’infrastructures permettant de traiter la matière organique. Enfin, des incitatifs ont
été ajoutés au Programme sur la redistribution aux municipalités des redevances pour l’élimination
des MR pour encourager la mise en place de collecte de matière organique (MDDELCC, 2017d).
Si les municipalités veulent respecter l’échéance de 2020, il est nécessaire d’agir rapidement.
Cependant, établir un scénario de gestion de matière résiduelle est loin d’être trivial.
Afin d’aider les municipalités à estimer les coûts de leur gestion, tout en remplissant les objectifs
fixés par le gouvernement, l’objectif de ce mémoire est d’établir une méthodologie permettant de
comparer de façon technico-économique différents scénarios de gestion des matières résiduelles
organiques (MRO) triées à la source.
Le chapitre suivant présente une revue de littérature critique visant à faire l’état de l’art des
différentes problématiques liées à l’estimation des coûts de la gestion des MRO.
3
La mise en place d’une méthodologie permettant la comparaison de scénario de gestion des MRO
nécessite de connaître l’état de l’art de chacune des parties dudit scénario. Dans un premier temps,
une mise en contexte soulève la problématique des MRO et introduit la notion de scénario de
gestion. Par la suite, les différentes parties qui composent ce scénario sont explicitées et les défis
qu’implique leur modélisation sont détaillés. Pour chaque partie, les travaux qui ont déjà été
réalisés pour permettre leur estimation sont présentés ainsi que les méthodes utilisées pour les
comparer sur une base économique.
Mise en contexte
L’un des grands enjeux environnementaux avec la gestion des MR est le cycle du carbone, défini
comme étant le déplacement du carbone, sous diverses formes, entre la surface de la Terre, son
intérieur et l’atmosphère (CEA, 2014). Les matières organiques jouent un rôle essentiel dans ce
cycle car elles permettent de retourner le carbone au sol. Cependant, lorsqu’elles sont envoyées
dans des sites d’enfouissement, elles sont très souvent responsables de nuisances dues à leur
décomposition. En effet, enfouies, les matières organiques, en absence d’oxygène, se décomposent
et produisent entre autres du méthane. Cette production de méthane, si elle n’est pas captée,
contribue au réchauffement climatique et peut être à l’origine d’incendie ou d’explosion (Global
Methane Initiative, 2011). De plus, l’enfouissement de matières organiques engendre la
production de lixiviat. Ce liquide peut contenir trois classes de substances pouvant présenter un
risque pour la santé : les composés organiques, les composés inorganiques et les organismes
pathogènes. En cas de non-étanchéité du site, ces composés peuvent contaminer les eaux
souterraines ou de surface (Quintus, 2007).
De plus en plus de lieux d’enfouissement installent des systèmes de captage, plus ou moins
efficaces, mais cette démarche est pour le moment loin d’être majoritaire au Canada
(Environnement Canada, 2013). Au Québec, le Règlement sur l’enfouissement et l’incinération
de matières résiduelles (REIMR) impose des systèmes de captage de biogaz et de lixiviat. Dans le
but de gérer la matière organique de façon plus efficace et respectueuse de l’environnement, tout
en atteignant les objectifs du plan d’action sur les changements climatiques, le gouvernement a
décidé de bannir de l’élimination les matières organiques en 2020.
4
Cette décision entraîne une redistribution des cartes concernant la gestion de ces matières. Toutes
les municipalités doivent désormais mettre en place des scénarios de gestion permettant de
collecter et séparer les MRO, puis déterminer par quel moyen elles seront valorisées. Pour aider à
la prise de décisions, les actions à entreprendre pour la gestion des MR sont couramment
hiérarchisées.
Il existe différentes façons de gérer les MR. En fonction des décisions prises par les gestionnaires,
publics ou privés, ces matières peuvent être réduites à la source, réemployées, recyclées, valorisées
ou éliminées. Cependant, le choix de la méthode de gestion a des conséquences sur
l’environnement et tout particulièrement sur l’épuisement des ressources et la production de gaz
à effet de serre (GES).
Pour aider et orienter la prise de décisions des gestionnaires, une hiérarchie des modes de gestion
est mise en place afin de privilégier ceux générant le moins d’impacts. Prenant la forme de
l’acronyme « 3RV-E », cette hiérarchie tend à privilégier la réduction à la source puis le réemploi,
le recyclage, la valorisation et en dernier lieu l’élimination des MR.
L’une des origines de cette hiérarchie est une directive de 1975 du Conseil des Communautés
européennes qui, sans les classer directement, priorisait certains modes de gestions par rapport à
d’autres :
« Les États membres prennent les mesures appropriées pour promouvoir la prévention, le
recyclage et la transformation des déchets, l’obtention à partir de ceux-ci de matières premières
et éventuellement d’énergie, ainsi que toute autre méthode permettant la réutilisation des
déchets. » (CCE, 1975)
Au Québec, il faut remonter à 1989 pour voir apparaître la hiérarchie des 3RV-E énoncée dans la
Politique de gestion intégrée des déchets solides où il est écrit que :
« La réduction, le réemploi, le recyclage, la valorisation et l’élimination doivent, dans cet ordre,
devenir les assises d’une gestion intégrée des déchets solides au Québec. » (MDDELCC, 1989)
L’une des limites de cette politique résidait dans le fait que les termes employés dans la hiérarchie
n’étaient pas clairement définis.
5
La seconde Politique, datant de 1998, est venue s’appuyer sur celle de 1989 en reprenant la même
hiérarchie, mais en ajoutant la possibilité de ne pas la suivre dans certains cas particuliers. Ainsi
dans le Plan d’action québécois sur la gestion des MR 1998-2008, on peut lire :
Ce plan est largement repris par les Politiques québécoises suivantes tout en tenant compte des
nouveaux amendements de la Loi sur la qualité de l’environnement (LQE). La dernière en date, la
Politique québécoise de gestion des MR 2011-2015, reprend cette même hiérarchie en apportant
des précisions :
« À moins qu’une analyse basée sur une approche du cycle de vie des biens et des services ne
démontre qu’une dérogation est justifiée, la réduction à la source, le réemploi, le recyclage, y
compris par traitement biologique ou épandage sur le sol, les autres formes de valorisation de la
matière, la valorisation énergétique et l’élimination doivent être privilégiés dans cet ordre dans le
domaine de la gestion des MR. » (MDDELCC, 2011)
Suivant cette hiérarchie, les différents modes de gestion des matières organiques sont présentés
(Figure 2-1) puis détaillés à l’Annexe A.
Figure 2-1 : Hiérarchie des modes de gestion de la matière organique au Québec (inspiré de
Mariane Maltais-Guilbault, RECYC-QUÉBEC)
6
Si ce fait de hiérarchiser les méthodes pose un cadre de gestion, une philosophie alternative
propose une approche systémique. Abrégée 4R-VD (Réduction, Récupération, Réutilisation,
Recyclage, Valorisation et Disposition) cette vision basée sur le PNUE (Programmes des Nations
Unies pour l’Environnement), est utilisée pour « concevoir et implémenter de nouveaux systèmes
de gestion de déchets et pour analyser et optimiser les systèmes existants » (Seadon, 2010). Son
avantage est de ne pas imposer une hiérarchie, mais de permettre aux décisionnaires de choisir les
scénarios en fonction des conditions locales. En restant à l’échelle d’un système, c’est l’ensemble
du scénario de gestion (collecte, transport, tri, traitement, enfouissement, résidus ultimes) qui peut
être analysé (Bing, Bloemhof, Ramos, Barbosa-Povoa, Wong & van der Vorst, 2016).
La matière organique issue des MR est à la fois une perte et une ressource. Pour pouvoir analyser
les impacts de sa gestion, il est nécessaire de prendre en compte ce qu’elle remplace et le contexte
dans lequel elle est produite (Tanguy, 2016). Un scénario de gestion des MR est un cycle
combinant plusieurs étapes indépendantes.
Ce cycle est schématisé (Figure 2-2) sous la forme d’un système composé de quatre étapes
principales où la matière résiduelle joue le rôle de lien. Dans un premier temps, elle est générée
puis collectée et transportée vers un centre de tri. De ce centre, les différents flux de matières sont
séparés et acheminés vers des usines de traitement afin d’être valorisés. Cette valorisation peut
permettre la création de produits pouvant prendre plusieurs formes allant du réemploi à la création
de chaleur. Ces produits sont réutilisés ou utilisés pour d’autres applications qui génèrent à leur
tour des matières organiques résiduelles.
Une des particularités de ce type de scénario vient du fait que les extrants de chaque étape sont les
intrants de la suivante. Ainsi, chaque décision prise impacte l’ensemble du cycle. La modélisation
d’un scénario de gestion passe alors par une bonne compréhension des paramètres influents de
chacune des étapes.
Dans une première partie, la génération des MR au Québec selon les différentes voies de collecte
est présentée puis les résultats de la gestion actuelle des résidus organiques sont détaillés. Enfin,
les méthodes permettant d’estimer la génération sont abordées.
La plus récente étude date de 2015 et est réalisée par RECYC-QUÉBEC et ÉEQ. Basée sur près
de 4 270 logements répartis sur 42 municipalités, l’étude a permis d’échantillonner 68 tonnes de
matières destinées aux trois voies de collecte en bordure de rue. Ces matières ont ensuite été triées
en 77 catégories (RECYC-QUÉBEC, ÉEQ, 2015).
Les résultats de cette étude montrent que chaque citoyen québécois a déposé, en moyenne, 396 kg
de MR en bordure de rue ce qui représente une augmentation de 11 % par rapport à la
caractérisation de 2010. Elles sont principalement composées de matières organiques (44 %), de
papiers et cartons (20 %) et d’encombrants et CRD (14 %) (Figure 2-3).
8
Figure 2-3 : Composition moyenne des MR du secteur résidentiel au Québec d’après RECYC-
QUÉBEC (2015)
72 % de ces matières sont collectées par la collecte des ordures ménagères contre 22 % dans la
collecte sélective des matières recyclables et 6 % dans la collecte des matières organiques
(Figure 2-4).
Figure 2-4 : Génération de matière résiduelle moyenne par personne par voie de collecte d’après
RECYC-QUÉBEC (2015)
Figure 2-5 : Composition moyenne des ordures ménagères collectées au Québec, d’après la
caractérisation 2012-2013 de ÉEQ et RECYC-QUÉBEC
Figure 2-6 : Composition moyenne des matières retrouvées dans la collecte sélective des
matières recyclables, d’après la caractérisation 2012-2013 de ÉEQ et RECYC-QUÉBEC
Pour détourner la matière organique de l’enfouissement, 360 des 1112 municipalités québécoises
proposent, en 2018, une collecte des matières organiques afin de permettre le recyclage de ces
matières. Elle peut être de deux types : collecte des résidus verts (RV) ou collecte combinée de
résidus alimentaires et verts (RA/RV).
Cette voie de collecte étant récente, une minorité des ménages sondés durant l’étude de RECYC-
QUÉBEC, principalement des unifamiliales, se retrouve desservie (45 %). En tenant compte de
ces limites, l’étude montre qu’une personne desservie génère 36 kg/an pour une collecte des RV
et 128 kg/an pour une collecte combinée. Pour cette dernière, la composition des matières
collectées est présentée à la Figure 2-7.
11
Figure 2-7 : Composition des matières retrouvées dans la collecte des matières organiques
(RV/RA), d’après la caractérisation 2012-2013 de ÉEQ et RECYC-QUÉBEC
En 2015, sur les 2 348 000 tonnes de matières organiques générées au Québec, plus de 1,6 million
de tonnes de matières organiques (71 %) ont été éliminées par le secteur résidentiel pour seulement
687 000 tonnes (29 %) recyclées (Figure 2-8).
Figure 2-8 : Gestion des MRO produites par le secteur résidentiel, incluant les boues, au Québec
en 2015 d’après RECYC-QUÉBEC (2015)
12
À partir de ces résidus organiques, 245 000 tonnes de compost ont été produites afin d’être
distribuées ou vendues en vrac (94 %) ou en sac (6 %).
Seulement 4 % de ce compost est utilisés hors Québec. La Figure 2-9 présente les différents
marchés où le compost est vendu ou donné au Québec en 2015.
Fabricants de terreaux
4%
6% Aménagements paysagers
5%
Recouvrement
6%
44% Végétalisation
8%
Agriculture
Horticulture
11%
Vente au détail
16%
Distribution citoyens
Ces chiffres montrent qu’une partie des MRO est recyclée, mais souligne surtout que la majorité
de ces matières sont éliminées dans l’un des 77 lieux d’élimination en fonctionnalité, en 2015, au
Québec.
Avec le bannissement de ces matières de l’élimination prévu pour 2020 et les possibilités créées
par le PTMOBC, les municipalités peuvent et doivent améliorer leur gestion des résidus
organiques. Pour cela, la première étape est de connaître le flux disponible en estimant la
génération sur son territoire.
L’estimation de la génération de matières organiques nécessite d’avoir accès à des données fiables
afin de garantir la qualité d’ajustement de la prédiction. Au regard de la caractérisation présentée
dans la partie précédente, il est nécessaire, pour connaître le flux global de matières organiques
produites, de prendre en compte les trois voies de collecte.
13
Les municipalités québécoises comptabilisent, chaque année, les quantités de MR collectées sur
leur territoire. Grâce à ses résultats, il est possible de connaître sur un territoire spécifique, la
production annuelle de matières en fonction des voies de collecte présentes (Tableau 2-1).
D’une manière générale, ces données peuvent être utilisées à plusieurs échelles, que ce soit par
une municipalité pour comparer des arrondissements entre eux ou des MRC pour comparer les
territoires entre eux. Cette comparaison se base en partie sur le taux de production (kg/an/pers) de
MR. Cependant, ce type d’analyse repose sur l’hypothèse que chaque personne génère la même
quantité et que la génération est homogène sur l’ensemble du territoire collecté sans tenir compte
des spécificités géographiques et socio-économiques.
Or, d’après plusieurs caractérisations faites par RECYC-QUÉBEC et ÉEQ (2009, 2014), la
génération et la composition des MR québécoises diffèrent en fonction de plusieurs attributs
sociodémographiques et socio-économiques. Ces attributs peuvent devenir des contraintes lors de
la mise en place d’un programme de gestion des MR.
14
Déchets
Récupération
résidentiels
Matières organiques
Arrondissement Collecte
porte-à-porte
sélective alimentaire mélangés
(tonnes) vert
(tonnes) s
(tonnes) (tonnes)
(tonnes)
Ahuntsic/Cartierville 34 109 8820 2989 619
Anjou 11 577 2666 412 121
Baie-d’Urfé 1189 401 214 293
Beaconsfield 3584 2268 596 3423
CDN/NDG 41 024 11 761 3132 183
Côte-St-Luc 7962 2177 623 1066
Dollard-des-Ormeaux 13 365 3717 1059 2668
Dorval 4398 1912 1513
Hampstead 1654 639 201 147
Île Bizard/Ste-
5561 2186 314 935
Geneviève
Kirkland 4230 3403 514 2302
Lachine 12 835 6356 315 8 1036
LaSalle 18 963 1766 842 251
Mercier/Hoch.-Mais. 36 285 10 844 969 1558
Montréal-Est 1527 300 88
Montréal-Nord 22 475 6000 1303 270
Montréal-Ouest 1297 454 81 360
Mont-Royal 5107 2126 1924 1166
Outremont 5492 2182 1032 215
Pierrefonds/Roxboro 19 219 5499 20 2236
Plateau Mont-Royal 28 959 8967 610 177
Pointe-Claire 5725 3630 591 3838
RDP/PAT 26 453 8773 3824 1837
Rosemont/Petite-
31 835 12 675 1635 3621
Patrie
Ste-Anne-de-Bellevue 1302 558 392
St-Laurent 20 998 6494 292 3770
St-Léonard 21 463 6626 907 438
Senneville 217 8022 96 136
Sud-Ouest 19 944 8633 690 1188
Verdun 16 122 1947 497 878
Ville-Marie 21 898 8820 145 43
Vill./St-M./Parc-Ext. 38 806 2666 1423 1402
Westmount 4749 401 1721 581
15
Si on prend l’exemple des matières organiques, la taille des ménages et le type de logement font
varier le poids et la composition des matières générées (Figure 2-10). La principale différence
vient des résidus verts, fortement présents chez les unifamiliales et presque absents pour les autres
catégories de logements.
Figure 2-10 : Composition des matières organiques en fonction du bâti (kg/log/an) d’après
RECYC-QUÉBEC (2014)
Une observation similaire peut être faite avec la performance de la collecte sélective des matières
recyclables. En effet, le taux de récupération des matières acceptées dans la collecte sélective des
matières recyclables varie de 48 % à 66 % en fonction du logement des sondés (Figure 2-11).
Figure 2-11 : Taux de récupération des matières acceptées dans la collecte sélective des matières
recyclables en 2014
16
Dans l’optique d’estimer les coûts qu’entraînent les programmes de gestion des matières
organiques, ce type de lien, s’il est vérifié, pourrait se révéler pertinent pour les trajets des camions
de collecte, l’identification de populations cibles ou encore la mise en place de scénarios
décentralisés. Cela montre que les personnes vivant en milieu urbain génèrent des MR de manière
différente à ceux qui habitent en milieu rural.
Les résultats d’une autre étude de RECYC-QUÉBEC (2015) soulignent le fait que le type de
logement, dans lequel la personne vit, a un rôle important. En effet, une personne vivant dans une
unifamiliale en milieu urbain génère 47 % plus de MR qu’une personne vivant dans un
multilogement.
Parizeau, von Massow et Martin (2015) rapportent que dans la ville de Guelph, en Ontario, les
unifamiliales produisent certes plus de MR que les autres logements, mais qu’elles ont le taux de
génération par personne le plus bas. Deux autres facteurs déterminants sont identifiés par ces
études, le niveau de scolarité et le niveau de revenu, qui entraînent une augmentation de la quantité
produite, mais aussi du taux de récupération des matières recyclables. Ainsi, sur un même
territoire, en fonction des facteurs socio-économiques présents, la génération évolue (ÉEQ, 2008 ;
RECYC-QUÉBEC et SOLINOV, 2016).
Comme cela est dit précédemment, les données actuelles de génération ne sont disponibles que
sous forme de bilan de territoire prédéfini par les municipalités. Pour pouvoir estimer les coûts
d’un scénario alternatif de gestion de MR, la génération doit pouvoir être localement.
L’objectif est de déterminer par quel moyen, à partir des données disponibles, il est possible
d’estimer la génération locale de MR.
La génération de MR peut être prédite selon différentes méthodes. L’une d’elles est d’utiliser les
données provenant d’une étude de caractérisation. Cependant, si cette méthode permet de fournir
une indication moyenne de la génération des MR, elle n’est pas réaliste dans le cadre de cette
étude car elle nécessiterait de faire une caractérisation, processus long et coûteux, pour chaque
scénario imaginé (Gay, Beam & Mar, 1993).
D’autres méthodes sont aussi en cours de développement (réseau de neurones, logique floue,
machine à vecteur de support), mais ne sont pas encore robustes et ne seront pas considérées dans
17
cette étude (Kumar, Subbaiah, & Prasada Rao, 2011). Ils seront cependant l’objet d’étude d’un
projet de la CRVMR.
Enfin, une autre façon de procéder est d’utiliser les paramètres influents sur la génération à l’aide
de modèle statistique tel qu’une régression linéaire multiple, une modélisation économétrique ou
encore un système d’information géographique (SIG) pour estimer la génération d’un territoire
donné (Purcell & Magette, 2009).
Afin de prédire la génération locale à partir de ce type de modèle, il est primordial d’avoir le
portrait le plus détaillé possible du contexte dans lequel le scénario se déroule. C’est pour obtenir
ce type d’informations que le recensement de population est mis en place. Cette opération a pour
but de répondre à deux questions fondamentales : « Qui sommes-nous ? » et « Combien sommes-
nous ? » (Filippova & Guérin-Pace, 2013)
Effectué tous les 5 ans par Statistiques Canada, il permet d’obtenir un portrait statistique du
Canada. Que ce soit pour connaître le nombre de personnes, la langue majoritairement parlée ou
encore l’âge moyen, cette étude est une mine d’informations sur les caractéristiques d’une zone
pouvant aller d’une aire de diffusion au pays tout entier.
L’aire de diffusion est la plus petite unité géographique pour laquelle l’ensemble des données du
recensement est disponible. À titre d’exemple, la Ville de Montréal est ainsi découpée en près de
3000 aires de diffusions ayant chacune leurs données propres. Il est possible de connaître le
nombre d’habitants, mais aussi de logements en fonction de son type (unifamilial, duplex, etc.)
pour chaque aire. Cette base de données permet alors d’analyser une multitude de facteurs
démographiques et socio-économiques. Cependant, aucune question ne concerne les MR et leur
génération.
Les données géoréférencées fournies par les institutions gouvernementales et les municipalités
sont en constante augmentation. Pour ce qui est du domaine de la gestion des MR, il est courant
d’avoir accès aux informations géolocalisées des secteurs des différentes collectes avec l’heure et
la fréquence de passage des camions (Figure 2-12).
Plusieurs études ont eu recours à ce système lors de leurs travaux. Karadimas et Loumos (2008)
l’utilisent pour estimer la génération et la collecte des MR. Autre exemple, Sultana et Kumar
(2012) ont développé un modèle permettant d’obtenir la localisation et la capacité optimale de
sites de traitement de la biomasse. Nguyen-Trong, Nguyen-Thi-Ngoc, Nguyen-Ngoc et Dinh-Thi-
Hai (2017) proposent quant à eux un modèle d’optimisation de trajets de collecte et transport pour
la gestion des MR en utilisant une méthode similaire.
En se basant sur cette approche, les données de bilan peuvent être liées au territoire sur lequel elles
ont été générées. Ce couplage a pour but d’envisager la création d’un modèle permettant d’estimer,
à partir de facteurs clés et d’informations géographiques, la génération sur un territoire spécifique.
19
Cycle de collecte
La collecte des matières organiques suit un cycle. Ce dernier commence par le trajet entre le
garage, où les véhicules sont stationnés, et le lieu de ramassage de la matière en bord de rue où ils
doivent s’arrêter à chaque point de collecte. Lorsque le véhicule est rempli, vient ensuite le
transport vers un centre de transbordement, où après une période de stockage, les matières sont
ensuite transférées dans un autre camion de plus grande capacité afin de réduire les coûts de
transports jusqu’au lieu de traitement. Il est possible, en fonction de la distance entre la zone de
collecte et le lieu de traitement qu’il n’y ait pas de centre de transbordement. Le type de véhicule
choisi a un impact important sur le cycle de collecte et à plus haut niveau sur le scénario de gestion.
En fonction des spécificités du territoire, la collecte des matières organiques peut s’opérer à
différentes échelles qui sont détaillées dans la partie suivante.
On peut différencier deux moyens de collecter la matière organique selon la méthode de tri des
matières : l’apport volontaire et la collecte porte-à-porte.
20
L’apport volontaire
L’apport volontaire est une méthode de collecte où les habitants apportent eux-mêmes leurs
matières résiduelles à des points de collecte. Ces points de collecte peuvent être installés de
manière centralisée ou décentralisée :
Dépôt de récupération
La méthode la plus simple et la moins coûteuse est la mise en place d’un dépôt de récupération
centralisé. La matière organique est placée dans des enceintes ou simplement entassée avant d’être
transportée vers le centre de traitement (Environnement Canada, 2013). Cette méthode convient
uniquement aux résidus verts en raison des problèmes d’odeurs et de présence d’animaux nuisibles
que peuvent causer les résidus alimentaires (RECYC-QUÉBEC, 2018).
L’une des alternatives à un seul point de dépôt centralisé est la mise en place de site de collecte
communautaire. L’objectif est de diminuer la distance entre le site de dépôt et le lieu de production
de la matière organique en implantant des points de collecte décentralisés afin d’augmenter la
participation et la récupération (RECYC-QUÉBEC, 2018). Cependant, de la même façon que pour
le site centralisé, les odeurs et les animaux peuvent être à l’origine de plaintes des citoyens. De
plus, en fonction des conteneurs utilisés, le recours à des camions de collecte spécialisés peut
augmenter le coût de cette méthode (Environnement Canada, 2013).
La collecte porte-à-porte
L’autre méthode est de mettre en place une collecte des résidus organiques est la collecte porte-à-
porte. Au cours de cette dernière, la municipalité fournit plusieurs outils de collecte (en fonction
du nombre de voies de collecte) et les habitants sont chargés de trier les matières.
Lors de la collecte mixte, la matière organique n’est pas séparée des ordures ménagères. Il y a
seulement deux voies, les ordures avec la matière organique et les matières recyclables (RECYC-
QUÉBEC, 2006).
21
L’une des spécificités de la collecte mixte, c’est qu’elle ne requière pas la participation du citoyen
pour le tri à la source des résidus organiques. Cette méthode permet de faire des économies sur les
frais de collecte, mais peut entraîner une hausse des coûts de traitement venant de la nécessité de
séparer les MRO des autres matières collectées afin de pouvoir les traiter.
Une collecte à quatre voies avec les résidus verts et alimentaires collectés séparément peut aussi
être mise en place. C’est la méthode qui permet d’optimiser la séparation des matières, mais c’est
aussi la plus onéreuse (Ville de Montréal, 2007).
D’après Boskovic, Jovicic, Jovanovic et Simovic (2016), les coûts de collecte et transport peuvent
représenter jusqu’à 70 % des coûts totaux du scénario de gestion. Une bonne estimation de ces
coûts s’avère déterminante pour évaluer de nouvelles stratégies ou justifier les besoins de
nouveaux équipements (Milke, 2006). Deux approches différentes existent : l’une, quantitative
basée sur des techniques d’optimisation et d’analyse coût-bénéfice (Clarke, 1971, Chang et Wang,
1997), l’autre, qualitative, utilisée dans le but de déterminer la génération de déchets ou le temps
et les ressources allouées à la collecte et au transport (McDavid, 1985, Jenkins, 1991, Palmer et
Walls, 1997).
Ces deux approches se basent sur trois méthodes principales qui sont présentées dans la partie
suivante.
La méthode des coûts unitaires commence par la désagrégation de chaque étape générant des
coûts. Puis, les quantités requises sont notées puis multipliées par leur coût unitaire, provenant
d’une base de données, ce qui permet d’obtenir un coût pour chaque étape. Enfin, ces coûts sont
sommés afin d’obtenir le coût global. Cette méthode est facile à mettre en place et son approche
22
« top-down » assure une certaine fiabilité (Parthan, Milke, Wilson & Cocks, 2012). En effet, cette
méthode est déterministe et permet d’éviter la présence de conjecture (Dysert & Christensen,
2003). Cependant, son application est laborieuse car elle nécessite une documentation robuste pour
que la qualité de chaque unité de coût soit fiable. Or, dans un secteur aussi contextuel que celui de
la gestion des matières résiduelles, les données sont rares. De plus, le principal inconvénient d’une
méthode basée sur le coût unitaire, c’est qu’il représente le coût à un instant donné et ne prend pas
en compte des phénomènes comme l’inflation.
Enfin, l’hypothèse principale de cette méthode est que les données de chacun des coûts identifiés
vont être disponibles. Lorsqu’il s’avère que ce n’était pas le cas, l’analyse des coûts est incomplète,
l’estimation peut être alors entachée d’un biais (Parthan et al., 2012).
Par sa simplicité, c’est une des méthodes les plus utilisées actuellement pour prédire le coût de
collecte et transport.
Le benchmarking
Le benchmarking est un moyen simple d’estimer un coût en utilisant les données d’organisations
similaires. Ces données doivent inclurent l’ensemble des coûts en prenant en compte les frais
d’opérations et maintenance, mais aussi ceux liés aux remboursements annuels car les
équipements et les installations peuvent être estimées selon différentes durées de vie et période de
dépréciation (UNEP-IETC, 2004).
L’un des problèmes avec les données obtenues, c’est qu’elles peuvent être exprimées par masse,
par personne ou encore par volume. Or, la génération et la densité des matières varient selon le
territoire où elles sont produites. Un même volume peut alors représenter deux cas très différents
(Diaz, 1996). Dans la majorité des cas, les données obtenues ne sont pas normalisées et ne donnent
qu’une représentation d’un service spécifique à une région particulière. Cette limite est un frein
majeur à l’utilisation de cette méthode pour comparer des scénarios.
Enfin, connaître dans quel contexte ces données de coûts ont été obtenues est très important. Dans
le cadre d’une demande de fonds, il est possible qu’elles aient été volontairement sous-estimées
pour augmenter les chances du projet. Au contraire, à un plus haut niveau, les coûts peuvent être
surestimés par les porteurs de projets pour montrer que les économies réalisées sur le long terme
23
valident leur gestion (Parthan, 2012). Ces deux pratiques peuvent causer des biais importants sur
les données utilisées pour le benchmarking.
Malgré ces limitations, c’est l’une des techniques les plus communes dans le monde.
La modélisation phénoménologique
Au contraire, l’étude comparative permet d’identifier comment chacun des paramètres étudiés
peut modifier un scénario. Cette méthode a déjà servi de base à des travaux sur l’analyse des
économies d’échelle d’un scénario de gestion (Pantaleo et al., 2013) ou encore les différences
entre un système centralisé et décentralisé (Bastin & Longden, 2009).
Ces études se basent sur le principe de choisir une technologie puis d’observer, en augmentant la
taille de la zone de collecte de façon concentrique, la capacité et le nombre de sites de traitement
désirés en fonction du scénario choisi. L’inconvénient de ce type d’étude vient du fait qu’ils
négligent l’hétérogénéité du territoire et son influence sur le choix du scénario.
𝐶ℎ
𝐶𝐶 = (𝐹𝐶𝐶 ∗ ɳdiesel + ) ∗ 𝐷𝑖 (2.1)
𝑉𝑐
Avec
De plus en plus de municipalités imposent dans leur appel d’offres, pour le service de collecte et
transport des MR, d’avoir accès aux logiciels de gestion de flotte des camions utilisés par les
entrepreneurs. Utilisées pour vérifier les opérations en cas de plainte des riverains, les données
compilées par ces logiciels sont des mines d’informations sur le comportement des camions en
fonction du territoire desservi.
L’amélioration de la prédiction des coûts de collecte et transport d’un scénario de gestion des
MRO, en fonction du territoire desservi, peut être envisagée à partir de l’exploitation de données
collectées à partir des logiciels de gestion de flotte.
même méthodologie est appliquée dans un second temps pour le compostage. Une revue des
méthodes d’estimation des coûts de traitement est par la suite présentée.
La biométhanisation
Le procédé de biométhanisation peut être mis en place grâce à plusieurs technologies qui diffèrent
principalement par les caractéristiques suivantes : la température d’opération, le nombre d’étapes
et la teneur en solides totaux.
L’importance de la température
Conditions psychrophiles
S’effectuant à des températures comprises entre 10 et 20 °C, les conditions psychrophiles sont les
plus économes en ce qui concerne les investissements ne requérant pas de système de chauffage.
Cependant, dans les zones froides, il peut être difficile d’assurer le bon fonctionnement de
l’installation durant toute l’année (Rajagopal, Bellavance, & Rahama, 2017).
Rajagopal et al. (2017) ont rapporté un potentiel méthanogène de 0,401 ± 0,01 m3CH4/kg VS en
utilisant des MR à haute teneur en solides (13-37 %) sans rencontrer d’inhibition causée par
l’ammoniac.
26
Conditions mésophiles
Conditions thermophiles
Enfin, le dernier mode disponible est la digestion en condition thermophile. Allant de 40 à 60 °C,
elle est couramment utilisée pour traiter les MRO solides. Le fait d’être à haute température permet
de dégrader plus rapidement les MR digestibles par les micro-organismes et permet d’obtenir un
meilleur rendement de production de biogaz allant de 30 à 50 par rapport à la digestion mésophile.
Cependant, ces conditions peuvent permettre la production très rapide d’hydrogène et d’acide gras
volatils entrainant des risques d’inhibitions (Moletta et al., 2005). Komemoto et al (2009) ont
montré que le taux de solubilisation des MRO était plus important dans les conditions mésophiles
que thermophiles.
De plus, le fait d’être à haute température permet d’augmenter la destruction des germes
pathogènes et améliorer la qualité des produits générés (Kim, Oh, Chun & Kim, 2006).
Le nombre d’étapes
Le processus de biométhanisation peut se dérouler au sein d’un seul réacteur, en une étape, ou
dans deux réacteurs séparés, en deux étapes. Dans ce dernier cas, les étapes d’hydrolyse et
d’acidogénèse ont lieu dans un premier réacteur puis l’acétogénèse et la méthanogénèse dans un
second. Les étapes du procédé de biométhanisation nécessitent des conditions physico-chimiques
différentes. L’avantage principal de cette méthode est qu’elle permet, en séparant les étapes,
d’optimiser les conditions d’opérations. Les coûts d’équipements sont plus élevés, mais la fiabilité
et le rendement en biogaz sont augmentés.
De plus, la biométhanisation en deux étapes est intéressante lorsque les substrats sont facilement
biodégradables. Dans le cas contraire, son intérêt est limité puisqu’à cause de la lenteur de
l’hydrolyse les méthanogènes acétoclastes seront déjà implantées dans le réacteur (Moletta, 2011).
27
La teneur en solides totaux est très importante. C’est ce paramètre qui divise en deux catégories,
la voie sèche et la voie humide, les différentes technologies développées pour ce procédé.
Voie humide
Dans le cas où la teneur en matières sèches est inférieure à 20 %, on parle de méthanisation par
voie humide. Pour les MR solides, il faut avoir recours à une dilution.
Cette dilution permet d’avoir un substrat homogène ainsi qu’un transfert de matière et de chaleur
permettant d’augmenter la production en gaz. La production de biogaz est linéaire en fonction du
temps passé dans le réacteur et le temps de séjour de la matière est plus bas que par voie sèche.
Cette technique offre une plus grande flexibilité dans les matières à traiter et des coûts
d’investissement et d’exploitation moins onéreux qu’un procédé en voie sèche. Cependant, le
procédé nécessite 20 à 30 % de la chaleur produite et des équipements de traitement des eaux
usées du procédé. De plus, le digestat obtenu doit être pompé puis séché, augmentant ainsi les
coûts de production. Lors d’une méthanisation en voie humide, on assiste à une stratification des
matériaux fibreux et des graisses qui peuvent causer des problèmes opérationnels alors que ce
phénomène n’a pas lieu en voie sèche. (Guendouz, Buffière, Cacho, Carrère, Delgenes, 2010)
Voie sèche
Pour la méthanisation par voie sèche, la teneur en matières sèches se trouve entre 20 et 50 %. Ce
système permet d’avoir un flux de matière limité et une taille de réacteur plus petite qu’en voie
humide, permettant d’économiser de l’eau et de la chaleur.
La possibilité d’opérer avec des flux organiques plus élevés et la plus faible de teneur en humidité
permettent de réduire le volume requis pour un taux entrant/biogaz donné (Guendouz et al., 2010 ;
Li, Park & Zhu, 2011 ; Kothari, Pandey, Kumar, Tyagi & Tyagi, 2014). De plus, il n’y a pas besoin
d’eau pour ce système. Le percolât sert de substituant à l’eau utilisée afin d’humidifier les MR.
Cela permet à la fois d’utiliser moins d’eau et de réduire le flux de percolat nécessitant un
traitement (Li et al., 2011 ; Kothari et al., 2014).
Enfin, il n’y a pas de besoin énergétique supplémentaire pour chauffer l’eau comme dans le
système en voie humide (Li et al., 2011 ; Kothari et al., 2014). Cependant, la faible humidité
entraîne une réduction de l’efficacité du contact entre les microbes et les MR obligeant l’utilisation
28
d’une plus grande quantité d’inoculum. De plus, la plus faible teneur en eau réduit les capacités
de mélange et d’homogénéité dans le digesteur. En fonction de ces deux voies, plusieurs
technologies existent et sont présentées à l’Annexe B. Malgré ces différences, l’ADEME (2013)
estime que les coûts de traitement par biométhanisation sont du même ordre de grandeur qu’elle
soit opérée en voie sèche ou humide.
Revenus
Il existe différentes façons de valoriser le biogaz produit par la biométhanisation. Il peut être inséré
directement dans un réseau de gaz naturel, brûler pour produire de la chaleur, converti en
électricité ou encore transformé en biocarburant.
Voix thermique
La valorisation du biogaz par voie thermique est le choix le plus simple et le plus rentable
(RECYC-QUÉBEC, 2004). En effet, pour cette utilisation, il suffit de désulfuriser le biogaz afin
d’éviter que le sulfure d’hydrogène ne corrode les installations pour pouvoir le valoriser en chaleur
(Chatain, Ohannessian, Germain, 2008). Le but est de brûler le biogaz produit par la
biométhanisation pour chauffer le procédé ou alimenter un réseau de chauffage situé à proximité.
Moriarty (2013) estime que 10 % du biogaz produit sont nécessaires au chauffage du procédé.
À Montréal, ce type de pratique est utilisé pour transformer le biogaz provenant de l’ancien site
d’enfouissement sanitaire (LES) du Complexe Environnemental de Saint-Michel (CESM) en
chaleur servant à alimenter les bâtiments voisins de la Cité des Arts du Cirque.
Une autre technique de valorisation du biogaz produit par la biométhanisation est la cogénération.
Elle est la voie de valorisation la plus répandue en Allemagne (Chatain et al, 2008). Cette
technique permet d’obtenir à partir du biogaz de l’électricité, mais aussi de la chaleur. Ce type de
système se compose d’une génératrice, synchrone ou asynchrone, et d’un moteur thermique
(Labeyrie, 2007). Il est possible de récupérer de 60 à 90 % de la chaleur produite par la génératrice
en fonction de la technologie utilisée (Chatain et al., 2008).
Il est également envisageable de faire de la trigénération si le biogaz est utilisé dans un système à
absorption, ce qui peut se révéler très utile l’été ou dans les pays chauds si le besoin de chaleur est
moins présent.
29
Or, au Québec la majeure partie de l’électricité produite est d’origine hydroélectrique, un procédé
qui ne nécessite pas d’utiliser du charbon ou de gaz naturel. De ce fait un projet de
biométhanisation voulant utiliser la cogénération ne pourra pas, s’il veut obtenir l’aide du
Programme, simplement le revendre en remplacement de l’électricité produite actuellement.
Il faut cependant nuancer cela en remarquant que l’emploi dans le cadre législatif des termes
« substitution significative » laisse place à l’interprétation, ce qui n’interdit pas cette voie de
valorisation.
Une autre façon de conserver cette voie de valorisation tout en obtenant les subventions serait de
participer à l’électrification des transports. En effet, le secteur des transports est le secteur qui
produit le plus d’émissions de GES, soit 42 % des émissions totales, dont 79 % venant du transport
routier (MDDELCC, 2015).
Afin de diminuer ces émissions, le biogaz pourrait servir à produire l’électricité nécessaire pour
alimenter les bornes de voitures électriques permettant de façon indirecte à réduire la
consommation de carburants d’origine fossile.
L’insertion du biogaz dans un réseau de gaz naturel est aussi envisageable. Cette voie permet de
délocaliser l’utilisation du biogaz et de profiter du fait que le réseau de distribution et la connexion
avec les clients sont déjà présents (Lindner, 2012). Cette délocalisation permet de multiplier les
possibilités d’utilisations du biogaz en fonction de la taille du réseau, que ce soit sous la forme de
carburant, chauffage ou électricité.
Cependant, avant d’être ajouté au réseau le biogaz doit, dans la majeure partie des cas, subir une
transformation afin que ses propriétés coïncident avec celles du gaz naturel présent. Pour cela, il
existe deux techniques : l’épuration et l’enrichissement.
L’enrichissement a pour but d’éliminer le CO2 à l’aide d’un tamis moléculaire afin de se
rapprocher de la composition du gaz naturel. L’épuration, quant à elle, sert à éliminer toutes les
substances indésirables ou présentes sous forme de traces (Wellinger, Jares, Pesta, 2009).
30
La biométhanisation est une technologie multi-échelles, pouvant être implantée à la fois dans le
jardin d’un particulier pour une gestion des déchets décentralisée, mais aussi à l’échelle d’une ville
entière pour une gestion centralisée. L’estimation de ces coûts passe par la prise compte de
plusieurs aspects.
Le premier aspect est l’approvisionnement en biomasse. Le coût lié à ce dernier est généralement
indépendant de l’échelle choisie car il se base sur un coût unitaire de la biomasse (Ghafoori et
Flynn, 2007). Cependant, pour le moment, les MRO ne font pas partie des biomasses ayant une
valeur marchande, il faut payer pour les faire traiter.
Le second aspect est le coût d’acheminement de la matière vers l’installation de traitement, qui en
fonction du territoire est amené à augmenter à cause de l’augmentation de transport.
Lors de la construction et l’opération d’un site de biométhanisation, il est possible, comme toute
usine accueillant un procédé chimique ou de transformation, de réaliser des économies d’échelles.
Pour estimer ces économies, une équation (2.2) est établie avec un facteur d’échelle (f) utilisé est
généralement compris entre 0,6 et 0,8 (Park, 1984).
capacité B f
Coût usine B = Coût usine A ∗ ( ) (2.2)
capacité A
Le compostage
Le choix de la technologie utilisée pour traiter les matières organiques doit être cohérent avec le
territoire sur lequel le programme va être instauré. Il est très important, encore plus dans le cas de
31
milieu fortement peuplé, de tenir compte des éventuelles nuisances que peuvent produire les
différentes méthodes de recyclage.
Le compostage est aussi un procédé multi-échelles flexible, qui peut être utilisé tant à petite échelle
que dans des exploitations industrielles. L’objectif de cette partie est de présenter les techniques
disponibles pour une utilisation centralisée et décentralisée.
Herbicyclage
Compostage domestique
Autre méthode de gestion locale de la matière organique, le compostage domestique est un procédé
qui transforme la matière organique en compost grâce à des micro-organismes dans des conditions
aérobiques. Généralement effectué en arrière des cours des riverains, le compostage domestique
se fait généralement en pile ou en tas et ne nécessite pas forcément de contenant. Il reste cependant
essentiel de contrôler l’aération et l’humidité en retournant la matière fréquemment. Les tas formés
étant de petite taille, ce type de compostage est plus lent, de 6 à 18 mois, car la faible quantité
ajoutée par jour ne permet pas une augmentation assez importante de la température pour accélérer
la décomposition de la matière organique. De plus, pour cette méthode, il est préférable d’éviter
d’ajouter au tas des résidus d’origine animale pour limiter la propagation d’organismes pathogènes
et ne pas attirer les nuisibles.
Une estimation de 100 à 200 kg de matière organique compostée par année est donnée par
RECYC-QUÉBEC. De nombreuses municipalités québécoises proposent de subventionner l’achat
d’un bac à compost à hauteur de 50 % quand d’autres en proposent à prix réduit. Pour les
municipalités de moins de 5 000 personnes, le programme Aide au compostage domestique et
32
communautaire (ACDC), mis en place par le gouvernement du Québec en 2014, permet d’obtenir
une subvention pouvant aller jusqu’à 75 000 $.
D’après un sondage, la subvention moyenne est de 35 $ par composteur (Joly, 2011). En supposant
une durée de vie de 10 ans (SOLINOV, 2006), cette solution reviendrait à 35 $/t.
Lorsque le compostage domestique est pratiqué à plus grande échelle, il est appelé compostage
communautaire.
Vermicompostage
Le vermicompostage permet de composter sans avoir besoin de terrain pour le faire. D’un volume
moyen de 60 L (), le bac permet de gérer les résidus alimentaires d’origine végétale d’une à deux
personnes. Ce sont les vers rouges qui, en ingérant la matière et la litière, produisent des turricules
possédant un fort pouvoir fertilisant. Cette solution permet d’obtenir un compost en seulement 3
mois pour un prix allant de zéro à 100 $ (Blackburn Lefebvre, 2010).
Dans le cas où le scénario de gestion de la matière organique prévoit une gestion centralisée,
plusieurs techniques de compostage peuvent être comparées. La différence principale à cette
échelle est que l’installation soit à l’extérieur ou non.
Système ouvert
Le mélange est homogénéisé et aéré à l’aide d’un retourneur enjambeur, qui opère au-dessus de la
pile, ou à convoyeurs à bandes élévateurs, effectuant le retournement sur les côtés. Le type de
retourneur défini la forme, la taille et la hauteur des andains. À titre d’exemple, les piles de
matières peuvent mesurer, à leur base, de 3 à 4 mètres de largeur pour une hauteur de 1 à 2 mètres
(Kern, 1991).
33
D’une manière générale, plus les retournements sont fréquents, plus le processus se fait
rapidement, l’agitation permettant d’accélérer la décomposition et d’optimiser les conditions.
Forney, Huang, Drew, Czuprenski, Lindeberg, & Reddy (1996) rapportent que la durée du
processus est réduite de moitié quand la fréquence de rotation est passée d’une fois par mois à 7
fois par mois.
Si le compostage est effectué durant l’été, le temps requis est de 3 à 4 mois. Pour des climats plus
froids, comme le Québec, ce temps oscille entre 6 et 12 mois. Chaque andain est séparé d’une
distance variant de 1 à 5 mètres. Il est préférable de travailler sur un terrain pentu afin de pouvoir
faciliter l’écoulement des lixiviats. Une surface étanche est par ailleurs requise afin de pouvoir
traiter les eaux de ruissellements et de lixiviation.
Cette technique est préférée dans le cas du traitement des résidus verts. Elle est aussi réalisable
avec les résidus alimentaires, mais plus sensible à cause des odeurs. C’est la méthode nécessitant
le plus de place et la plus grande quantité d’eau à traiter par rapport aux autres techniques de
compostage (SOLINOV, 2006).
L’aération forcée d’une pile de compost nécessite une injection et une extraction d’air. Il n’y a pas
d’agitation avec ce type de système. Utilisée depuis les années 1970, cette technique était utilisée
dans un premier temps pour les boues venant des usines d’épuration des eaux usées. Pour les
matières organiques issues des MR résidentielles, il est nécessaire d’ajouter un agent structurant,
comme des copeaux de bois, afin de pouvoir faire passer l’air de manière efficace. L’aération
forcée permet de récupérer l’air afin de traiter les mauvaises odeurs en utilisant un biofiltre.
Ce système permet de traiter des quantités allant de 1 000 à 100 000 tonnes par an et permet
d’obtenir du compost au bout d’une durée comprise entre 4 et 9 mois.
34
Système fermé
Cette technologie prend la forme de couloirs séparés par des murs en béton où un retourneur est
placé au-dessus des lits et fonctionne en mode d’alimentation continu. Avant d’être placée dans
une allée, la matière est mélangée puis à l’aide du retourneur, elle avance, au fil du processus,
jusqu’à atteindre la fin de l’allée. L’agitation mécanique permet d’assurer à la fois une bonne
structure et une bonne porosité au mélange. Sa fréquence est plus élevée que pour le compostage
en andains retournés (SOLINOV, 2006). De la même façon que les technologies précédentes,
l’étape de maturation a lieu dans une autre structure. Un biofiltre de grande superficie est
nécessaire pour capter et traiter l’air vicié du bâtiment.
Cette technique de compostage repose sur le confinement des matières à l’intérieur de conteneurs
fermés. L’utilisation de conteneurs modulaires offre l’avantage de pouvoir ajuster le nombre de
conteneurs en fonction du volume de matières à traiter. Un conteneur peut contenir jusqu’à 900
tonnes de matières, que ce soit des résidus verts ou alimentaires. La matière n’est agitée que lors
du déchargement où l’humidité et la concentration en air sont ajustées. Le recours aux agents
structurants pour maintenir une porosité et une homogénéité adéquates est plus important pour ce
type de système par rapport à ceux ayant une agitation mécanique. Un système d’aération commun
à partir d’un plancher situé à la base des conteneurs est utilisé et permet de réaliser d’importantes
économies grâce à la recirculation d’une partie de l’air du procédé au sein du système. Dans la
plupart des cas, les conteneurs sont utilisés à l’extérieur et un bâtiment est nécessaire pour le
déchargement et le traitement des odeurs. Cette technologie est souvent utilisée au début du
processus, lors de la phase active et requière une durée de 2 à 4 semaines avant d’être mise à mûrir.
35
Une variante de cette technologie est développée et utilise un sous-plancher par lequel l’air est
injecté dans les conteneurs. Ce plancher et la pile de compostage sont protégés par une longue
enceinte de béton, couramment appelé un tunnel.
La durée de compostage actif varie aussi entre 2 et 4 semaines. Le produit obtenu n’est pas encore
stable et nécessite une phase de maturation. Les investissements supplémentaires causés par la
création des tunnels restreignent l’utilisation des tunnels à des tonnages plus importants (supérieur
à 25 000 tonnes). De plus, le fait d’évoluer dans un espace confiné nécessite des protocoles
d’exploitation plus stricte et oblige les travailleurs à se munir d’équipements de sécurité.
Les silos verticaux prennent la forme de cages de grillage dans lesquelles la matière est ajoutée.
Ce grillage permet d’aérer passivement la matière, évitant le recours à un système d’aération
forcée. Pouvant mesurer jusqu’à 5 mètres, les silos ont en revanche un diamètre limité à 1,25 m
afin de pouvoir laisser passer l’air jusqu’au centre de la pile. L’agitation a lieu mécaniquement ou
lors de l’évacuation de la matière par le bas. Le temps de rétention peut aller d’une semaine à un
mois. Cette technique nécessite des conditions de broyage et de mélange optimales. Un manque
d’agitation et la difficulté d’obtenir un débit d’air constant ont pu causer des nuisances olfactives
par le passé (Conseil canadien du compostage, 2018).
Tambours rotatifs
Technologie très présente en Amérique du Nord, le tambour rotatif est utilisé au début du
processus de compostage. Il est principalement utilisé afin de remplacer les broyeurs et permet de
mélanger, trier et réduire la taille des particules sans dégrader la matière. Cette étape dure environ
une semaine (Conseil canadien du compostage, 2018). Les tambours ne sont jamais remplis
entièrement pour faciliter le mélange. Une fois sortie du tambour, la matière est tamisée afin
d’enlever les éventuels contaminants puis déplacée vers une autre technologie pour la suite du
processus pouvant prendre 2 à 3 mois de plus (Chiumenti, Chiumenti, Diaz, Savage, Eggerth &
Goldstein, 2005).
Le compost peut être utilisé dans de nombreux domaines, faisant varier son prix de vente. Ses
utilisations se regroupent en trois classes : l’incorporation au sol, l’application en surface et l’ajout
à un milieu de culture.
36
2.4.2.1.3 Revenus
Les paramètres clés dans l’estimation des coûts de traitement par compostage
Si l’estimation des coûts pour des scénarios décentralisés peut se faire en budgétisant le coût de
l’implantation des bacs de récupération, celle pour des solutions centralisées est plus complexe.
D’après SOLINOV (2006), lorsque les résidus organiques sont triés à la source, l’expérience et la
compétence de l’exploitant sont plus importantes que le choix de la méthode de compostage. Or,
d’un point de vue économique, la différence entre une méthode de compostage en système ouvert
et en système fermé est importante.
Selon Ullah (2017), les coûts liés au système ouvert varient linéairement avec la capacité alors
que dans le cas du système fermé, plus la capacité traitée augmente, plus les économies d’échelles
sont importantes. Pour s’assurer d’obtenir une estimation fiable des coûts engendrés par le
traitement par compostage, ces différences entre les deux systèmes doivent être prises en compte.
De la même façon que pour les coûts de collecte et transport, il est possible d’estimer les coûts de
traitement à partir du prix unitaire de chaque étape du traitement (cf. 2.3.3.1).
L’estimation par pourcentages se base sur la taille des équipements présents dans l’installation.
Les besoins de l’équipement, comme l’approvisionnement en matière première, la main d’œuvre,
la construction de l’usine ou les besoins énergétiques sont représentés sous forme de pourcentages
par rapport au coût de l’équipement permettant d’estimer le coût global de l’installation (Caputo
& Pelagagge, 2002). Ces pourcentages sont déterminés en fonction du type de procédé, le degré
de complexité, la localisation de l’usine, les matériaux requis et les expériences passées. Cette
méthode n’est valide que pour des procédés dont l’estimation des coûts est connue et linéaire
(Peters & Timmerhaus, 1991).
Une autre méthode consiste à détailler les coûts en somme de sous-systèmes. L’objectif est
d’obtenir à partir de différentes configurations d’installation des équations de coûts
d’investissement et d’opérations variant en fonction de paramètres tels que le nombre
d’équipements, la capacité de l’installation ou encore la composition des intrants (Tsilemou &
Panagiotakopoulos 2006).
Lorsque des données de coûts de traitement d’installations existantes se trouvent dans un contexte
comparable au scénario imaginé, que ce soit par la technologie utilisée ou la région où
l’installation va être implantée, la méthode statistique est privilégiée pour estimer les coûts d’une
installation future (Chang & Wang, 1995). Les coûts d’investissement et d’opérations sont
répertoriés en fonction de la capacité, la nature des intrants ou la technologie utilisée. Une tendance
peut être d’identifier dans le but de prédire le coût d’installations futures.
38
Le contexte québécois
Une bonne estimation des coûts de traitement passe par la prise en compte du contexte dans lequel
s’inscrit le projet. Au Québec, depuis 2012, le gouvernement a mis en place le Programme de
traitement des matières organiques par biométhanisation et compostage (PTMOBC). Ce
programme est financé par le Fonds vert et tire ses revenus du marché du carbone, des redevances
pour l’élimination des MR et de l’utilisation de l’eau. Il a pour but d’offrir un soutien financier
aux municipalités lors de la construction d’infrastructures de traitement des MRO sur le sol
québécois.
Demandeur Demandeur
municipal privé
Certaines conditions s’appliquent pour pouvoir être admissibles à ce programme. Tout d’abord,
sa capacité minimale doit être de 100 tonnes par année. L’installation financée doit être construite,
et traiter des matières organiques générées, au Québec. De plus, afin d’obtenir le dernier tiers de
l’aide accordée, la municipalité devra prouver qu’elle offre le service de collecte des matières
organiques à minimum 70 % des logements présents sur son territoire dans les 5 ans après la mise
en route de l’installation.
Enfin, lorsque l’installation sera fonctionnelle, la municipalité devra démontrer qu’elle traite
annuellement plus de 85 % du gisement qu’elle avait estimé dans sa demande de projet
(MDDELCC, 2018).
39
Comme on peut le voir au Tableau 2-2, les subventions offertes varient en fonction de la
technologie choisie. Si les subventions offertes par ce Programme sont intéressantes, les
conditions requises pour en percevoir l’intégralité obligent les municipalités à analyser en
profondeur les caractéristiques de leur territoire avant de mettre en place leur scénario de gestion
des résidus organiques.
En effet, en fonction du territoire, les caractéristiques du gisement sont amenées à évoluer que ce
soit par sa composition ou sa quantité. Or, comme cela est mentionné dans la partie précédente,
certaines installations permettent de faire des économies d’échelles en fonction de leur capacité
de traitement.
L’un des axes de cette étude sera d’analyser le rôle de ce type de programme sur le choix de la
technologie, la capacité de traitement et le nombre des infrastructures en fonction du territoire afin
de minimiser les coûts de traitement.
40
Objectifs/Question de recherche
L’objectif principal du projet est de proposer une méthodologie permettant une comparaison
technico-économique de différents scénarios de gestion des MRO triées à la source. Ces scénarios
sont décomposés en trois étapes principales : la génération, la collecte et le transport et le recyclage
des MRO.
Les travaux présentés dans cette étude ont pour but d’apporter des éléments de réponses aux
questions suivantes :
Pour répondre à la première question, les différentes sources d’informations sur le gisement de
MR d’un territoire donné sont, dans un premier temps, regroupées afin de connaître l’étendue des
données disponibles et manquantes.
Un premier modèle prédictif est développé, en utilisant des régressions linéaires multiples, afin
d’estimer les quantités de matières générées à l’aide de données géolocalisées.
Concernant les coûts de collecte et de transport, en se basant sur les informations fournies par les
logiciels de gestion de flotte, un second modèle, basé sur les facteurs majeurs impactant ces coûts,
est proposé. Afin de vérifier la méthode développée, les résultats obtenus sont comparés avec les
contrats actuels de la Ville de Montréal.
Dans une troisième partie, les coûts de traitement sont estimés en se basant sur les données
d’installations existantes pour les trois technologies de recyclage présentées dans la revue de
littérature. Pour permettre d’identifier le scénario le plus rentable en fonction du contexte
territorial, les équations sont par la suite regroupées au sein d’un troisième modèle.
À partir de ces trois modèles, la méthodologie développée est appliquée au territoire de l’Île de
Montréal pour estimer les coûts qu’entraînerait la gestion des MRO sur ce territoire.
41
CHAPITRE 3 MÉTHODOLOGIE
Malheureusement, à l’heure actuelle, ces données sont souvent incomplètes, notamment pour
certaines voies de collecte comme celle des MRO car l’implantation n’est pas commencée ou
terminée.
Au niveau provincial, RECYC-QUÉBEC et ÉEQ procèdent depuis plusieurs années à des études
de caractérisation des matières résiduelles du secteur résidentiel. Ces études ont pour but
d’analyser la génération moyenne de MR et les habitudes de tri des Québécois en analysant la
composition et le poids des matières résiduelles collectées dans les différentes voies de collecte.
En utilisant ces résultats, il est possible de connaître les coefficients de génération en fonction du
type de logement de chaque catégorie de MR générée.
Pour permettre l’utilisation du modèle à des voies de collecte où les données sont pour le moment
partiellement disponibles, les estimations obtenues sont comparées avec les résultats de la
caractérisation la plus récente de RECYC-QUÉBEC ET ÉEQ. Si les résultats sont similaires, les
futures voies de collecte pourront être estimées à partir des coefficients de génération de la
42
Afin de développer le modèle d’estimation, il est nécessaire, dans un premier temps, de faire
l’inventaire des données disponibles sur les quantités de matière collectée et les logements
présents sur le territoire.
Dans le cas de Montréal, les données du Bilan 2016 des matières résiduelles de l’agglomération
de Montréal permettent d’obtenir les quantités pour les trois voies de collecte : les ordures
ménagères, les matières organiques et les matières recyclables, pour chaque arrondissement.
Pour aller vers une analyse encore plus fine des comportements de générations à petite échelle,
ces mêmes arrondissements sont découpés en secteur de collecte de plus petite taille. Lorsque les
données ne sont pas agrégées, il est possible d’obtenir sur certains de ces secteurs les quantités
journalières de MR collectées. En associant la journée de collecte des secteurs avec ces quantités,
la génération dans chacun des secteurs peut être calculée (Figure 3-1).
Figure 3-1 : Génération d’ordures ménagères en 2016 dans les différents secteurs de collecte de
l’arrondissement de Verdun
Si ces données sont les plus précises spatialement concernant la génération des MR, elles sont
rares. Au moment de cette étude, le peu de données disponibles à cette échelle ne permet pas de
43
garantir une bonne représentativité des résultats. Néanmoins, ces données seront utilisées pour
valider l’hypothèse qu’un modèle développé à l’échelle d’un arrondissement peut estimer la
génération à une échelle plus petite.
En ce qui concerne les logements, leur nombre et leur type peuvent être déterminés à partir du
Programme du Recensement 2016, le plus récent à l’heure actuelle, pour chaque arrondissement.
Cependant, les données du Recensement 2016, comme c’est le cas pour toute étude statistique de
grande envergure, comprennent une part d’incertitude car elles dépendent du taux de réponse des
sondés. Pour valider ces données, qui sont à la base de la méthodologie développée, elles sont
comparées avec celles du Rôle foncier 2016. Le fait de prendre en compte les données du rôle
foncier permet d’avoir une confiance plus élevée sur la qualité des données car elles servent à
définir les taxes que les habitants payent et sont rattachées à une adresse fixe. De ce fait, le nombre
de logements sur un arrondissement et les différents types de logements sont connus plus
précisément.
• Unifamilial
• Duplex
• Triplex
• Multiplex et semi-commercial (1 à 8 logs.)
• Multiplex (9 logs. et +)
Le Programme du Recensement utilise huit catégories :
La différence de catégorie pose un problème. En effet, d’un côté, le rôle foncier permet d’avoir
des données précises sur le nombre de logements tandis que le recensement catégorise de façon
plus précise les logements tout en apportant la possibilité de les localiser.
Pour avoir à la fois un nombre précis de logements et une localisation, les données sont regroupées
dans des catégories communes. Différentes hypothèses sont posées :
• Tous les types de maisons sont regroupés et se comportent comme une unifamiliale
• Comme il est impossible de savoir si un immeuble de moins de 5 étages contient toujours
moins de 8 logements, les multiplex sont regroupés ensemble et associés aux appartements
dans un immeuble de 5 étages ou plus.
• En absence de catégorie de triplex dans le recensement, leur comportement est supposé
similaire à celui d’un appartement.
• Unifamilial (u)
• Duplex (d)
• Autres logements (a)
Une fois les logements répartis dans ces trois catégories, il reste alors à coupler ces deux sources
de données pour chacun des arrondissements.
La Ville de Montréal a mis en place un système de gestion des matières résiduelles avec trois voies
de collecte distinctes : les ordures ménagères, la collecte sélective des matières recyclables et la
matière organique. Pour chacune de ces voies, les quantités générées annuellement sur chaque
arrondissement sont connues et publiées sous forme de bilan annuel. Cependant, pour la collecte
des matières organiques, l’implantation est encore en cours sur plusieurs territoires. Cela pose un
problème pour utiliser ces données car il n’est pas possible de connaître avec certitude quel
logement est desservi par cette collecte. L’implantation des immeubles de 8 logements et moins
est prévue d’être complétée pour 2019. En attendant cette échéance, la quantité de matière
collectée par cette voie est ajoutée à celle de la collecte des ordures ménagères.
Ainsi, pour chaque arrondissement et ville liée présents sur l’Île de Montréal, le nombre de
logements et son type sont déterminés et couplés avec la quantité de matière générée pour les deux
45
voies de collecte (Tableau 3-1). La quantité totale de MR produite sur un territoire est définie
comme étant la somme de ces deux voies de collecte.
Tableau 3-1 : Couplage des données du Bilan 2016 de la Ville de Montréal avec les nombres de
logements pour chaque territoire sur l’Île de Montréal
À partir des données couplées dans la partie précédente, un modèle prédictif est bâti selon la
méthodologie suivante :
Hypothèses
• Les catégories de logements utilisées sont choisies en fonction des données disponibles du
Recensement 2016 afin d’être couplées aux données de bilans municipaux de MR.
• Les quantités de MR générées sur un territoire sont égales aux quantités collectées.
Par territoire :
𝑙𝑐𝑖 ∀ 𝑖 ∈ {𝑢, 𝑑, 𝑎}
𝑀𝑐 ∀ 𝑐 ∈ {OM, REC}
𝑀𝑡 = ∑ 𝑀𝑐 (3.1)
𝑐
𝑖
(3.2)
𝑚𝑡𝑖 = ∑ 𝑚𝑐𝑖 = ∑ 𝑚𝑡,𝑗
𝑐 𝑗
𝑖
𝑚𝐶𝑖 = ∑ 𝑚𝑐,𝑗 (3.3)
𝑗
On en déduit
𝑖
𝑚𝑡,𝑗 (3.4)
𝑖
𝑥𝑡,𝑗 =
𝑚𝑡𝑖
𝑖
𝑖 𝑚𝑐,𝑐
𝜏𝑐,𝑗 = 𝑖
(𝑐 = 𝑗) (3.5)
𝑚𝑡,𝑗
𝑖
𝑚𝑐,𝑐
𝜋𝑐𝑖 = (𝑐 = 𝑗) (3.6)
𝑚𝑐𝑖
𝑙𝑐𝑖
𝜎𝑐𝑖 = 𝑖 (3.7)
𝑙
À partir des données de bilans pour la génération globale couplées dans la partie précédente, un
modèle prédictif basé sur l’utilisation de régressions linéaires multiples est développé :
48
En suivant la méthodologie présentée à l’Annexe D, les coefficients 𝛼𝑡𝑖 sont déterminés pour les
′
trois catégories de logement i puis comparés aux valeurs des coefficients 𝑚𝑡𝑖 disponibles à partir
de la caractérisation.
De la même manière, le modèle peut être utilisé pour une voie de collecte spécifique :
En couplant les données de bilan pour la voie c avec les logements présents sur le territoire analysé,
les coefficients 𝛼𝑐𝑖 sont obtenus et peuvent être comparés aux valeurs issues de la caractérisation
𝑚𝑐𝑖 .
Or, la masse de matière récupérée par une collecte dépend de la participation et du tri des personnes
desservies :
1
𝑚𝑐𝑖 = 𝑥𝑐𝑖 ∗ 𝑚𝑡𝑖 ∗ 𝜏𝑐,𝑐
𝑖
∗ ∗ 𝜎𝑐𝑖 (3.10)
𝜋𝑐𝑖
Où 𝑥𝑐𝑖 , 𝜏𝑐,𝑐
𝑖
, 𝜋𝑐𝑖 et 𝜎𝑐𝑖 sont calculés à partir des données de caractérisation. Pour prendre en
compte ces paramètres propres à chaque voie de collecte, l’équation du modèle devient alors :
1
𝑀𝑐 = ∑ 𝛼𝑡𝑖 ∗ 𝑥𝑐𝑖 ∗ 𝜏𝑐,𝑐
𝑖
∗ ∗ 𝜎𝑐𝑖 ∗ 𝑙𝑐𝑖 (3.11)
𝜋𝑐𝑖
𝑖
Validation du modèle
Pour valider le modèle, la qualité de la régression est vérifiée en comparant les quantités
réellement collectées par arrondissement et les quantités estimées par la régression. Les
coefficients de génération obtenus par les régressions sont par la suite comparés à ceux obtenus
par la caractérisation de RECYC-QUÉBEC et ÉEQ (2009, 2014 et 2015). Enfin, afin d’analyser
la réponse du modèle à un changement d’échelle, cette comparaison est faite sur deux territoires
49
n’ayant pas servi à la construction du modèle : la Ville de Laval et les secteurs de collecte de
l’arrondissement de Verdun.
L’objectif de cette partie est de définir un modèle, permettant d’estimer les coûts liés à la collecte
et au transport des matières résiduelles, à partir des données disponibles sur les logiciels de gestion
de flotte. Pour cela, il faudra dans un premier temps déterminer les paramètres clés pouvant
influencer l’ampleur de ces coûts. À partir de ces paramètres, deux équations seront établies, l’une
pour la collecte, l’autre pour le transport. La validité de ces équations sera testée en les comparant
aux coûts facturés par les entrepreneurs privés à la Ville de Montréal sur les différents
arrondissements de l’Île.
En se basant sur des modèles existants dans la littérature (Pantaleo, De Gennaro, & Shah, 2013
Tanguy, 2017), il apparaît que les paramètres clés sont :
À partir de ces paramètres, le coût de collecte est estimé à partir de l’équation (3.12) :
𝐶ℎ
𝐶𝐶 = (𝐹𝐶𝑐 ∗ ɳdiesel + ) ∗ 𝑛𝑐 ∗ (1 + 𝑚) (3.12)
𝑣𝑐
Avec
𝐶𝐶 Coût de la collecte par an
𝐹𝐶𝐶 Consommation de carburant
𝑣𝑐 Vitesse de collecte
ɳdiesel Prix du carburant
𝐶ℎ Coût horaire du camion
𝑚 Marge de profit brute de l’entrepreneur
𝑛𝑐 Nombre de kilomètres parcourus
Pour collecter cette matière, les municipalités font couramment appel à des entrepreneurs privés.
En fonction du modèle d’affaires et de la taille de l’entreprise, ces derniers peuvent être
responsables de la collecte, du transport et parfois même du traitement. D’après le site spécialisé
Macrotrends (2018), la marge de profit brute (𝑚) d’une entreprise opérant dans la gestion de
déchets est en moyenne de 37 %.
En fixant un prix du carburant à partir des moyennes calculées par le gouvernement du Canada
(Ressources naturelles Canada, 2018), la consommation, le coût horaire du camion de collecte
ainsi que sa vitesse de collecte sont tour à tour estimés.
À partir des consommations tirées des logiciels de gestion de flotte, la consommation moyenne du
camion de collecte est estimée. Cette moyenne est calculée en sommant le nombre total de litres
de carburant utilisés par la distance totale parcourue (Annexe E).
51
Le coût horaire opérationnel (𝐶ℎ ) est estimé en calculant le nombre d’heures de service d’un
camion durant une année (𝑛ℎ ), son prix (𝑝), sa durée de vie (𝛾𝑐 ), sa maintenance (𝐶𝑀 ) et la main-
d’œuvre (𝐶𝑚𝑜 ) nécessaire pour la collecte (Pantaleo, 2013) :
𝑝
𝐶ℎ = + 𝐶𝑀 + 𝐶mo (3.13)
𝑛ℎ ∗ 𝛾𝑐
Pour obtenir le kilométrage d’une zone collectée, il a fallu à partir du logiciel QGIS, importer les
cartes du réseau routier (Figure 3-2), données publiques fournies par Géobase, et calculer le
nombre de kilomètres de voirie de la zone desservie (𝑛𝑧).
À partir du calendrier de collecte, le nombre de collectes par an (n) est connu. En faisant
l’hypothèse que l’ensemble du territoire est desservi par la collecte, le nombre de kilomètres (𝑛𝑐 )
annuels est déterminé.
𝑛𝑐 = 𝑛𝑧 ∗ 𝑛 (3.14)
En supposant que le temps de collecte pour un logement varie uniquement en fonction de son type,
une corrélation permettant de relier le temps global d’une collecte au nombre et au type de
logement qui la composent est développée. La durée moyenne d’une collecte est calculée à partir
des données provenant des logiciels de gestion de flotte en déterminant le nombre et le type de
52
logement présent sur la zone collectée. Une régression linéaire multiple est mise en place pour
prédire le temps de collecte :
Avec
𝑡𝑐 Durée de la collecte
𝛽𝑢 Temps de collecte par logement de la catégorie u
𝑙𝑐𝑢 Nombre de logements de type u desservis par la collecte c
𝛽𝑑 Temps de collecte par logement de la catégorie d
𝑙𝑐𝑑 Nombre de logements de type d desservis par la collecte c
𝛽𝑎 Temps de collecte par logement de la catégorie a
𝑙𝑐𝑎 Nombre de logements de type a desservis par la collecte c
En connaissant la durée de collecte (𝑡𝑐 ) et le nombre de kilomètres de la zone (𝑛𝑧 ), une vitesse
moyenne arithmétique de collecte (𝑣𝑐 ) est calculée :
𝑛𝑧
𝑣𝑐 = (3.16)
𝑡𝑐
Pour le calcul des coûts de transport (𝐶𝑡 ), l’équation est légèrement différente :
𝐶ℎ
𝐶𝑡 = (𝐹𝐶𝑡 ∗ ɳdiesel + ) ∗ 𝑛𝑡 ∗ (1 + 𝑚) (3.17)
𝑣𝑡
Avec
𝐶𝑡 Coût annuel du transport
𝐹𝐶𝑡 Consommation de carburant durant le transport
𝑣𝑡 Vitesse de transport du camion
ɳdiesel Prix du carburant
𝐶ℎ Coût horaire du camion
𝑚 Marge de profit brute de l’entrepreneur
𝑛𝑡 Nombre de kilomètres parcourus durant le transport
53
La différence vient du fait que cette fois-ci, ce sont les kilomètres de transport (𝑛𝑡 ), entre le
centroïde de la zone de collecte et le centre de recyclage, qui sont pris en compte. De plus, la
vitesse du camion est modifiée car le comportement du camion est différent entre les deux étapes
puisqu’il n’a pas à s’arrêter très fréquemment lors du transport de la matière.
En divisant la quantité totale de matière collectée annuellement (Q) sur la zone par son nombre de
kilomètres (𝑛𝑧 ), on obtient la production par kilomètres de la zone collectée (𝑝𝑐 ).
𝑄
𝑝𝑐 = (3.18)
𝑛𝑧
Pour obtenir le nombre de kilomètres avant remplissage du camion de collecte 𝑛𝑓 , la capacité est
divisée par la production :
𝐶
𝑛𝑓 = (3.19)
𝑝𝑐
54
Puis le nombre de trajets annuel (𝑛𝑡𝑟 ) de la zone collectée au lieu de recyclage est calculé en
divisant la quantité totale par la capacité du camion :
𝑄
𝑛𝑡𝑟 = (3.20)
𝐶
Le nombre de kilomètres de transport est enfin obtenu en multipliant le nombre de trajets par la
distance entre le centroïde de la zone et le centre de recyclage (𝑛𝑖 ).
𝑛𝑡 = 2 ∗ 𝑛𝑡𝑟 ∗ 𝑛𝑖 (3.21)
La distance entre la zone de collecte et le centre de recyclage varie, ce qui modifie le coût du
transport car une zone plus éloignée va nécessiter plus de carburant, de temps et de kilomètres.
Afin d’estimer la vitesse moyenne de transport, il est fait l’hypothèse qu’elle est calculée en
déterminant le temps et la distance entre le centroïde de la zone et l’installation de traitement à
l’aide du logiciel QGIS.
Validation du modèle
La validation de la méthodologie proposée est réalisée à partir des contrats de collecte et transport
d’ordures ménagères de la Ville de Montréal.
Pour chaque contrat, le secteur de collecte est décrit, le nombre de collectes, le lieu de traitement
jusqu’où sont transportés les matières, et le coût par porte sont rapportés. À l’aide d’un SIG, le
nombre de logements et leur type sont calculés pour chaque secteur afin d’estimer le gisement, la
vitesse de collecte et le nombre de kilomètres de voirie.
La consommation du camion, le prix du diesel et le coût horaire étant fixes, un coût de collecte et
de transport est obtenu pour chacun des secteurs contractés. Les coûts obtenus sont ensuite
comparés avec les coûts facturés à la Ville de Montréal.
55
La revue de littérature a permis de déterminer les trois principales technologies de traitement des
MRO : la biométhanisation, le compostage en système fermé et le compostage en système ouvert.
Dans un premier temps, un inventaire des installations existantes traitant des MRO est réalisé. À
partir des données obtenues, deux équations, l’une pour les coûts d’investissements et l’autre pour
les coûts d’opérations et maintenance, sont définies pour la biométhanisation et le compostage en
système ouvert. Pour le compostage fermé, en absence de données d’installations fiables, les coûts
seront estimés à partir des travaux de SOLINOV (2014) et du CCC (2018).
Dans un second temps, les revenus sont estimés en fonction de la voie de valorisation.
D’après la revue de littérature, la biométhanisation est une technologie de traitement des MRO
qui permet, en fonction de la capacité de traitement, de réaliser des économies d’échelle. Si tel est
le cas, les équations permettant l’estimation des coûts de traitement font intervenir une fonction
puissance et peuvent être représentées de la façon suivante :
À partir des données disponibles et présentées à l’Annexe F, les constantes 𝑐1 et 𝑐2 ainsi que les
facteurs 𝑓1 et 𝑓2 sont déterminés.
𝑉𝐵 = 𝑄MRO ∗ 𝑦𝐵 ∗ (1 − 𝑙𝐷 ) ∗ (1 − 𝑙𝑈 ) ∗ (1 − 𝑙𝐻 ) (3.24)
Avec
𝑉𝐵 Volume de biogaz produit
𝑦𝐵 Quantité de biogaz produite par tonne de MRO
𝑄MRO Quantité de MRO traitée par an
𝑙𝐷 Pourcentage de biogaz perdu lors du procédé
𝑙𝑢 Pourcentage de biogaz perdu lors de la purification
𝑙𝐻 Pourcentage de biogaz utilisé pour chauffer le digesteur
Comme cela a été évoqué plus haut, le biogaz peut être valorisé en l’utilisant pour produire de
l’électricité ou être introduit dans un réseau de gaz naturel. Afin de pouvoir déterminer les
différents scénarios possibles, deux équations permettant d’estimer les revenus de ces deux voies
sont définies dans la partie suivante.
Électricité
Le biogaz peut être valorisé par combustion en électricité. Cette production est estimée en utilisant
le pouvoir calorifique inférieur du biogaz H et un facteur de perte, 𝑙𝑝 , représentant les besoins en
électricité de l’usine. Ainsi, les revenus générés par la valorisation du biogaz en électricité peuvent
être estimés :
Avec
𝑅𝑒𝑙 Revenu par valorisation électrique du biogaz
𝑃𝑘𝑊ℎ Prix du kilowattheure
𝜌 Efficacité du moteur
𝑙𝑝 Pourcentage d’électricité consommée par l’installation
𝐻 Pouvoir calorifique inférieur du biogaz
Insertion dans un réseau de gaz naturel
Les revenus peuvent aussi venir de l’insertion de biométhane dans un réseau de gaz naturel. Les
revenus associés à cette voie avec 𝑟𝑣 , la proportion de biométhane par m3 de biogaz produit, sont
calculés à partir de l’équation suivante :
57
Avec
Les coûts de traitement par compostage diffèrent en fonction du système, ouvert ou fermé, choisi.
Dans le cas du système ouvert, plusieurs auteurs (Ullah, 2017 ; CCC, 2018) observent l’absence
d’économie d’échelle pour cette technologie. L’équation d’estimation des coûts prend alors la
forme linéaire suivante :
Pour vérifier cette relation et estimer le coût de traitement par compostage ouvert, les données
issues des installations de compostage présentées en Annexe F sont portées en fonction de leur
capacité.
Le prix du compost dépend grandement du secteur dans lequel il est utilisé. Pour pouvoir prendre
en compte ce paramètre, l’équation suivante est définie :
𝑅𝑐 = 𝑃𝑐 ∗ 𝑄𝑐 (3.29)
Avec
Le coût annuel global du traitement de la matière organique pour les trois technologies analysées
dans cette étude est estimé en sommant le coût lié au remboursement de l’investissement (𝐶inva ),
les coûts opérationnels (𝐶O&Ma ) et les revenus (𝑅). En fonction du territoire où l’installation est
implantée, d’éventuelles subventions peuvent être obtenues. Le coût annuel du projet (𝐶𝑎 ), est
estimé en prenant en compte ces subventions :
Le facteur d’annuité est déterminé en posant un taux d’intérêt (𝑟) et une durée d’amortissement
(𝛾𝑢 ) :
(1 + 𝑟)𝛾𝑢 (3.32)
𝑓𝑎 = 𝑟 ∗
(1 + 𝑟)𝛾𝑢 − 1
Une durée d’amortissement de 20 ans et un taux d’intérêt de 8 % sont couramment utilisés pour
des projets de ce type (Pantaleo et al, 2013).
Si la subvention concerne le côté opérationnel du projet (𝐹𝑜 ), le coût annuel opérationnel (𝐶O&Ma )
est calculé de la façon suivante :
Pour chacune des technologies, une équation, permettant d’estimer les coûts en fonction de la
capacité de traitement et des subventions possibles, est développée.
59
CHAPITRE 4 RÉSULTATS
Le chapitre 4 présente et analyse les résultats obtenus pour les différentes parties de la
méthodologie détaillées précédemment.
Dans un premier temps, les résultats du modèle de génération sont présentés et comparés à ceux
de la caractérisation de RECYC-QUÉBEC et ÉEQ (2009, 2014, 2015). Dans un second temps, les
coûts de collecte et transport calculés à partir de la méthodologie définie sont comparés aux
contrats de la Ville de Montréal. Enfin, pour chaque technologie de traitement identifiée
précédemment, les équations, estimant les coûts d’investissement, d’opération et les revenus,
obtenues sont présentées.
Afin d’analyser les coefficients obtenus par ces régressions, ils sont comparés avec la
caractérisation, la plus récente à ce jour, faite par RECYC-QUÉBEC et ÉEQ en 2012-2013
(Tableau 4-1). La principale limite de cette comparaison réside dans le fait que les types de
logements ne sont pas les mêmes que ceux utilisés dans ce mémoire. En effet, RECYC-QUÉBEC
et ÉEQ ont publié leurs résultats en trois catégories : l’unifamiliale, le plex et le multilogement.
Si l’unifamiliale et le multilogement se retrouvent dans les études, le duplex ne représente qu’un
type de logement dans la catégorie plex. Ainsi, il faut s’attendre à ce que la différence entre les
coefficients des deux études soit plus importante pour cette catégorie. De plus, les données de
bilans utilisées dans cette étude ne permettent pas de connaître le taux de pureté de la collecte.
Pour permettre la comparaison, ce taux est supposé constant en fonction du type de logement et
égale à celui de la caractérisation.
60
Matières résiduelles
En sommant les quantités collectées par les trois voies et en les couplant au bâti de chacun des
territoires, la régression suivante est obtenue :
60 000
50 000
Quantité réelle (t/an)
R² = 0,99
40 000
30 000
Arrondissement
20 000
10 000
0
0 10 000 20 000 30 000 40 000 50 000 60 000
Quantité prédite (t/an)
La
Figure 4-1 permet de voir que la régression trouvée donne une excellente prédiction de la quantité
réellement collectée sur le territoire. En effet, pour l’ensemble des territoires de l’agglomération
de Montréal, les quantités collectées d’ordures ménagères, de matière organique et de matière
recyclable sont retrouvées à partir de la régression obtenue.
Ainsi, à partir de ces résultats, une unifamiliale produit 1.360 t/an de matières résiduelles contre
1,02 t/an pour un duplex et 0,52 t/an pour un autre logement dans un immeuble.
Pour analyser les résultats sur une base commune, les valeurs obtenues sont divisées par le nombre
de personnes vivant dans le logement (Tableau 4-2).
Tableau 4-2 : Taille moyenne des ménages en fonction du type de logement (QGIS)
Ce qui permet de dire qu’une personne vivant dans une unifamiliale dépose 502 kg/an de matières
résiduelles en bordure de rue contre 451 kg/an si elle vit dans un duplex et 278 kg/an en
appartement dans un immeuble.
D’après les résultats de la caractérisation, une unifamiliale génère par année 480 kg/pers. de
matières résiduelles, un multiplex 371 kg/pers. et 318 kg/pers. pour un multilogement. L’écart
relatif entre ces résultats et les coefficients obtenus à partir de la régression sont de 4 % pour
l’unifamiliale, 13 % pour les autres logements et 18 % pour le duplex.
La même méthodologie est adoptée pour obtenir les coefficients propres à chaque type de bâti
pour les deux voies de collecte analysées.
Matières recyclables
De la même façon que pour la régression précédente, les données de bilan pour les matières
recyclables sont couplées aux données de bâti et permettent de définir la régression suivante :
14 000
12 000
10 000
Quantité réelle (t/an)
R2 = 0,97
8 000
6 000 Arrondissement
4 000
2 000
0
0 2 000 4 000 6 000 8 000 10 000 12 000 14 000
Quantité prédite (t/an)
En comparant les quantités estimées aux quantités collectées (Figure 4-2), on peut constater que
la prédiction pour les matières recyclables est, certes moins bonne que pour la génération globale,
mais plutôt satisfaisante. Il est tout à fait logique que la qualité de la prédiction diminue lorsqu’on
se concentre sur une collecte en particulier car chaque territoire analysé ne diffère pas seulement
par la proportion des types de logements. Comme le détaille le document d’ÉEQ publié en 2008
« Bonnes Pratiques de collecte sélective des matières recyclables », le type de logement est un
paramètre influençant la performance de cette collecte, mais ce n’est pas le seul. La taille du
contenant ou encore le mode de collecte sont autant de paramètres qui jouent un rôle et dépendent
de la politique de gestion des matières résiduelles mise en place sur le territoire. Il n’a pas été
possible à ce jour de définir un coefficient pour chacun des facteurs influençant la production de
matière recyclable, mais c’est l’objectif d’un projet au sein de la CRVMR.
D’après le modèle, la quantité moyenne de MR détournées par la collecte sélective des matières
recyclables sont de 270 kg/an pour un logement unifamilial, 150 kg/an pour un logement dans un
duplex et 139 kg/an pour un autre logement dans un appartement. Par habitant, cela revient à 100
kg/pers./an pour l’unifamilial, 66 kg/pers./an pour le duplex et 74 kg/pers./an pour l’autre
logement. En ce qui concerne les matières recyclables, la caractérisation obtient un taux de
récupération de 117 kg/pers./an pour l’unifamilial, 84 kg/pers./an pour le plex et 61 kg/pers./an
pour le multilogement. Il y a un écart relatif de 14 % entre les deux résultats pour la catégorie
63
En couplant les quantités collectées pour les ordures ménagères et la troisième voie avec les
données du bâti de chacun des territoires, la régression suivante est obtenue :
50 000
45 000
40 000
Quantité réelle (t/an)
35 000
R² = 0,99
30 000
25 000
20 000 Arrondissement
15 000
10 000
5 000
0
0 10 000 20 000 30 000 40 000 50 000
Quantité prédite (t/an)
La Figure 4-3 montre que la régression obtenue permet de retrouver avec précision les valeurs
réellement collectées annuellement sur l’ensemble des arrondissements. Concernant les
coefficients de génération obtenus par type de logement, on peut observer que l’unifamiliale
produit plus d’ordures ménagères (1087 kg/an) que le logement dans un duplex (870 kg/an) et les
autres logements dans des appartements (378 kg/an).
Ainsi, selon cette régression, une personne vivant dans un logement unifamilial produit 401 kg/an,
contre 385 kg/an pour une personne vivant dans un duplex et 202 kg/an dans un autre logement.
64
Pour les ordures ménagères (sans troisième voie), RECYC-QUÉBEC estime une production de
377 kg/pers./an pour un logement unifamilial, 297 kg/an pour un plex et 264 kg/an pour un autre
logement dans un immeuble.
L’écart relatif entre ces résultats et ceux de la régression est de 6 % pour la catégorie unifamiliale,
31 % la catégorie autre logements et 23 % pour la catégorie duplex.
L’un des objectifs du modèle d’estimation de génération développé est de pouvoir être utilisé pour
plusieurs échelles de territoire. Pour cela, une comparaison est faite entre les données réelles de
générations provenant de bilan annuel et l’estimation faite par le modèle deux territoires sont
utilisés pour faire cette étude : la Ville de Laval et l’arrondissement de Verdun.
Ville de Laval
À partir du Bilan 2016 de GMR de la Ville de Laval, les quantités collectées d’ordures ménagères,
de matières organiques et de matières recyclables sont connues. Ces données sont couplées avec
les données du recensement concernant le nombre et le type de logements présents sur le territoire
de Laval (Tableau 4-3).
L’écart relatif entre les deux valeurs est de 5 % pour les ordures ménagères et 0,4 % pour les
matières recyclables.
Arrondissement de Verdun
Comme cela a été présenté lors de la méthodologie, il arrive que pour certains secteurs de collecte,
des données de bilans soient disponibles. C’est le cas pour l’arrondissement de Verdun pour les
65
ordures ménagères et la troisième voie où, à partir des billets de pesées des collectes quotidiennes,
on peut connaître la génération de chacun des secteurs de collecte en fonction du nombre de
logements présents d’après les données du Recensement 2016 (Tableau 4-4).
Tableau 4-4 : Données du recensement 2016 pour les secteurs de collecte de Verdun
À partir du modèle, on estime la génération d’ordures ménagères sur chacun des secteurs :
L’écart relatif entre les résultats est de 5 % pour le secteur 1, 8 % pour le secteur 2, 3 % pour le
secteur 3 et 36 % pour le secteur 4.
Le résultat pour le secteur 4 est très surprenant et c’est là qu’intervient une des limites d’utiliser
le Recensement 2016. Dans le but de comprendre d’où venait l’erreur du modèle, les données de
logements ont été comparées à celles du Rôle foncier 2016 à l’échelle de l’arrondissement.
Tableau 4-5 : Données du rôle foncier 2016 des logements de l’arrondissement de Verdun
En comparant le Tableau 4-4 avec le Tableau 4-5, on peut voir que pour les unifamiliales, les deux
données sont proches. De la même façon pour les autres logements et la somme des deux
catégories de multilogements (1 à 8 et 9 et +), les résultats sont semblables. En revanche, il y a
une différence pour les duplex. En effet, le secteur 4 contient à lui seul plus de logements dans un
duplex que tout l’arrondissement de Verdun si l’on en croit le Rôle foncier. Il est intéressant de
voir que la différence entre les deux valeurs est proche de celle correspondant au triplex pour le
Rôle foncier. Or, dans le modèle développé pour cette étude, l’hypothèse est faite que les triplex
ne se comportent pas comme un duplex, mais comme un multilogement. En faisant l’hypothèse
que la valeur très élevée du Recensement provient d’une somme des duplex et triplex, l’estimation
des ordures ménagères pour le secteur 4 est faite en soustrayant au nombre total de duplex
comptabilisés dans le Rôle foncier, le nombre de duplex localisés dans les trois autres secteurs. Le
nombre de duplex dans le secteur 4 est modifié de 5 040 à 1 534.
L’estimation est recalculée en utilisant cette valeur et l’écart entre la prévision et la donnée de
bilan n’est plus que de 8 %.
Ainsi, les résultats obtenus montrent qu’en appliquant le modèle d’estimation des quantités
générées sur deux autres territoires, où les données de bilans et de logements étaient disponibles,
les quantités estimées se révèlent très proches des quantités réellement collectées. Ces résultats
sont encourageants et montrent qu’il est envisageable d’estimer la génération sur des territoires
ayant des échelles différentes de celle utilisée pour construire le modèle.
Les régressions obtenues à partir du modèle d’estimation des quantités de MR générées montrent
une bonne qualité d’ajustement par rapport aux données de bilans des arrondissements. De plus,
en utilisant ces régressions sur d’autres territoires, les quantités estimées sont très proches de celles
réellement collectées.
L’analyse des coefficients de ces régressions a permis de vérifier l’influence du type de logement
sur la génération de MR. En effet, pour les voies de collecte analysées, le logement de la catégorie
« unifamilial » produit plus de MR que le logement de la catégorie « duplex » et celui de la
catégorie « autres ». En ramenant la génération par personne, les résultats ont permis de confirmer
le fait que la génération d’un logement n’est pas seulement impactée par le nombre de personnes
67
qui y habitent. Les coefficients de génération par type de logement ont par la suite été comparés
avec ceux de la caractérisation de RECYC-QUÉBEC et ÉEQ (2009, 2014, 2015).
Pour la catégorie « unifamilial », l’écart entre les deux valeurs est très faible allant de 4 à 14 %.
Pour la catégorie « duplex », cet écart se situe entre 13 et 31 %. Enfin, pour la catégorie « autres »,
il va de 18 à 21 %.
Pour expliquer ces écarts, plusieurs raisons peuvent être avancées. Tout d’abord, les données
disponibles dans le cadre de cette étude n’ont pas permis d’utiliser les mêmes catégories de
logements que celle de la caractérisation. Or, et c’est ce que montre les résultats, le type de
logement fait varier la génération. Il est probable que l’augmentation de l’écart pour les catégories
« duplex » et « autres logements » soit causée par cette différence de catégorie. Les faibles écarts
obtenus pour la catégorie « unifamilial » qui est équivalente dans les deux études vont dans ce
sens.
De plus, la pureté des collectes de la Ville de Montréal a été posée, par défaut, comme étant égale
à celle obtenue par la caractérisation de RECYC-QUÉBEC ET ÉEQ et constante en fonction du
type de logement. Or, il y a fort à penser que comme le taux de récupération, la pureté de la voie
de collecte varie en fonction du type de logement.
Ainsi, même en l’absence de certaines données, le modèle développé permet une bonne estimation
des quantités collectées par le secteur résidentiel et retrouve les résultats de la caractérisation de
RECYC-QUÉBEC et ÉEQ (2009, 2014, 2015). Cela tend à confirmer le fait que le comportement
des personnes vivant sur l’Île de Montréal peut être assimilé à celui de l’ensemble de la province
du Québec. De ce fait, il est envisageable d’utiliser la composition moyenne obtenue par cette
caractérisation pour estimer le gisement des MRO.
Résidus organiques
La collecte des matières organiques n’étant pas encore totalement implantée, une régression entre
le bâti et la génération ne peut pas être réalisée. Cependant, à la vue des résultats précédents et des
similitudes avec la caractérisation de RECYC-QUÉBEC et ÉEQ (Tableau 4-1) il est fait
l’hypothèse que cette génération peut être estimée à partir du pourcentage de résidus alimentaires
et résidus verts générés par type de logement (Tableau 4-6).
68
Tableau 4-6 : Fraction de matières résiduelles organiques recyclables dans les matières résiduelles
en fonction du bâti
𝑢
1 𝑢 𝑢 𝑑
1 𝑑 𝑑 (4.4)
𝑀RA = (0,230 ∗ 𝜏RA,RA ∗ 𝑢 ∗ 𝜎RA ∗ 𝑙RA + 0,176 ∗ 𝜏RA,RA ∗ 𝑑 ∗ 𝜎RA ∗ 𝑙RA
𝜋RA 𝜋RA
𝑎
1 𝑎 𝑎
+ 0,100 ∗ 𝜏𝑅𝐴,𝑅𝐴 ∗ 𝑎 ∗ 𝜎𝑅𝐴 ∗ 𝑙𝑅𝐴 )
𝜋𝑅𝐴
𝑢
1 𝑢 𝑢 𝑑
1 𝑑 𝑑 (4.5)
𝑀RV = (0,233 ∗ 𝜏RV,RV ∗ 𝑢 ∗ 𝜎RV ∗ 𝑙RV + 0,068 ∗ 𝜏RV,RV ∗ 𝑑 ∗ 𝜎RV ∗ 𝑙RV
𝜋RV 𝜋RV
𝑎
1 𝑎 𝑎
+ 0,026 ∗ 𝜏RV,RV ∗ 𝑎 ∗ 𝜎RV ∗ 𝑙RV )
𝜋RV
Lors des appels d’offres, la Ville de Montréal impose aux entrepreneurs d’avoir accès aux logiciels
de gestion des camions de collecte. Ce type de logiciel permet d’obtenir des informations comme
l’itinéraire de collecte et l’heure de passage de chaque camion.
69
En utilisant les données du logiciel de gestion de flotte utilisé par les entrepreneurs, le nombre
d’heures d’utilisation de chaque camion par an (𝑛ℎ ) est connu. Pour représenter l’utilisation
moyenne d’un camion, ces données sont moyennées pour obtenir le nombre moyen d’heures
d’utilisations d’un camion par an (Annexe G).
Un camion est utilisé en moyenne 2000 h/an, soit environ 8 h/jour, en partant de l’hypothèse que
les camions sont utilisés seulement les jours ouvrés (251 jours/an).
En supposant une durée de vie (𝛾𝑐 ) de 10 ans (Ville de Montréal, 2018), en connaissant le nombre
d’heures d’utilisation d’un camion par an et en supposant un coût moyen (p) de 250 000 $ par
camion (Ville de Montréal, 2018) le coût horaire du camion est déterminé.
S’ajoute à cela le coût de la main-d’œuvre (𝐶𝑚𝑜 ). Dans le cadre de cette étude, il est fait
l’hypothèse que cela revient à prendre en compte le salaire du chauffeur et des deux éboueurs à
l’arrière du camion.
Le salaire moyen d’un conducteur est de 20 $/h et 15 $/h pour les éboueurs (Neuvoo, 2018). Les
frais d’assurances n’étant pas connus, il faut prendre en compte que ce coût horaire est plus bas
que le coût réel lors de l’interprétation des résultats. Enfin le coût de maintenance ( 𝐶𝑀 ),
comprenant le nettoyage et l’entretien des camions, est obtenu à partir d’une étude du Département
de l’Énergie américain (Département de l’énergie américain, 2001).
En utilisant l’équation (3.13), le coût horaire d’un camion de collecte est estimé :
𝐶ℎ = 72,35 $/ℎ
À partir des données obtenues par le logiciel de gestion de flotte (Annexe E), il est posé qu’un
camion consomme en moyenne 0,72 L/km. En absence de distinction entre la collecte et le
transport, cette valeur de consommation moyenne est aussi utilisée pour l’estimation des coûts de
transport.
70
Pour pouvoir estimer les coûts relatifs à la collecte et au transport des matières résiduelles, les
vitesses ont été estimées.
En prenant chaque parcours de collecte où les données sont disponibles, le temps de parcours d’un
camion sur une zone donnée est déterminé. Pour cela, il faut tout d’abord, déterminer quel camion
dessert quel secteur, puis le temps nécessaire pour collecter la zone. Le temps de chaque camion
est sommé et une estimation du temps de collecte est obtenue.
Vitesse de collecte
À partir d’un SIG, le nombre de logements et son type sont connus sur un secteur de collecte. Pour
chacun des trajets, ce nombre est calculé et présenté en Annexe H.
Il est alors possible d’estimer le temps de collecte annuel moyen en fonction du bâti présent sur le
secteur :
𝑡𝑐 = 8,0 ∗ 10−3 ∗ 𝑙𝑐𝑢 + 3,2 ∗ 10−3 ∗ 𝑙𝑐𝑑 + 1,5 ∗ 10−3 ∗ 𝑙𝑐𝑎 (4.6)
71
14
12
Temps de collecte réel (h)
10
8 R2 = 0,95
6 Secteur de
collecte
4
0
0 2 4 6 8 10 12 14
Temps de collecte prédit (h)
On peut voir que les temps estimés sont proches des temps réels (Figure 4-5) ce qui traduit une
bonne qualité d’ajustement de la régression. Les coefficients de cette régression permettent de tirer
plusieurs enseignements.
Tout d’abord, il faut plus de temps (28,7 s) pour collecte un logement unifamilial, qu’un logement
dans un duplex (11,4 s), qu’un logement autre (5,22 s). Ensuite, il est intéressant de noter que le
coefficient pour la durée de collecte d’une unifamiliale est deux fois supérieur à celui d’un
logement dans un duplex. Comme on a pu le voir précédemment, ces deux types de logements
génèrent presque la même quantité de matières résiduelles. La différence de temps peut
s’expliquer par le fait que le camion collecte deux logements, voire trois s’il y a un demi-sous-sol,
en un seul arrêt contre un arrêt par logement pour l’unifamilial. Enfin, le coefficient lié aux autres
logements, les logements dans les immeubles, est difficilement analysable. Il est cependant
logique qu’il soit le coefficient le plus faible car il représente le temps de collecte par logement
alors que le camion effectue un seul arrêt pour tout l’immeuble. Ces résultats sont cohérents avec
les estimations de Theisen (2002) qui a obtenu un temps moyen de collecte compris entre 30 et 36
secondes pour l’unifamiliale contre 12 secondes pour les multiplex.
Ainsi, pour une zone définie, le temps de collecte total est calculé. En connaissant le nombre de
kilomètres de voirie parcourus, la vitesse de collecte moyenne est déterminée.
72
De la même façon que pour la vitesse de collecte, pour chaque trajet disponible, le kilométrage et
le temps nécessaire pour l’aller-retour entre la zone de collecte et le centre de recyclage ont été
calculés. Ils sont regroupés dans le Tableau 4-7.
Temps de Vitesse
Arrondissement Entrepreneur Distance centroïde – recyclage (km)
parcours (min) (km/h)
1 A 14 16 51
2 A 26 32 49
3 A 12 10 71
4 A 22 24 56
5 A 18 24 46
6 B 24 22 64
7 B 19 17 68
8 B 15 14 65
9 B 17 17 61
10 C 23 27 52
11 D 30 35 51
12 D 29 33 53
13 E 33 39 51
14 F 12 12 60
15 G 34 36 57
16 G 9 9 60
17 G 25 24 62
18 G 27 37 44
73
À partir des valeurs des paramètres clés définis précédemment, les coûts de collecte et de transport
sont calculés. Un prix moyen par porte de prise en charge de ces matières est obtenu. Les résultats
pour les contrats d’ordures ménagères sont présentés à la Figure 4-6.
60
50
Coût ($/porte.an)
40
30
COLLECTE
20 TRANSPORT
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Arrondissement
Figure 4-6 : Coûts de collecte et transport estimés pour les arrondissements de l’Île de Montréal
Les coûts estimés varient de 18 à 48 $/porte, montrant que les spécificités du territoire et des
logements qui s’y trouvent ont un impact important sur la collecte et le transport. Pour l’ensemble
des territoires analysés, les coûts de collecte sont supérieurs à ceux de transport. Cette tendance
est logique dans la mesure où le camion passe beaucoup plus de temps à collecter la matière plutôt
qu’à la transporter. Afin de valider cette méthode d’estimation, les coûts sont aux coûts facturés à
la Ville de Montréal.
Pour tester le modèle développé, les contrats de collecte et transport des matières résiduelles des
arrondissements de la Ville de Montréal ont pu être consultés. L’objectif est maintenant de
comparer les valeurs calculées par la méthodologie employée précédemment avec les coûts
74
facturés par les différents entrepreneurs. Pour chacune des voies de collecte mises en place sur
l’arrondissement, un contrat est établi entre un entrepreneur et la Ville de Montréal. Il est possible
qu’un entrepreneur desserve différentes voies de collecte sur plusieurs arrondissements. Les
informations contenues dans les contrats (nombre de portes desservies, fréquence de passage, lieu
de dépôt) permettent d’identifier les secteurs de collecte et ainsi de connaître le nombre et le type
des logements desservis par les différentes collectes grâce aux données du recensement et du rôle
foncier. La Figure 4-7 présente les résultats obtenus par le modèle et la comparaison avec les
valeurs des contrats pour la voie de collecte des ordures ménagères.
80
70
60
Coût ($/porte.an)
50
40 Modèle
30 Ville de Montréal
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Arrondissement
Figure 4-7 : Comparaison des coûts entre le modèle et la Ville de Montréal pour les ordures
ménagères
Dans un premier temps, on peut voir que comme pour les coûts estimés, le coût facturé par porte
par les entrepreneurs varie en fonction du territoire desservi. On peut voir que le modèle a
tendance, dans la majorité des cas à sous-estimer les coûts, principalement les territoires 8, 11, 15,
16 et 17. Seulement cinq arrondissements sont légèrement surestimés (1, 2, 4, 5 et 12). L’écart
moyen entre le modèle et le contrat est de 15 %.
Pour comprendre ces résultats, les arrondissements sont regroupés par entrepreneurs (Figure 4-8).
75
80 15
A
70
D
8
16
60 C
17
11 18
Coût facturé ($/porte.an)
50 67 E
13
14 10 2 B
40 14
9
5 G
30
3 12
F
20
Tendance
10 (A)
Tendance
(B)
0
Tendance
0 10 20 30 40 50
(G)
Coût estimé ($/porte.an)
Figure 4-8 : Coût de collecte et de transport prédit vs coût facturé en fonction des entrepreneurs
pour chaque territoire (les courbes de tendance sont indiquées pour les entrepreneurs qui ont plus
de 3 contrats)
En portant le coût facturé en fonction du coût estimé, plusieurs observations peuvent être faites.
Pour les entrepreneurs travaillant sur plusieurs territoires, on remarque que pour certains des
tendances se dessinent. Sur les 5 arrondissements surestimés, 4 sont gérés par l’entrepreneur A. À
l’opposé, 3 des 5 arrondissements fortement sous-estimés par le modèle sont gérés par
l’entrepreneur G. Les résultats pour les autres entrepreneurs sont entre ces deux extrêmes. Cette
observation pourrait s’expliquer par le fait que la marge de profit brute moyenne est définie comme
une constante dans le modèle. En fonction du contexte du territoire (présence ou non de
concurrents, quantité de matière à gérer, nombre de camions nécessaires, complexité à desservir
le territoire, etc.), certains entrepreneurs peuvent fixer la même marge de profit brute pour chacun
de leur contrat alors que d’autres l’adaptent au contexte du territoire (présence de concurrents,
quantité de matière à gérer).
La différence entre les résultats peut aussi être causée par la non prise en compte de certains coûts
additionnels dans le modèle. En effet, certaines compagnies offrent uniquement le service de
76
Parmi les limites du modèle, la vitesse de collecte a été calculée avec les données disponibles pour
certains arrondissements. Il est probable que pour des arrondissements ayant certaines spécificités
(ruelles, milieu semi-urbain ou urbain, trafic…), cette vitesse de collecte soit surestimée. De plus,
le calcul du coût horaire repose sur des données issues des logiciels de gestion de flotte d’un
entrepreneur. Ainsi, des valeurs, comme le nombre annuel d’heures d’utilisation, peuvent varier
en fonction de la flotte que possède l’entrepreneur. Pour le transport, même s’il a été montré que
ces coûts étaient souvent moins importants que la collecte, la distance entre le garage et la zone
de collecte n’a pas pu être prise en compte.
Ainsi, ce modèle a été développé en utilisant l’ensemble des informations disponibles au moment
de cette étude et permet d’obtenir une bonne estimation des coûts de collecte et transport dans le
but de comparer différents scénarios sur un même territoire.
77
À partir des données de coûts provenant d’installations existantes (Annexe F), deux équations,
l’une pour les investissements, l’autre pour les frais d’opérations et maintenance, sont présentées.
Les résultats obtenus sont par la suite comparés à ceux d’une autre étude.
Investissements
0,711 (4.7)
𝐶inv = 15 980 ∗ 𝑄MRO
80 000 000
60 000 000
40 000 000
20 000 000
0
0,00 100 000,00 200 000,00 300 000,00
Capacité (tonnes/an)
La tendance de la courbe confirme les résultats de Ghafoori et Flynn (2007), à savoir que des
économies d’échelles sont observées en fonction de la capacité de l’usine de biométhanisation
(Figure 4-9).
Pour vérifier la qualité de cette prédiction, le résultat obtenu est comparé, en prenant en compte
l’inflation et le taux de change, avec le coût d’investissement rapporté par Murphy et McKeogh
(2004) qui est de 13,4 M$ pour une usine ayant une capacité de 15 000 t/an et 11,1 M$ pour une
usine de 10 000 t/an.
Les valeurs obtenues en utilisant l’équation (4.7) sont proches des valeurs réelles, 14,9 M$ pour
13,4 M$ et 11,1 M$ pour 11,1 M$.
Opérations et maintenance
À partir d’installations existantes (Annexe F), une équation permettant d’estimer ces coûts est
développée et représentée sur la Figure 4-10 :
0.6849
𝐶O&M = 1315 ∗ 𝑄MRO (4.8)
4 000 000
y = 1314,7x0,6849
3 500 000 R² = 0,98
3 000 000
Coût O&M ($/an)
2 500 000
2 000 000
1 500 000
1 000 000
500 000
0
0 20 000 40 000 60 000 80 000 100 000 120 000
Capacité (tonnes/an)
Une économie d’échelle est aussi observée pour les coûts d’opérations et maintenance. De la
même façon que pour les investissements, les résultats obtenus sont comparés avec les travaux de
Khan et coll. (2016). Pour une capacité de 10 000 t/an et 15 000 t/an, ils rapportent des coûts de
819 000 $/an et 1,05 M$/an. En utilisant l’équation (4.8), des coûts de 723 000 $/an et
955 000 $/an sont obtenus, représentant un écart relatif de 8 % et 12 %.
À partir des équations développées au chapitre précédent et en utilisant les valeurs des paramètres
regroupées au Tableau 4-8, les revenus sont estimés pour les deux voies de valorisation identifiées.
Électricité
En 2009, après un appel d’offres, Hydro-Québec a proposé d’acheter l’électricité produite à partir
de la biométhanisation à 0,112 $ le kilowattheure. À partir de l’équation (3.25), le revenu estimé
par cogénération est de :
Les revenus peuvent aussi venir de l’insertion de biométhane dans le réseau de GazMétro. Pour
cela, l’entreprise se base sur le prix du gaz naturel et offre d’acheter chaque m3 produit contre
0,27 $ (Gaz Métro, 2011). Les revenus associés à cette voie avec 𝑟𝑣 , la proportion de biométhane
par m3 de biogaz produit, sont calculés à partir de l’équation (3.26) :
Tableau 4-8 : Paramètres pour l’estimation des revenus générés grâce à la biométhanisation
De la même façon que pour la biométhanisation, deux équations permettant d’estimer les
investissements et les coûts opérationnels en fonction de la capacité de l’installation sont
développées.
Investissements
Les données provenant d’installations existantes ont été regroupées (Annexe F) afin d’obtenir une
équation estimant le coût d’investissement lié à l’implantation d’une installation de compostage,
en fonction de sa capacité. Les données utilisées viennent uniquement d’installations compostant
la matière organique à l’extérieur.
25 000 000
y = 420,19x
R² = 0,93
20 000 000
Investissement ($)
15 000 000
10 000 000
5 000 000
0
0 10 000 20 000 30 000 40 000 50 000 60 000
Capacité (tonnes/an)
de ce type d’installation cela revient à agrandir ou multiplier les andains ou les piles, ce qui a pour
effet d’augmenter les coûts de manière linéaire.
Opérations et maintenance
4 500 000
y = 41,259x
4 000 000
R² = 0,99
3 500 000
Coût O&M ($/an)
3 000 000
2 500 000
2 000 000
1 500 000
1 000 000
500 000
0
0 20 000 40 000 60 000 80 000 100 000 120 000
Capacité (tonnes/an)
De la même façon que pour les investissements, les coûts opérationnels varient linéairement avec
la capacité de l’installation.
Investissements
Pour le compostage fermé, le peu de données sur des installations existantes n’a pas rendu possible
la détermination d’une estimation des coûts par régression.
Afin de prendre en compte les économies d’échelle, un facteur d’échelle de 0,6 est couramment
utilisé pour ce type d’installation (Ghafoori, 2007 ; Browne et coll., 2011).
0,6 (4.13)
𝐶inv = 37 893 ∗ 𝑄MRO
Au moment de cette étude, le seul projet de compostage fermé subventionné par le PTMOBC est
celui de la Régie intermunicipale des déchets de la Rouge qui traite 2 914 t/an de MRO.
À partir de l’équation (4.13), le coût estimé est d’environ 4,5 M$. Les porteurs de projet évoquent
quant à eux un coût de 4,7 M$, soit une différence de 3 %.
Opérations et maintenance
Pour les coûts d’opérations et maintenance, SOLINOV a publié en 2014 une étude sur les coûts
de centre de compostage en système fermé. Il en ressort que les frais associés aux opérations et
maintenance du centre s’élèvent en moyenne à 80 $/t. L’absence d’économie d’échelle s’explique
par le besoin supérieur en agents structurants (SOLINOV, 2014).
À partir des équations déterminées dans la partie précédente, les coûts annuels pour les trois
technologies de traitement sont estimés en fonction de la capacité de traitement de l’installation
(Figure 4-13).
25 000 000
20 000 000
Coût annuel ($/an)
15 000 000
CO
CF
10 000 000
Bio
5 000 000
0
0 50 000 100 000 150 000 200 000 250 000
Capacité (tonnes/an)
Figure 4-13 : Comparaison des coûts annuels des trois technologies de traitement (CO :
compostage ouvert ; CF : compostage fermé ; Bio : biométhanisation), sans aide financière du
PTMOBC – immobilisation et exploitation sur 20 ans
Quelle que soit la capacité de l’installation de traitement, le compostage fermé est la technologie
la plus onéreuse. Cela s’explique en partie par le fait que les coûts d’opérations et de maintenance,
au contraire de la biométhanisation ne permettent pas d’économie d’échelle. Pour des installations
traitant moins de 150 000 t/an, le compostage ouvert la technologie la plus économique. Au-delà
de cette capacité, les économies d’échelles sont telles que la biométhanisation devient la solution
la plus rentable.
85
18 000 000
16 000 000
14 000 000
Coût annuel ($/an)
12 000 000
10 000 000 CO
CF
8 000 000
Bio
6 000 000
4 000 000
2 000 000
0
0 50 000 100 000 150 000 200 000 250 000
Capacité (tonnes/an)
Figure 4-14 : Comparaison des coûts annuels des trois technologies de traitement (CO :
compostage ouvert ; CF : compostage fermé ; Bio : biométhanisation), avec aide du PTMOBC –
immobilisation et exploitation sur 20 ans
Ainsi, la prise en compte de programme comme le PTMOBC dans l’estimation des coûts de
traitements est primordiale car il peut être à l’origine de choix de technologies différents en
fonction de la quantité de MRO à traiter sur le territoire.
86
On a pu montrer précédemment qu’à partir des équations d’estimation des coûts de traitement une
économie d’échelle est possible lorsque la capacité de l’installation augmente. Cependant, ces
économies sont en compétition avec l’augmentation des coûts de transport de ces matières.
Cette compétition soulève des questions concernant l’échelle à laquelle doit être implantée
l’installation de traitement. En effet, une fois la matière collectée, faut-il préférer une gestion
centralisée avec un seul centre offrant un coût de traitement à la tonne avantageux, mais un coût
de transport plus élevé, ou y aller plutôt avec plusieurs installations et un coût de transport moins
important ?
De plus, dans quelle mesure le choix du scénario peut-il être impacté par la possible différence de
subvention que peut recevoir le projet en fonction de la technologie choisie ?
L’objectif de cette partie est d’utiliser les modèles précédents pour comparer plusieurs scénarios
sur un territoire, en faisant varier le gisement de MRO, la distance entre la zone de collecte et le
lieu de traitement et l’influence d’un programme comme le PTMOBC dans le choix du scénario
afin d’identifier le plus rentable.
Dans un second temps, la méthodologie globale présentée dans ce mémoire est appliquée à l’île
de Montréal afin de prévoir les coûts relatifs à la mise en place d’un scénario de gestion des MRO.
Le nombre de scénarios possibles étant quasi infini, plusieurs hypothèses ont été posées :
• Pour ce cas d’études, seuls les coûts de transport et de traitement sont analysés.
• Le territoire étudié est composé de deux zones (zone A et zone B) qui produisent chacune
un flux de résidus alimentaires et un flux de résidus verts. Ce flux est modélisé comme un
gisement global sur une zone donnée.
88
• Ce gisement peut être traité sur cette zone, le transport est alors supposé nul ou dans une
autre zone située à une distance d.
• Afin de prendre en compte la différence de génération en fonction du bâti, le cas extrême
est analysé : les deux zones sont composées à 100 % d’unifamiliale (milieu rural) ou 100 %
de multilogement (milieu urbain).
• La proportion des flux pour un multilogement est de : 80 % résidus alimentaires/20 %
résidus verts.
• La proportion des flux pour une unifamiliale est de : 50 % résidus alimentaires/50 %
résidus verts.
• La vitesse moyenne de transport est de 55 km/h.
• Les résidus verts sont compostés (leur variabilité saisonnière et leur teneur élevée en
lignine ne permettent pas de les biométhaniser dans de bonnes conditions).
• Le compostage ouvert n’est pas une technologie envisageable dans un milieu urbain.
• Le gisement de la zone A est toujours supérieur au gisement de la zone B.
• La distance de transport est comprise en 1 et 500 km.
Tableau 5-1 : Description des scénarios de traitement des MRO (CO : compostage ouvert ; CF :
compostage fermé ; Bio : biométhanisation)
Zone A Zone B
Scénario
Matières
Technologie Technologie Matières traitées
traitées
1-A CO RA + RV _ _
1-B _ _ CO RA + RV
2-A CF RA + RV _ _
2-B _ _ CF RA + RV
6-A CF RV Bio RA
6-B Bio RA CF RV
10-A - - Bio et CF RA + RV
10-B Bio et CF RA + RV _ _
11-A Bio et CO RA + RV _ _
11-B - - Bio et CO RA + RV
90
À partir des équations de coût annuel de traitement et de transport établies par la méthodologie,
une équation globale permettant de calculer les coûts de transport et de traitement est développée
pour chacun des scénarios étudiés.
Ces équations sont regroupées dans un modèle comparatif permettant de définir le scénario le
moins coûteux en fonction de la quantité de matière produite, du type de logement et de la distance
séparant les deux zones. Un exemple des résultats obtenus pour un scénario fictif est présenté à la
(Figure 5-1). Afin de faciliter la lecture, seuls les scénarios qui pour une plage de distance de
transport donnée apparaissent comme étant le scénario le moins coûteux sont représentés.
35 000 000
30 000 000
Coût de traitement ($/an)
25 000 000
20 000 000
1-B
15 000 000
8-B
10 000 000 10-B
0
0 50 100 150 200 250 300 350 400 450 500 550
Distance de transport (km)
On peut voir sur la Figure 5-1 que le chevauchement des scénarios en fonction de la distance de
transport. Plus les deux zones sont éloignées, plus les coûts de transports vont augmenter et
impacter le coût global du scénario. Pour simplifier la lecture de ce type de graphique, les résultats
suivants seront présentés en se basant sur la Figure 5-2. Ainsi à partir de cette figure, on peut voir
que dans le cas de cet exemple, le scénario 1-B est le scénario le plus rentable si la distance de
transport est comprise entre 0 et 37 km. Au-delà de cette distance et jusqu’à 220 km, c’est le
scénario 8-B qui est préférable, d’un point de vue économique. De 221 à 335 km, le scénario le
plus rentable devient le 10-B puis 336 à 500 km, c’est le scénario 4-B qui est le moins coûteux.
91
MULTILOGEMENTS / UNIFAMILIALES
Q1 : 100000 T/AN
1-B
Figure 5-2 : Représentation graphique des scénarios les plus rentables en fonction de la distance
entre les deux zones
Comme on a pu le voir dans la revue de littérature, il est possible d’obtenir des financements du
PTMOBC lors de la mise en place d’installations de traitement des MRO. L’objectif de cette partie
est d’analyser cette influence dans le cas où les quantités de MRO générées varient.
Afin d’observer l’influence de la quantité traitée et du PTMOBC, il est décidé de prendre un cas
fictif où la zone A produit une quantité appelée Q1 de MRO par an et la zone B produit une quantité
appelée Q2. La proportion de résidus verts et résidus alimentaires est déterminée en fonction du
choix du cadre de bâti. Pour différentes combinaisons de Q1 et Q2 et de cadre de bâti, le scénario
le plus rentable en fonction de la distance séparant les deux zones est donné par le modèle. La
quantité de MRO générée sur la zone A est dans un premier temps fixée à 50 000 t/an puis
100 000 t/an afin d’observer l’influence de la quantité de matière collectée.
Configuration « Multilogements/Unifamiliales »
Pour cette configuration, la quantité générée par la zone B impacte peu le choix du scénario. La
prise en compte du PTMOBC a pour effet de favoriser les scénarios avec la biométhanisation aux
dépens du compostage fermé. Le scénario 1-B est remplacé par le scénario 3-B et la plage de
distance durant laquelle le scénario 8-B est le moins onéreux augmente.
92
Q1 = 50 000 T/AN Q 1= 5 0 0 0 0 T / A N
50 000
100 000
Configuration « Multilogements/Multilogements »
En absence de compostage ouvert, on peut voir que plus la quantité de la zone B est importante,
plus la distance pour laquelle le scénario 10-B est privilégié est courte. Cela s’explique par
l’augmentation des coûts de transport de la matière générée par la zone B qui n’est pas totalement
compensée par l’économie d’échelle. Pour cette configuration, on peut voir distinctement
l’influence du PTMOBC. En effet, la plage du scénario 5, sans transport et avec deux centres de
compostage fermé, est fortement réduite lorsque les technologies sont subventionnées. Les
scénarios 10-B et 7-B, qui utilisent une usine de biométhanisation, lui sont alors préférés. De plus,
l’augmentation du gisement permet d’accentuer les économies d’échelles atténuant ainsi les coûts
de transport. De ce fait, les scénarios avec la biométhanisation sont préférés sur de plus longues
plages de distance.
93
50000
80000 80000
60000 10-B 60000 10-B
40000 40000
7-B 7-B
20000 20000
10000 5 10000 5
0 200 400 0 200 400
DISTANCE (KM) DISTANCE (KM)
Configuration « Unifamiliales/Multilogements »
Cette configuration permet de bien voir la compétition entre l’augmentation des coûts de transport,
l’économie d’échelle et l’influence du PTMOBC. En effet, en absence de subventions et pour de
faibles distances entre les deux zones, c’est le scénario 1-A, compostage ouvert centralisé, qui est
préféré. On peut voir que plus la quantité générée par la zone B est importante, plus des scénarios
utilisant la biométhanisation apparaissent. C’est d’autant plus marqué en présence du PTMOBC,
où passé 10 000 t/an, le scénario 1-A disparaît et est remplacé par des scénarios où les résidus
alimentaires sont traités par biométhanisation.
94
50000
80000 80000
60000
1-A 60000 11-A
40000 8-A 40000 3-A
20000 20000
3-A 8-A
10000 10000
4-A 4-A
0 200 400 0 200 400
DISTANCE (KM) DISTANCE (KM)
En absence de subventions, le scénario 9 est toujours le scénario le moins coûteux, quelles que
soient la distance de transport et la quantité de matière produite par la zone B. En revanche, en
présence de ces subventions et pour une quantité dans la zone A de 100 000 t/an, c’est le
scénario 11-A qui devient le plus intéressant pour de faibles distances entre les deux zones. Cela
confirme le fait qu’à partir d’une certaine quantité, les économies d’échelles associées aux
subventions du PTMOBC permettent à la biométhanisation d’être la technologie la moins
onéreuse.
95
50000 50000
QUANTITÉ ZONE B (T/AN)
Il est intéressant de noter qu’en présence du PTMOBC, les scénarios où les MRO sont traitées
uniquement par compostage sont rares. Ce résultat est tout à fait cohérent avec le fait que le
PTMOBC ne subventionne pas de la même manière les trois technologies de traitement. En effet,
la biométhanisation bénéficie d’une aide plus élevée que le compostage fermé qui lui-même est
plus subventionné que le compostage ouvert.
En diminuant les coûts d’investissement de technologies plus onéreuses que le compostage ouvert
et susceptibles de permettre des économies d’échelle, cette aide encourage une gestion centralisée
des MRO. Pourtant, cela va à l’encontre de la volonté actuelle de certains organismes
d’aménagements du territoire comme la Communauté métropolitaine de Montréal (CMM) qui
encourage les municipalités à aller vers une autonomie régionale au niveau des infrastructures de
valorisation.
96
Ainsi, ce cas d’étude a permis de mettre en place un modèle permettant de comparer les scénarios
de traitement et d’analyser les conséquences de la mise en place du PTMOBC. Cependant, l’étape
de transport et de traitement n’est qu’une partie du scénario global de gestion des MRO. Pour
pouvoir comparer l’ensemble du scénario, la collecte des MRO et les revenus possibles doivent
être pris en compte.
L’Île de Montréal
À partir des modèles développés précédemment, il est désormais possible d’estimer les coûts des
différentes étapes d’un scénario de gestion des MRO. L’objectif de ce cas d’étude est d’utiliser
ces modèles pour estimer les quantités générées, ainsi que les coûts de collecte, de transport et de
traitement pour l’Île de Montréal.
Le territoire est séparé en deux zones : l’Est et l’Ouest de l’île. Dans un premier temps, les
quantités de MRO potentiellement collectées sont prédites et les coûts de collecte sont estimés
pour les deux territoires. Ces valeurs sont ajoutées au modèle comparatif des coûts de traitement
afin d’estimer le coût global du scénario de gestion des MRO.
L’Est de l’île
Estimation de la génération
En 2016, l’Est de l’île est composé de 754 348 logements, dont 73 281 unifamiliales, 153 813 dans
un duplex, 252 690 dans un immeuble de moins de 8 logements et 274 564 dans un immeuble de
plus de 9 logements (Figure 5-7).
10%
Unifamilial
36%
20%
Duplex
1-8 logements
9+ logements
34%
Figure 5-7 : Répartition des logements en 2016 selon leur type — Zone Est
En posant un taux de récupération, de pureté et d’implantation de 100 % pour les différents types
de logements, les quantités maximales générées de RA et RV sont estimées à partir des équations
(4.4) et (4.5) :
98
D’après cette estimation, 63 % des MRO potentiellement collectées sur les territoires de l’Est de
l’île de Montréal sont des résidus alimentaires contre 37 % de résidus verts. Ce résultat vient du
fait que la majorité des logements de l’Est de l’Île ont des multilogements qui produisent peu de
résidus verts. Cette estimation, en termes de répartition des deux flux de MRO, est proche de celle
du PDGMR 2010-2014 (Ville de Montréal, 2009).
La collecte porte-à-porte des MRO peut se faire de deux façons, soit deux collectes séparées pour
les RA et les RV ou une unique collecte où les résidus organiques sont mélangés. Les coûts de
collecte ne dépendant pas de la quantité de matière qui est collectée donc sur le même territoire,
deux collectes séparées coûteront le double du prix d’une collecte où les résidus organiques sont
mélangés.
Pour une collecte sur l’Est de l’île, les coûts sont estimés à partir de la méthodologie détaillée dans
le chapitre 3.
𝑡𝑐 = 1 852 ℎ
La distance de collecte totale est calculée à partir de QGIS en utilisant les données kilométriques
de chacun des territoires de l’Est de l’Île.
𝑛𝑧 = 6 210 𝑘𝑚
𝑣𝑐 = 3,4 𝑘𝑚⁄ℎ
En faisant l’hypothèse que pour la voie de collecte des RA et pour la collecte mélangée, le camion
passe une fois par semaine, le nombre de kilomètres annuel effectué durant la collecte est estimé :
99
Les résidus verts étant produits majoritairement de fin avril à fin novembre, le nombre de collectes
est fixé à 32 par an :
Résidus alimentaires
Résidus verts
Résidus mélangés
Il est normal que le coût de la collecte des RA soit identique à celui de la collecte mélangée car
l’estimation de ce coût ne dépend pas de la quantité collectée. Ainsi, le coût total estimé de la
collecte séparée des MRO générées à l’Est de l’île de Montréal est de 15,8 M$/an contre
9,8 M$/an si les MRO sont mélangées au sein de la même collecte.
100
L’Ouest de l’île
35% Unifamilial
Duplex
49%
1-8 logements
9+ logements
7%
9%
Figure 5-8 : Répartition des logements en 2016 selon leur type — Zone Ouest
La même méthodologie est utilisée pour estimer les coûts liés à l’Ouest de l’île. Les résultats
obtenus sont présentés au Tableau 5-2.
Tableau 5-2 : Estimations des coûts pour la collecte des MRO de l’Ouest de l’île de Montréal
𝒕𝐜 (h) 853
𝒏𝒛 (km) 3 890
4,6 2,8
-1
𝑪𝒄 (M$ an ) 4,6
7,4
101
Le modèle comparatif créé dans le premier cas d’étude est utilisé pour comparer les scénarios de
gestion en fonction des caractéristiques de l’île de Montréal en prenant en compte à la fois la
collecte, le transport et le traitement. Les revenus que peuvent engendrer ces scénarios de gestion
sont quant à eux supposés égaux, que le produit valorisé soit du compost ou du biogaz.
Les scénarios impliquant le compostage ouvert n’ont pas été pris en compte dans cette étude à
cause de la grande superficie que demande cette technologie et des potentielles nuisances qu’elle
pourrait créer dans un milieu densément peuplé (animaux nuisibles, odeurs…). Les coûts de
gestion des MRO pour chacun des scénarios sont présentés à l’Annexe L.
Que le scénario soit subventionné ou non par le PTMOBC, les trois scénarios les plus rentables
sont dans l’ordre : le 5, le 7-A et le 7-B.
5 7
Figure 5-9 : Scénarios les plus rentables selon la méthodologie développée dans cette étude
Malgré le fait qu’on ait montré précédemment que le compostage fermé est plus onéreux que la
biométhanisation, le scénario le plus rentable est celui où cette technologie est implantée dans les
deux zones analysées. Il est estimé à 29,3 M$/an. Si cela peut sembler surprenant au premier
abord, il suffit de regarder la différence entre les coûts de collecte et ceux de traitement pour
comprendre l’origine de ce résultat. Le fait d’opter pour une collecte où les MRO sont collectées
ensemble plutôt que dans deux voies séparées permet de faire une économie de l’ordre de 9 M$/an
pour l’île de Montréal. Or, si le compostage peut traiter les résidus mélangés, ce n’est pas le cas
de la biométhanisation. Ainsi, même si les coûts de transport et traitement des scénarios 7-A et 7-
B sont plus faibles grâce aux économies d’échelles et les subventions du PTMOBC, les coûts
qu’entraîne la mise en place d’une collecte supplémentaire restent plus importants.
102
Enfin, même si cette étude s’est beaucoup orientée sur le côté économique d’un scénario de
gestion des MRO, tout projet de cette ampleur se doit de prendre en considération son acceptabilité
sociable et son impact sur l’environnement.
103
Dans un premier temps, un modèle permettant de prédire la génération des MR, à partir du bâti
présent sur le territoire, a été défini puis validé en comparant les résultats simulés avec les
quantités de MR réellement collectées. Dans un second temps, les coûts de collecte et les coûts de
transport des MR ont été modélisés en posant l’hypothèse que ceux-ci sont indépendants de la
voie de collecte considérée. En consultant les contrats conclus entre la Ville de Montréal et les
entrepreneurs, les résultats de ces deux modèles ont été comparés avec les coûts réels pour chacun
des arrondissements. Un écart moyen de 15 % a été obtenu entre les deux valeurs pour la collecte
des ordures ménagères.
Dans un troisième temps, un modèle permettant d’estimer le coût annuel de traitement des MRO,
en fonction de la technologie de recyclage (compostage ouvert, compostage fermé,
biométhanisation) et de la capacité de l’installation, a été défini et validé à partir de données
extraites de la littérature. Les résultats montrent que pour une capacité de traitement inférieure à
un tonnage critique de 150 000 t/an, le compostage ouvert est la technologie la moins onéreuse.
Au-delà de ce tonnage, la biométhanisation, grâce aux économies d’échelles, devient la solution
la moins coûteuse. Dans le cas où les projets sont subventionnés par le PTMOBC, ce tonnage
critique se réduit à 40 000 t/an.
Les modèles de transport et de traitement ont été associés afin de comparer 14 scénarios de
traitement des MRO sur un même territoire divisé en deux zones. En fixant la génération de MRO
et le coût de collecte sur le territoire, l’étude de la compétition entre les économies d’échelles, la
distance de transport et l’influence du PTMOBC a permis de montrer que ce programme de
subvention tend à encourager le développement de la biométhanisation et une gestion centralisée
des MRO au Québec.
Enfin, en combinant les modèles de génération avec ceux de coûts de collecte, de transport et de
traitement, la méthodologie développée a été appliquée au territoire de l’Île de Montréal en le
séparant en deux zones, Est et Ouest. Les quantités de MRO potentiellement générées ont été
104
estimées à 137 940 t/an pour la zone Est et 53 696 t/an pour la zone Ouest en supposant que
l’ensemble des MRO générées soient collectées. À partir de données géolocalisées du cadre bâti
et de la voirie, un coût de collecte annuel pour la zone Est de 15,8 M$ a été estimé dans le cas
d’une collecte séparée des MRO contre 9,8 M$ pour une collecte mélangée. Pour la zone Ouest,
un coût annuel de 7,4 M$ pour la collecte séparée a été obtenu contre 4,6 M$ pour la collecte
mélangée. Ces coûts de collecte, variant en fonction du scénario de traitement choisi, ont été
ajoutés aux coûts de transport et de traitement afin d’obtenir un coût global du scénario de gestion
des MRO. Le scénario de gestion identifié comme étant le moins coûteux, qui consiste à mettre
en place une collecte mélangée des MRO et un centre de compostage en système fermé pour
chacune de deux zones de l’Île est estimé à 29,3 M$/an.
La méthodologie développée permet une première estimation des coûts de gestion des MRO, mais
comprend certaines limites. Tout d’abord, le modèle prédictif de la génération de MR a été
développé en se basant sur un seul paramètre sociodémographique, à savoir le cadre bâti présent
sur le territoire. L’influence d’autres paramètres, comme le niveau de scolarité, le salaire ou encore
l’âge, a été négligée. En ce qui concerne les modèles d’estimation des coûts de collecte et de
transport, la principale limite vient du fait que le temps de collecte par type de logement est supposé
constant. Certaines caractéristiques du territoire, comme le système de stationnement en bordure
de rue, le trafic ou encore le type de voirie n’ont pas été considérés. De plus, même si les résultats
obtenus par le modèle sont satisfaisants, ils ne traduisent que le comportement spécifique de
l’agglomération de Montréal. Pour être utilisé sur d’autres territoires, une validation de la
méthodologie utilisée est nécessaire. Enfin, les revenus générés par la vente du compost et du
biogaz ont été considérés comme équivalents en l’absence d’étude sérieuse sur les différents
marchés disponibles pour ce type de produits issus de la valorisation des MRO.
Afin de poursuivre les travaux de cette maîtrise, plusieurs pistes de recherches peuvent être
identifiées. Ce mémoire s’est concentré sur le côté quantitatif de la génération des MRO en
estimant le tonnage potentiel sur un territoire. Pour aller plus loin dans la prédiction du gisement
de matière disponible, il serait intéressant d’étudier la composition de ces matières en fonction de
différents paramètres sociodémographiques et économiques et son influence sur le scénario de
gestion.
105
L’utilisation des logiciels de gestion de flotte, bien qu’intéressante, fut très laborieuse. Pour le
futur, il serait intéressant d’optimiser l’exploitation des données collectées par ce type de logiciel
afin d’améliorer leur traitement.
Concernant les revenus, il serait fortement recommandé de réaliser une étude des marchés
disponibles pour les produits issus de la valorisation des MRO afin de prendre en compte
l’ensemble du scénario de gestion des MRO.
Enfin, il serait intéressant d’utiliser la méthodologie développée dans ce mémoire pour d’autres
territoires ayant des caractéristiques différentes de celles de Montréal et d’associer à cette étude
économique une évaluation des impacts environnementaux et sociaux que cause la mise en place
de ce type de scénario de gestion sur un territoire.
106
BIBLIOGRAPHIE
Andersons Center. (2010). A detailed economic assessment of anaerobic digestion technology and
its suitability to uk farming and waste systems: 2nd edition. Tiré de http://www.organics-
recycling.org.uk/uploads/category1060/10-
010%20FINAL_Andersons_NNFCC_AD2010.pdf
Appels, L., Baeyens, J., Degrève, J., & Dewil, R. (2008). Principles and Potential of the
Anaerobic Digestion of Waste-Activated Sludge. Progress in Energy and Combustion
Science, 34, 755-781. https://doi.org/10.1016/j.pecs.2008.06.002
Banks, C. J., Zhang, Y., Jiang, Y., & Heaven, S. (2012). Trace element requirements for stable
food waste digestion at elevated ammonia concentrations. Bioresource Technology, 104
(Supplement C), 127-135. https://doi.org/10.1016/j.biortech.2011.10.068
Bastin, L., & Longden, D. M. (2009). Comparing transport emissions and impacts for energy
recovery from domestic waste (EfW): Centralised and distributed disposal options for
two UK Counties. Computers, Environment and Urban Systems, 33, 492-503.
https://doi.org/10.1016/j.compenvurbsys.2009.05.003
Baudot J-Y., (2018) Coefficient de détermination. Tiré de
http://www.jybaudot.fr/Correl_regress/coeffdeterm.html
Caputo, A. C., & Pelagagge, P. M. (2002). RDF production plants: II Economics and
profitability. Applied Thermal Engineering, 22 (4), 439-448.
https://doi.org/10.1016/S1359-4311 (01)00101-6
Chang, N.-B., & Wang, S. F. (1995). The development of material recovery facilities in the
United States: status and cost structure analysis. Resources, Conservation and
Recycling, 13 (2), 115-128. https://doi.org/10.1016/0921-3449 (94)00041-3
Chang, N.-B., & Wang, S. F. (1997). A fuzzy goal programming approach for the optimal
planning of metropolitan solid waste management systems. European Journal of
Operational Research, 99 (2), 303-321. https://doi.org/10.1016/S0377-2217 (96)00024-
0
Chatain, V., Ohannessian, A., & Germain, P. (2008). Chapitre 15 : Valorisation du biogaz et
traitements épuratoires (p. 463-481). La méthanisation. Lavoisier Tec et Doc.
Chiumenti, A., Chiumenti, R., Diaz, L., M. Savage, G., L. Eggerth, L., & Goldstein, N. (2005).
Modern Composting Technologies. JG Press Inc.
107
Clarke, E. H. (1971). Multipart pricing of public goods. Public Choice, 11(1), 17-33.
https://doi.org/10.1007/BF01726210
Communauté métropolitaine de Montréal. (2007). L’herbicyclage. Profitez de l’été, herbicyclez !
Tiré de
http://cmm.qc.ca/fileadmin/user_upload/pmgmr_doc/fiches/babeb4d51b245a303bd381efc614b7e0.pdf
Conseil canadien du compostage. (2018). Composting processing technologies. Tiré de
http://www.compost.org/pdf/compost_proc_tech_eng.pdf
De Silguy, C. (2009). Histoire des hommes et de leurs ordures : du Moyen Âge à nos jours.
Paris : Le Cherche midi
Dysert, Larry R. and Peter Christensen (2003). Cost Estimate Classification. Association for the
Advancement of Cost Engineering, Recommended Practice No. 17R-97, Morgantown,
West Virginia, 2003
Éco Entreprises Québec. (2008). Les bonnes pratiques de collecte sélective. Tiré de
http://www.eeq.ca/wp-content/uploads/Bonnes-pratiques-de-collecte-selective-VFF.pdf
Eisenhauer Joseph G. (2003). Regression through the Origin. Teaching Statistics, 25 (3), 76-80.
https://doi.org/10.1111/1467-9639.00136
Eiselt, H. A., & Marianov, V. (2014). Location modeling for municipal solid waste facilities.
Computers & Operations Research, 62. https://doi.org/10.1016/j.cor.2014.05.003
European Commission, (2001). Costs for Municipal Waste Management in the EU. Tiré de
http://ec.europa.eu/environment/waste/studies/pdf/eucostwaste.pdf
Filippova, E., & Guérin-Pace, F. (2013). Le recensement : miroir ou prescripteur ? La force
performative des catégorisations ethniques dans la vague de recensements des
années 2010. Socio. La nouvelle revue des sciences sociales, (2), 229-272.
https://doi.org/10.4000/socio.470
Forney, L. J., Huang, A. J.-F., Drew, S., Czuprenski, M., Lindeberg, J. D., & Reddy, C. A.
(1996). Effects of Turning Frequency, Leaves to Grass Mix Ratio and Windrow vs. Pile
Configuration on the Composting of Yard Trimmings. Compost Science & Utilization,
4(1), 26-43. https://doi.org/10.1080/1065657X.1996.10701816
Gaz Métro., (2011). La valorisation du biogaz comme combustible et carburant propres. Tiré de
http://www.cremtl.qc.ca/sites/default/files/upload/documents/publications/presentationf
krikorian190411.pdf
108
Ghafoori, E., & Flynn, P. (2007). Optimizing the Size of Anaerobic Digesters (Vol. 50).
https://doi.org/10.13031/2013.23143
Guendouz, J., Buffière, P., Cacho, J., Carrère, M., & Delgenes, J.-P. (2010). Dry anaerobic
digestion in batch mode: Design and operation of a laboratory-scale, completely mixed
reactor. Waste Management, 30 (10), 1768-1771.
https://doi.org/10.1016/j.wasman.2009.12.024
Hickman, J., Hassel, D., Joumard, R., Samaras, Z., & Sorenson, S. (1999). Methodology for
calculating transport emissions and energy consumption. Tiré de
https://trid.trb.org/view/707881
Hutchinson M., (2004). Déterminants de la participation des citoyens aux différents services de
récupération des matières recyclages. Tiré de http://recycinfo.recyc-
quebec.gouv.qc.ca/T/OFSYS/H/317413/gilHwH/4_Determinants.pdf
Jenkins, R. R. (1991). Municipal demand for solid-waste-disposal services: The impact of user
fees. College Park, MD (US); Univ. of Maryland. Consulté à l’adresse
https://www.osti.gov/biblio/5483491
Joly, E. (2011). Comparison of home-composting and largescale composting for organic waste
management in Québec, Canada. TRITA LWR Degree Project 11:25. KTH.
Karadimas, N. V., & Loumos, V. G. (2008). GIS-based modelling for the estimation of
municipal solid waste generation and collection. Waste Management & Research, 26
(4), 337-346. https://doi.org/10.1177/0734242X07081484
Kim, J. K., Oh, B. R., Chun, Y. N., & Kim, S. W. (2006). Effects of temperature and hydraulic
retention time on anaerobic digestion of food waste. Journal of Bioscience and
Bioengineering, 102 (4), 328-332. https://doi.org/10.1263/jbb.102.328
Komemoto, K., Lim, Y. G., Nagao, N., Onoue, Y., Niwa, C., & Toda, T. (2009). Effect of
temperature on VFA’s and biogas production in anaerobic solubilization of food waste.
Waste Management, 29 (12), 2950-2955. https://doi.org/10.1016/j.wasman.2009.07.011
Kothari, R., Pandey, D. A., Kumar, S., Tyagi, V., & Tyagi, S. (2014). Different aspects of dry
anaerobic digestion for bio-energy: An overview. Renewable and Sustainable Energy
Reviews, 39, 174–195. https://doi.org/10.1016/j.rser.2014.07.011
Krinkels, M. (2004). Biogas production gains ground. Manure Matters, Summer: 14–16.
109
Kumar, J. S., & Subbaiah, K. V. (2011). Prediction of Municipal Solid Waste with RBF Net
Work- A Case Study of Eluru, A.P, India. International Journal of Innovation, 2 (3), 6.
Labeyrie, P. (2007). Le biogaz. Les biocarburants. In Sabonnadière, J.-C., Nouvelles
technologies de l’énergie 3 (chap. 3, p. 169-198). Paris, Lavoisier.
Lachiche, N. (2018). SIG : définition. Tiré de http://dpt-info.u-
strasbg.fr/~nicolas.lachiche/OTG_BDEC/SIG%20definition.pdf
Larsen, A., Vrgoc, M., Christensen, T., & Lieberknecht, P. (2009). Diesel consumption in waste
collection and transport and its environmental significance. Waste management &
research: the journal of the International Solid Wastes and Public Cleansing
Association, ISWA, 27, 652-659. https://doi.org/10.1177/0734242X08097636
Lefebvre, M.-A. B. (2010). Le compostage communautaire, est-ce une alternative avantageuse
pour la ville de Gatineau ? (Mémoire de maîtrise, Université de Sherbrooke,
Sherbrooke, Tiré de
https://www.usherbrooke.ca/environnement/fileadmin/sites/environnement/documents/
Essais2010/Blackburn-L_MA.pdf
Li, Y., Park, S. Y., & Zhu, J. (2011). Solid-state anaerobic digestion for methane production
from organic waste. Renewable and Sustainable Energy Reviews, 15 (1), 821-826.
https://doi.org/10.1016/j.rser.2010.07.042
Lindner, R. (2012). Evaluating evaluation: Exploring evaluation methods to assist WWF-UK
programme management. Tiré de https://www.iccs.org.uk/wp-
content/thesis/consci/2012/Lindner.pdf
McDavid, J. C. (1985). The Canadian Experience with Privatizing Residential Solid Waste
Collection Services. Public Administration Review, 45 (5), 602-608.
https://doi.org/10.2307/3109936
Milke, M., (2006). The Alchemist’s dream resource. Waste Management 26, 1203–1204.
Montréal, Ville de. (2005). Le transbordement des matières résiduelles sur l’île de Montréal.
Tiré de
https://ville.montreal.qc.ca/pls/portal/docs/PAGE/ENVIRO_FR/MEDIA/DOCUMENT
S/15.transbordement_mat_residuelles_1.PDF
110
Montréal, Ville de. (2009). Plan directeur de gestion des matières résiduelles de
l’agglomération de Montréal 2010-2014. Montréal : Ville de Montréal, Service des
infrastructures, transport et environnement.
Moriarty, K. (2013). Feasibility Study of Anaerobic Digestion of Food Waste in St. Bernard,
Louisiana. Tiré de https://www.nrel.gov/docs/fy13osti/57082.pdf
Murphy, J.D., McKeogh, E. (2004). Technical, economic and environmental analysis of energy
production from municipal solid waste. Renewable Energy, 29, 1043–1057.
Nguyen-Trong, K., Nguyen-Thi-Ngoc, A., Nguyen-Ngoc, D., & Dinh-Thi-Hai, V. (2017).
Optimization of municipal solid waste transportation by integrating GIS analysis,
equation-based, and agent-based model. Waste Management, 59 (Supplement C),
14-22. https://doi.org/10.1016/j.wasman.2016.10.048
Palmer, K., & Walls, M. (1997). Optimal policies for solid waste disposal Taxes, subsidies, and
standards. Journal of Public Economics, 65 (2), 193-205.
https://doi.org/10.1016/S0047-2727 (97)00028-5
Pantaleo, A., Gennaro, B. D., & Shah, N. (2013). Assessment of optimal size of anaerobic co-
digestion plants: An application to cattle farms in the province of Bari (Italy).
Renewable and Sustainable Energy Reviews, 20, 57-70.
https://doi.org/10.1016/j.rser.2012.11.068
Park, W. R. (1984). Cost Engineering Analysis: A Guide to Economic Evaluation of
Engineering Projects. New York, N.Y.: Wiley.
Parthan, S. R., Milke, M. W., Wilson, D. C., & Cocks, J. H. (2012). Cost estimation for solid
waste management in industrialising regions–Precedents, problems and prospects.
Waste Management, 32 (3), 584-594. https://doi.org/10.1016/j.wasman.2011.11.004
Peters, M. S., & Timmerhaus, K. D. (1991). Plant design and economics for chemical engineers
(4. ed). New York: McGraw-Hill.
Purcell, M., & Magette, W. L. (2009). Prediction of household and commercial BMW
generation according to socio-economic and other factors for the Dublin region. Waste
Management, 29(4), 1237-1250. https://doi.org/10.1016/j.wasman.2008.10.011
Quintus, F. (2007). Les enjeux de l’enfouissement des déchets : quelle place aux perceptions des
risques dans la procédure québécoise d’évaluation environnementale ? Tiré de
https://archipel.uqam.ca/705/1/M9932.pdf
111
Rajagopal, R., Bellavance, D., & Rahaman, M. S. (2017). Psychrophilic anaerobic digestion of
semi-dry mixed municipal food waste: For North American context. Process Safety and
Environmental Protection, 105, 101-108. https://doi.org/10.1016/j.psep.2016.10.014
RECYC-QUÉBEC, Éco Entreprises Québec. (2009). Rapport Synthèse : Caractérisation des
matières résiduelles du secteur résidentiel et des lieux publics au Québec 2006-2009.
Tiré de http://www.eeq.ca/wp-
content/uploads/RapportSynthese_Caracterisation_matieres_residuelles_residentiel_20
06-2009.pdf
RECYC-QUÉBEC, Éco Entreprises Québec. (2014). Caractérisation des matières résiduelles
du secteur résidentiel 2010. Tiré de https://www.recyc-
quebec.gouv.qc.ca/sites/default/files/documents/carac-residentielle-2010.pdf
RECYC-QUÉBEC, Éco Entreprises Québec. (2015). Rapport synthèse : Caractérisation des
matières résiduelles du secteur résidentiel 2012-2013. Tiré de https://www.recyc-
quebec.gouv.qc.ca/sites/default/files/documents/carac-2012-2013-rapport-synthese.pdf
RECYC-QUÉBEC, SOLINOV. (2016). Analyse des facteurs de participation à la collecte des
matières organiques dans les multilogements. Tiré de https://www.recyc-
quebec.gouv.qc.ca/sites/default/files/documents/participation-collecte-mo-
multilogements.pdf
Sanchez Hernandez, E., Borja, R., Weiland, P., Travieso, L., & Martín, A. (2001). Effect of
substrate concentration and temperature on the anaerobic digestion of piggery waste in
a tropical climate. Process Biochemistry, 37, 483-489. https://doi.org/10.1016/S0032-
9592 (01)00240-0
Sultana, A., & Kumar, A. (2012). Optimal siting and size of bioenergy facilities using
geographic information system. Applied Energy, 94, 192-201.
https://doi.org/10.1016/j.apenergy.2012.01.052
Tanguy, A., Villot, J., Glaus, M., Laforest, V., & Hausler, R. (2017). Service area size
assessment for evaluating the spatial scale of solid waste recovery chains: A territorial
perspective. Waste Management, 64 (Supplement C), 386-396.
https://doi.org/10.1016/j.wasman.2017.03.027
Theisen, H., (2002). Collection of solid waste. Dans Kreith, F., & Tchobanoglous, G., Handbook
of Solid Waste Management (2eéd., p. 203-229).
112
Tsilemou, K., & Panagiotakopoulos, D. (2006). Approximate cost functions for solid waste
treatment facilities. Waste Management & Research, 24 (4), 310-322.
https://doi.org/10.1177/0734242X06066343
Ullah, M. A. (2017). Techno-economic Assessment of Utilization of Food Processing Waste for
Production of Energy and Chemicals. (Mémoire de maîtrise, Université d » Alberta,
Edmonton). Tiré de https://era.library.ualberta.ca/items/b236f877-758b-4641-b414-
08c125aa676e/view/268cec80-20b5-4f9c-ba13-
60f55fd73c7a/Ullah_Mohammad_201701_MSc.pdf
Vaillant, J. (2016). Principe des tests statistiques. Tiré de
http://monnano.weebly.com/uploads/1/6/6/3/1663287/prcrit.pdf
Weiland, P. (2006). Biomass Digestion in Agriculture: A Successful Pathway for the Energy
Production and Waste Treatment in Germany. Engineering in Life Sciences, 6 (3),
302-309. https://doi.org/10.1002/elsc.200620128
Wellinger, A., Jares, J., & Pesta, G. (2015). Production de Biogaz à Partir des Biodéchets de
l’Industrie Alimentaire, 20. Tiré de
http://www.fabbiogas.eu/fileadmin/user_upload/Project_Results/fabhandbook_franz1.p
df
Williams, P.T. (2005). Waste Treatment and Disposal Second Edition. WILEY
Zhang, C., Su, H., & Tan, T. (2013). Batch and semi-continuous anaerobic digestion of food
waste in a dual solid–liquid system. Bioresource Technology, 145 (Supplement C),
10-16. https://doi.org/10.1016/j.biortech.2013.03.030
113
ANNEXES
Les modes de gestion des MRO introduits dans la revue de littérature sont détaillés dans cette
partie.
Réduction à la source
Il est essentiel de faire évoluer cette perception afin de modifier la pensée du citoyen en
l’informant de sa responsabilité dans ce gaspillage dans le but de changer son comportement.
Une autre manière de réduire la présence de matière organique dans les matières résiduelles est
de redistribuer les surplus alimentaires et les produits invendus dans les supermarchés québécois
à des banques alimentaires.
Pour aller dans ce sens, Moisson Québec, unique banque alimentaire de la région de la Capitale-
Nationale, a pu obtenir une aide de plus de 350 000 $ de la part de RECYC-QUÉBEC afin de
mettre en place le Programme de récupération en supermarché (PRS) à la fin du mois de Juin
2017.
Réemploi
114
Le réemploi des matières organiques issues des matières résiduelles peut se faire en transformant,
ou non, les résidus alimentaires en alimentation animale afin de nourrir les animaux domestiques
ou d’élevage.
Recyclage
L’un des objectifs avec la mise en place de système de recyclage des matières organiques est, par
exemple, de réduire les émissions de GES, en séquestrant le carbone dans le compost ou en
utilisant le biogaz produit lors de la décomposition anaérobique de la matière comme énergie ou
combustible substitut des carburants fossiles.
En recyclant la matière organique, les émissions de gaz à effet de serre sont réduites. À titre
d’exemple, le recyclage d’une tonne de résidus alimentaire par compostage ou biométhanisation
permet d’éviter la génération de 0,8 t d’équivalents CO2 par rapport l’enfouissement et de stocker
0,24 t d’équivalents CO2 dans le sol (Environnement Canada et Ressources naturelles Canada,
2005). De plus, le détournement de la matière organique permet d’étendre la durée de vie des lieux
d’enfouissement.
Ainsi, recycler la matière organique permet de réduire la quantité de lixiviat présent dans les sites
d’enfouissement, d’améliorer les caractéristiques d’un sol ou encore de produire de l’énergie
propre.
Côté social, en réduisant l’émission de gaz à effet de serre, les techniques de recyclage de la
matière organique permettent de préserver la santé humaine et les écosystèmes naturels. De plus,
en réduisant la proportion de matière organique enfouie, il y a une atténuation du risque
d’explosion potentielle de poche de gaz d’enfouissement (Environnement Canada, 2013). Les
possibles nuisances olfactives issues d’un lieu d’enfouissement peuvent aussi être réduites avec
ce type d’initiative.
115
Zero Waste Energy : Développée en Allemagne, la technologie proposée par ZWE concerne la
digestion anaérobie en voie sèche. Elle permet l’utilisation d’intrants jusqu’à 50 % en TS dans un
réacteur batch en conditions thermophiles avec un temps de séjour de 21 jours. Elle ne nécessite
pas de prétraitement et le digestat est collecté à l’aide d’un chargeur, composté puis vendu. Le
percolat est collecté, conservé puis redistribué au système. S’il est présent en excès, il est ajouté
au compost. L’installation est équipée de biofiltres afin d’éviter l’émission d’odeurs et pour
contrôler les rejets dans l’air. Il permet de traiter de 4 000 à 100 000 tonnes par an en ajoutant des
digesteurs en parallèle (ZWE, 2015).
Valorga : Le réacteur développé par Valorga est un cylindre vertical permettant d’être utilisé
comme un réacteur piston. À l’intérieur du réacteur, il y a paroi médiane qui mesure 2/3 du
diamètre du cylindre. Ainsi, la matière est introduite d’un côté de cette paroi puis extraite par
l’autre ouverture. Ce système permet d’augmenter la surface sur laquelle la fermentation a lieu en
forçant les matières résiduelles à contourner ce mur. Afin de mélanger plus efficacement, du
biogaz est introduit par le bas du réacteur augmentant enfin l’efficacité du procédé (Valorga,
2017).
117
La technologie EUCO est en continu, avec un réacteur piston et est souvent couplé avec une unité
BIOFerm utilisant la voie humide.
Le système EUCOlino est un système « plug-and-play » permettant de traiter des flux de matières
résiduelles à petite échelle. Il permet de traiter des flux allant de 1 000 à 6 500 tonnes par an. Il est
assez flexible concernant les intrants (matières résiduelles alimentaires, biosolides, ordures et les
résidus verts).
COCCUS est un système de biométhanisation en voie humide permettant de traiter des matières
résiduelles ayant une teneur comprise entre 8-12 % en TS. Cette technologie est disponible en
plusieurs dimensions et consiste en un tank équipé de mélangeurs et d’un mur chauffant à sa base.
Un système de désulfurisation est installé entre le stockage du gaz et le digesteur afin de retirer la
majeure partie du H2S présent. (BIOFerm, 2017)
Bekon : Le système de biométhanisation par voie sèche, BEKON, fonctionne en batch sous
conditions mésophiles et nécessite un temps de rétention compris entre 4 et 5 semaines. Afin
d’obtenir un flux constant de biogaz, les réacteurs sont souvent utilisés en parallèle.
verticaux utilisant la gravité. Le digestat créé est mélangé aux matières résiduelles entrantes
(ratio 6/1) puis traverse une grille laissant passer les matières résiduelles ayant une taille inférieure
à 40 mm. Ils sont ensuite pompés puis envoyés au réacteur sans ajout d’eau. Le temps de séjour
est de 20 jours. Le digestat restant est séché puis composté. L’excès de percolat est ajouté au
compost ou parfois traité. Le système permet de traiter de 3 300 à 60 000 tonnes par an (OWS,
2017).
Harvest Power : La technologie proposée par Harvest Power se nomme GICON et a été
développée en Allemagne. Elle fonctionne par batch en deux étapes et en conditions thermophiles.
La première étape, où les matières résiduelles sont entreposées dans un garage, permet d’obtenir
les acides après l’hydrolyse puis dans un second temps la méthanisation, effectuée dans un
réacteur « tank », permettant de produire le biogaz. Elle nécessite un temps de séjour de 14 jours
et a une capacité allant jusqu’à 100 000 tonnes par an. (Harvest Power, 2017)
EcoCorp : La technologie peut traiter des matières résiduelles ayant une teneur en TS comprise
entre 35-40 %. Elle est continue, thermophile et en une étape. Tout d’abord, les matières
résiduelles sont disposées sur un tapis roulant vers une déchiqueteuse et ressortent avec une taille
maximale de 40 mm. Des pompes à déplacement positif déplacent ensuite le flux de matière vers
un mélangeur où les matières résiduelles sont mélangées au digestat (rapport 1/1 à 1/10). Le
digestat est séché, le percolat est réutilisé dans le procédé en partie puis traité par centrifugation
et composté. Le système est clos et les émissions sont traitées par l’utilisation de biofiltres. La
capacité varie entre 20 000 et 100 000 tonnes par an (EcoCorp, 2017).
Turning Earth : La technologie développée au Danemark par Aikan est une digestion anaérobie
en voie sèche, conditions thermophiles, batch et se déroule en trois étapes. Tout d’abord,
l’hydrolyse, où le percolat issu du digesteur est pulvérisé sur les matières résiduelles permettant
la formation plus rapide des bactéries et la lixiviation des acides gras puis on sépare les fractions
liquide et solide. La fraction liquide est transférée cette fois-ci dans le réacteur où a lieu la
méthanisation jusqu’à ce que le percolat n’est plus de potentiel pour produire du biogaz. Lorsque
cela arrive, l’aération est ouverte afin de composter les matières résiduelles solides. La chaleur
119
produite est utilisée pour le séchage et l’évaporation de l’excès d’humidité. Cette technologie
nécessite un temps de séjour de 21 jours pour la méthanisation et 14 jours pour le compostage
(Aikan, 2017).
120
Le compost est un produit de valorisation pouvant être utilisé dans plusieurs secteurs. Le but de
son utilisation ainsi que ses avantages en fonction du secteur sont détaillés dans les lignes
suivantes.
Agriculture
Le marché de l’agriculture est complexe pour le compost. L’une des problématiques est le manque
de confiance des agriculteurs dans le produit. Même si le compost pourrait être très utile sur des
terres où les sols sont sablonneux ou sur des cultures à fort rapport économique, les engrais
chimiques sont encore privilégiés par les exploitants pour plusieurs raisons.
Tout d’abord, les engrais chimiques permettent d’obtenir des résultats quasi immédiats alors que
le compost améliore la santé et la productivité des sols sur le long terme. De plus, les engrais
chimiques ayant une teneur plus élevée en azote sont plus rentables si on compare le coût au
kilogramme d’azote par rapport au compost. Enfin à l’heure actuelle et même si de nouvelles
technologies se développent, il est plus simple d’épandre ces engrais plutôt que le compost.
Gazon
Il existe plusieurs avantages à utiliser le compost pour le gazon. En effet, le compost permet
d’améliorer sa croissance, réduit les maladies et limite les besoins d’irrigation en améliorant la
rétention d’eau (Enviros RIS, 2001). Il est aussi de plus en plus utilisé en tant que fumure de
couverture pour des espaces gazonnés dédiés à la pratique sportive ou sur des zones commerciales
(Environnement Canada, 2013).
Certains golfs peuvent aussi être la cible de ce marché, afin de concurrencer l’emploi de la tourbe,
utilisée actuellement. Cependant, Matteau (2011) a pu remarquer, à la suite d’entrevues, que les
exploitants exigent une excellente qualité de compost et des garanties sur l’efficacité de ce produit
avant de modifier leurs pratiques.
Pépinière/Serres
Lorsqu’il est utilisé en culture en pépinière ou en serre, le compost peut être épandu au champ ou
utilisé en mélange avec la terre pour en faire un terreau pour enrichir le sol. De plus, il est très
utile comme terre d’empotage pour la transplantation ou le démarrage des plantes.
121
Remise en état
Le compost peut être utile dans le cas de site où les sols sont endommagés ou de faibles qualités.
Sa capacité à améliorer les caractéristiques physiques, biologiques et chimiques d’un sol, en
réinstaurant les cycles du carbone et de l’azote, est très intéressante d’un point de vue économique,
avec son faible coût, et environnemental, en permettant un traitement « in situ ». Ce type
d’application nécessite un compost mature, stable et riche en matière organique (Environnement
Canada, 2013).
Commerce de détail
Le compost peut être ensaché afin d’être vendu en grandes surfaces, des jardineries ou encore des
centres de rénovation pour du jardinage amateur. Il peut être utile pour entretenir les plates-bandes,
la pelouse ou encore la transplantation de plants d’intérieurs.
Aménagement paysager
L’aménagement paysager est un secteur où le compost bénéficie d’une bonne image. En effet, le
produit est considéré par les paysagistes comme étant polyvalent et efficace (Matteau, 2011). Il
est principalement utilisé en tant qu’amendement, mais aussi comme terreautage où son bas coût
rivalise avec la tourbe ou la terre végétale. Une couche de 25 à 50 mm est appliquée pour les
planches de jardin, puis il est incorporé au sol à une profondeur allant de 150 à 200 mm
(Environnement Canada, 2013). Cependant, des appréhensions existent toujours concernant la
matière première utilisée pour faire le compost et des gages de qualité sont nécessaires (Matteau,
2011).
122
L’objectif d’un modèle de régression multiple est de permettre la description de la liaison entre
une variable dépendante y et un ensemble de variables explicatives x1, x2,…, xi. Ce modèle, d’une
façon générale, prend la forme suivante :
𝑦 = 𝛼0 + 𝛼1 𝑥1 + 𝛼2 𝑥2 + 𝛼𝑗 𝑥𝑗 + ⋯ + 𝛼𝑘 𝑥𝑘 + ɛ
où yi est la variable dépendante dont les valeurs dépendent des valeurs des variables
explicatives x1, x2,…, xk et la partie aléatoire ε, non observable. Les paramètres du modèle α0,
α1,…, αk sont considérés comme des grandeurs certaines et ε représentent la fluctuation aléatoire
non observable venant d’autres facteurs non pris en compte dans le modèle.
Une fois identifiés, ces paramètres doivent être examinés afin d’évaluer s’ils apportent une réelle
contribution à la régression.
De la même façon que cela serait fait pour une régression linéaire simple, les premières
estimations des paramètres du modèle de régression multiple sont obtenues à l’aide de la méthode
des moindres carrés.
𝑦 = 𝛼0 + 𝛼1 𝑥1 + 𝛼2 𝑥2 + ɛ
Avec 𝛿𝑖 = 𝛼0 + 𝛼1 𝑥1 + 𝛼2 𝑥2 et 𝑉𝑎𝑟(𝑦) = 𝜎 2
𝑦̂ = 𝑎0 + 𝑎1 𝑥1 + 𝑎2 𝑥2
2
Pour obtenir les valeurs des paramètres, la somme des carrés résiduelle ∑(𝑦𝑖 − 𝑦̂)
𝑖 est minimisée
en résolvant le système d’équations normales suivant :
123
𝑛𝑎0 + 𝑎1 ∑ 𝑥1 + 𝑎2 ∑ 𝑥2 = ∑ 𝑦
𝑎0 ∑ 𝑥1 + 𝑎1 ∑ 𝑥1 2 + 𝑎2 ∑ 𝑥1 𝑥2 = ∑ 𝑥1 𝑦
𝑎0 ∑ 𝑥2 + 𝑎1 ∑ 𝑥1 𝑥2 + 𝑎2 ∑ 𝑥2 2 = ∑ 𝑥2 𝑦
Une fois 𝑎1 et 𝑎2 trouvés, il suffit de diviser la première équation par n pour obtenir 𝑎0
𝑎0 = 𝑦̅ − 𝑎1 ̅̅̅
𝑥1 + 𝑎2 ̅̅̅
𝑥2
Pour un système avec 3 paramètres à estimer (𝑎0 , 𝑎1 , 𝑎2 ), cela prend donc la forme d’un système
à 3 inconnues, 3 équations.
Analyse de variance
L’analyse de variance est utilisée pour déterminer si les variables explicatives ont un effet
significatif sur la variable dépendante, estimer la variance des erreurs du modèle de régression et
calculer le coefficient de détermination multiple R2.
̂𝑖 − 𝑌)2
∑(𝑌
𝑅2 =
∑(𝑌𝑖 − 𝑌)2
̂𝑖 )2
∑(𝑌𝑖 − 𝑌
2
𝑅 = 1−
∑(𝑌𝑖 − 𝑌)2
Le principal problème avec ce coefficient vient du fait qu’il augmente avec le nombre de variables
explicatives introduites dans la régression. Néanmoins, l’abondance de variables explicative nuit
à sa robustesse, la capacité du modèle à être stable face à des perturbations externes. Afin de
prendre en compte ce phénomène, il est recommandé d’utiliser le coefficient ajusté (Baudot,
2018) :
124
2
(1 − 𝑅 2 )(𝑛 − 1)
𝑅𝑎𝑗𝑢𝑠𝑡é = 1−
𝑛−𝑘−1
Il est rare qu’une prédiction soit parfaite. Les écarts entre les points observés et la droite de
régression sont appelés résidus. Ainsi, plus la dispersion des résidus autour de la droite sera faible
par rapport à la dispersion globale, plus la prévision sera intéressante. Si la valeur prédite et la
valeur observée sont parfaitement dépendantes, il n’y aura pas de variance des résidus et ce ratio,
R2, sera égal à 0. Au contraire, en absence de relation entre ces deux valeurs, le ratio prendra la
valeur de 1. Le coefficient de détermination, obtenu en faisant 1 moins le ratio précédent, est un
indicateur de la qualité d’ajustement du modèle aux données.
Comme pour la régression linéaire simple, la variation entre les observations et les prédictions
peut se décomposer de la façon suivante :
̂𝑖 )2 + ∑(𝑌
∑(𝑌𝑖 − 𝑌)2 = ∑(𝑌𝑖 − 𝑌 ̂𝑖 − 𝑌)2
Pour savoir si la régression obtenue est significative, il faut effectuer un test d’hypothèse utilisant
la méthode des carrés moyens en posant une hypothèse nulle (H0) et une contre-hypothèse (H1).
𝐻0 : 𝛼1 = 𝛼2 = ⋯ = 𝛼𝑘 = 0
Il faut alors comparer le carré moyen venant de la régression avec le carré moyen résiduel :
𝐶𝑀𝑅 𝑆𝐶𝑅⁄
𝐹= = 𝑘
𝐶𝑀𝑅𝐸𝑆 𝑆𝐶𝑅𝐸𝑆⁄
𝑛−𝑘−1
En supposant que F est distribuée selon la loi de Fisher avec 𝑘 degrés de liberté et n nombre
d’observation, la règle de décision du test revient à :
125
De ce fait, si 𝐻0 est rejetée, cela revient à dire que la contribution de l’ensemble des variables est
significative, au seuil a, pour l’estimation de la variable dépendante y. Ainsi, au moins un des
facteurs à un rôle significatif dans la prédiction de y.
À noter que pour une régression linéaire sans constante 𝛼0 , le degré de liberté pour la somme des
carrés de la régression est n – k et non n-k-1.
De la même façon que pour la régression dans son ensemble, il faut faire un test d’hypothèse sur
chacun des paramètres afin de savoir si leur contribution est significative ou non. Il s’agit de savoir
si l’ajout d’un nouveau paramètre permet d’améliorer significativement la prédiction sur la
variabilité au sein de l’équation de régression.
Ce test se fait généralement avec la valeur p « p-value » en anglais, qui représente la probabilité
d’obtenir pour un modèle statistique une valeur identique ou différente de celle observée (Vaillant,
2016) :
Dans le cas où 𝐻0 n’est pas rejetée, cela revient à dire que la contribution marginale de la variable
explicative xi, lorsqu’elle est ajoutée à la suite d’autres variables explicatives, n’est pas
significative. Cela revient à dire que l’ajout de cette variable dans ce système ne permet pas de
réduire la variation non expliquée par les autres variables déjà présentes.
Il est important aussi de noter que lorsque le test est effectué sur plusieurs variables explicatives
en même temps, il ne faut pas automatiquement retirer toutes les variables non significatives, mais
débuter par la moins significative et effectuer le test de nouveau afin de voir si les nouveaux
paramètres permettent d’obtenir une meilleure valeur du carré moyen résiduel.
Enfin, la validation des résultats est possible en analysant les résidus. Principalement basée sur
des méthodes graphiques, cette étape permet de vérifier la qualité de la régression pour chacune
des données.
Droite de Henry
Le tracé de la droite de Henry est une méthode graphique qui permet de vérifier l’hypothèse de
normalité en ayant recours à un graphique qui va comparer les quantiles des résidus estimés par
rapport aux quantiles sous l’hypothèse de normalité. Si les résidus ne sont pas normalement
distribués, ils vont s’écarter de la droite.
3000
2000
1000
0
-3000 -2000 -1000 0 1000 2000 3000
-1000
-2000
-3000
Analyse de l’homoscédasticité
L’homoscédasticité est l’une des propriétés fondamentales du modèle de régression linéaire. Elle
suppose que la dispersion des résidus est homogène sur l’étendue des valeurs du modèle. Il n’y a
pas de méthode précise pour vérifier cette hypothèse, mais une tendance peut être obtenue en
traçant les résidus en fonction des valeurs ajustées. La présence de structure, pouvant être de la
forme d’un cône, d’une vague ou une tendance quelconque, invalide cette hypothèse.
Lorsque le résidu d’une observation est anormalement élevé, elle est supposée aberrante ou
atypique. Si une observation de ce type est observée, il faut trouver la raison de ce résultat et cela
peut entraîner la suppression de cette observation.
Pour chacune des voies de collecte, une analyse des résidus et une droite de Henry ont été réalisées
(Annexe I et Annexe J).
127
Pour certains contrats, l’entrepreneur se doit de mettre à disposition des identifiants permettant
d’avoir accès au logiciel de gestion de flotte, tel que GÉOTAB. En utilisant cet accès, des données
ont été extraites du logiciel afin de connaître la distance et le nombre de litres de carburant utilisés
des 13 camions de collecte répertoriés. À partir de ces valeurs, une moyenne est calculée et utilisée
pour calculer les coûts de collecte et transport.
MOYENNE 72,0
128
Pour permettre l’estimation du coût de traitement des MRO, les données d’installations existantes
ont été répertoriées en fonction du lieu, de la capacité et de la technologie utilisée. Cette partie
présente les données utilisées pour chacune des équations d’estimation des coûts développées dans
le chapitre 2.
Biométhanisation
Investissements
Opérations et maintenance
Compostage ouvert
Investissements
Opérations et maintenance
Pour certains contrats, l’entrepreneur se doit de mettre à disposition des identifiants permettant
d’avoir accès au logiciel de gestion de flotte, comme FOCUS. À partir du logiciel, les heures
annuelles d’utilisations de certains camions de collecte ont pu être obtenues.
Afin de déterminer un lien entre le temps de collecte et le cadre de bâti, les trajets de collecte
disponibles sur les logiciels de gestion de flotte ont été répertoriés. Pour chaque mois, la durée de
ces trajets a été calculée afin de définir un nombre annuel moyen d’heures de collecte pour un
territoire donné. Ces valeurs ont ensuite été couplées aux types de logements présents sur le
territoire afin d’identifier un lien entre les deux données.
Pour chacune des voies de collectes, les résidus issus des régressions linéaires ont été portés en
fonction de la quantité de MRO collectée sur le territoire afin de vérifier qu’ils se répartissent
uniformément autour de 0.
Génération globale
4000
2000
0
0 10000 20000 30000 40000 50000 60000 70000
-2000
-4000
Figure 6-2 : Résidus obtenus pour la voie de collecte : Génération globale de matières résiduelles
OM + 3éme voie
3000
2000
1000
0
-1000 0 10000 20000 30000 40000 50000
-2000
-3000
Figure 6-3 : Résidus obtenus pour la voie de collecte : Ordures ménagères et troisième voie
Matières Recyclables
1500
1000
500
0
0 2000 4000 6000 8000 10000 12000 14000
-500
-1000
De la même façon que pour les résidus, une droite de Henry a été tracée pour les trois voies de
collecte.
1500
1000
500
0
-1000 -500 0 500 1000
-500
-1000
3000
2000
1000
0
-3000 -2000 -1000 0 1000 2000 3000
-1000
-2000
-3000
3000
2000
1000
0
-3000 -2000 -1000 0 1000 2000 3000
-1000
-2000
-3000
Les scénarios de traitement pris en compte dans l’étude de cas ont été représentés graphiquement
afin de faciliter l’interprétation des résultats obtenus par le modèle.
1 2
3 4
5 6
138
7 8
9 10
11
Figure 6-8 : Scénarios de gestion fictifs pris en compte pour l’étude de cas
139