Introduction

Le débat autour de la relocalisation est de plus en plus actif [1] et sont évoqués des arguments liés à
la souveraineté, la soutenabilité et les causes environnementales [4]. Les pressions environnementales
d'un système peuvent être étudiées en passant par de multiples indicateurs (surface artificialisée,
émission de CO2, consommation d'eau, ...) et la soutenabilité peut être étudiée à travers différents
indicateurs [6] comme la productivité, la résilience, la fiabilité, l'adaptabilité ou l'auto-suffisance.
Seulement certains indicateurs peuvent être en contradiction, ce qui impose la recherche de com-
promis et le choix de l'échelle influence ces compromis. Par exemple, passer d'une échelle mondiale
à une échelle locale peut dégrader la productivité mais améliorer des indicateurs sociaux, de santé
ou d'éthique [5, 7, 8]. Il y a donc un réel enjeu autour du choix d'échelle géographique dans la
relocalisation d'industries pour trouver l'échelle offrant les meilleurs compromis.
Nous proposons de nous pencher sur l'industrie productive avec un modèle d'aide à la décision où
l'on peut choisir l'échelle à laquelle s'organise la filière puis, sous cette contrainte, on optimise un jeu
d'indicateurs. Cela permet d'observer les pertes et les gains d'un choix d'échelle comparativement à
un autre.

Un modèle pour éclairer les compromis du choix d'échelle

Nous décrivons les filières considérées de manière biophysique en utilisant le cadre de l'analyse de
flux de matière (AFM) comme comprise dans cette thèse [2]. On y trouve des produits et des secteurs
qui consomment certains produits pour en produire d'autres. Cela se représente par 2 matrices : une
"table emplois" qui quantifie les entrées des secteurs et une "table ressources" qui quantifie les sorties
des secteurs.
Cependant, nous ne voulons pas décrire l'économie actuelle mais proposer une alternative d'orga-
nisation. Pour faire ceci nous définissons des variables de décisions (correspondant aux "intensités
d'activités" de chacun des secteurs) qui sont liées par une relation linéaire aux flux entrants et sor-
tants des secteurs. On peut faire cette description pour chaque sous-territoire considéré et autoriser
les échanges entre territoires grâce à une variable de décision. La conservation de la matière dans
les AFM est assurée en ajoutant des contraintes linéaires. De même, des contraintes linéaires sont
ajoutées en lien avec l'utilisation des sols et de la main-d'oeuvre [3, 5]. Nous pouvons ensuite choisir
un indicateur à optimiser.

Contraindre des indicateurs et l'échelle

On a maintenant un modèle d'optimisation sous contraintes représentant l'organisation d'une fi-
lière ou des secteurs de l'industrie. Ce modèle permet de comprendre un grand nombre d'indicateurs(artificialisation des sols, temps de travail, niveau d'auto-suffisance, ...). Pour créer plusieurs scéna-
rios et les comparer, on peut choisir d'optimiser un indicateur plutôt qu'un autre ou en contraindre
certains.
L'indicateur que l'on cherche à contraindre ici est l'échelle géographique à laquelle s'organise la
filière. On peut la majorer en minorant le niveau d'auto-suffisance des sous-territoires ou des régions
et cela apporte des résultats sur la spécialisation des territoires. On pourrait aussi vouloir la minorer,
pour cela il faut comprendre comment contraindre le graphe des exports, ce qui apporte des problèmes
mathématiques et informatiques intéressants.
Ces aspects ont été étudiés et seront illustrés dans la présentation orale à travers des exemples issus
de l'industrie agroalimentaire.

Conclusion et perspectives

On peut, en utilisant les outils de Recherche Opérationnelle, décrire et optimiser des modèles qui
simulent des alternatives d'organisation de la société et éclairent ce que ces alternatives apportent.
Dans un premier temps, ces modèles peuvent apporter des indications. Dans ce cas-ci, nous avons
pu expliciter un lien entre le choix d'une grande échelle et les phénomènes de spécialisation de sols
dans l'agriculture.
Dans un second temps, ces modèles amènent des problèmes conceptuels et pratiques forts. Dans ce
cas, les contraintes sur l'échelle sous forme de contraintes sur le graphe des exports est un exemple
auquel on peut ajouter la non-linéarité des indicateurs, l'incertitude ou l'incomplétude des données,
le choix des fonctions objectifs, etc.