Cette thèse présente différents développements à la méthode analyse de cycle de vie (ACV) afin d'améliorer le niveau de considération des spécificités spatiotemporelles lors de la modélisation de systèmes. Ces développements abordent la question de la caractérisation des flux décrivant les systèmes. La discussion débute par une analyse des développements récents de la méthode ACV en ce qui concerne la considération des spécificités spatiotemporelles dans les différentes phases de cette méthode. Cette analyse identifie des lacunes quant à la pertinence des modes de caractérisation spatiale et temporelle existants. Un nouveau mode de caractérisation spatiotemporelle est alors pro-posé. La représentativité du système modélisé, le potentiel de précision de la caractérisation et le temps de travail nécessaire à la modélisation de différents systèmes sont trois critères importants qui ont été considérés pour la création de ce nouveau mode de caractérisation spatiotemporelle. Le nouveau mode proposé permet en particulier d'améliorer la généricité des processus définissant des systèmes dans différentes bases de données. Celui-ci permet ainsi de diminuer l'augmentation inévitable du travail lié à la caractérisation temporelle des systèmes. Le nouveau mode de caractérisation temporelle requiert toutefois une modification importante de la méthode de calcul des inventaires cycle de vie en raison de l'utilisation de distributions temporelles. La faisabilité de l'utilisation de ce nouveau mode et de la nouvelle méthode de calcul d'inventaire est ensuite démontrée par leurs mises en œuvre pour différents cas d'études de production d'énergie à partir de sources renouvelables. Les deux cas d'études retenus permettent de souligner l'intérêt d'une telle caractérisation spatiotemporelle accédant ainsi à une modélisation plus représentative des systèmes en fonction du niveau de précision retenu. Avec cette nouvelle approche nommée ESPA+, l'accès à ce niveau de représentativité s'accompagne cependant d'une diminution du potentiel de complétude de l'analyse. En effet, la méthode de calcul permet difficilement de dynamiser la totalité des systèmes modélisés.

Cette thèse présente différents développements à la méthode analyse de cycle de vie (ACV) afin d'améliorer le niveau de considération des spécificités spatiotemporelles lors de la modélisation de systèmes. Ces développements abordent la question de la caractérisation des flux décrivant les systèmes. La discussion débute par une analyse des développements récents de la méthode ACV en ce qui concerne la considération des spécificités spatiotemporelles dans les différentes phases de cette méthode. Cette analyse identifie des lacunes quant à la pertinence des modes de caractérisation spatiale et temporelle existants. Un nouveau mode de caractérisation spatiotemporelle est alors pro-posé. La représentativité du système modélisé, le potentiel de précision de la caractérisation et le temps de travail nécessaire à la modélisation de différents systèmes sont trois critères importants qui ont été considérés pour la création de ce nouveau mode de caractérisation spatiotemporelle. Le nouveau mode proposé permet en particulier d'améliorer la généricité des processus définissant des systèmes dans différentes bases de données. Celui-ci permet ainsi de diminuer l'augmentation inévitable du travail lié à la caractérisation temporelle des systèmes. Le nouveau mode de caractérisation temporelle requiert toutefois une modification importante de la méthode de calcul des inventaires cycle de vie en raison de l'utilisation de distributions temporelles. La faisabilité de l'utilisation de ce nouveau mode et de la nouvelle méthode de calcul d'inventaire est ensuite démontrée par leurs mises en œuvre pour différents cas d'études de production d'énergie à partir de sources renouvelables. Les deux cas d'études retenus permettent de souligner l'intérêt d'une telle caractérisation spatiotemporelle accédant ainsi à une modélisation plus représentative des systèmes en fonction du niveau de précision retenu. Avec cette nouvelle approche nommée ESPA+, l'accès à ce niveau de représentativité s'accompagne cependant d'une diminution du potentiel de complétude de l'analyse. En effet, la méthode de calcul permet difficilement de dynamiser la totalité des systèmes modélisés. / This thesis presents various developments to the Life Cycle Assessment (LCA) method to improve the consideration of spatiotemporal specificities when modeling systems. These developments handle the question of how to characterize the various systems' flows. The discussion begins with an analysis of recent developments for the LCA method regarding the consideration of spatiotemporal characteristics in different phases of this method. This analysis identifies several weaknesses on how space and time are characterized today. A new spatiotemporal characterization mode is therefore proposed to minimize the adverse effects of existing characterization modes. Representativeness of the modeled system, potential accuracy of the characterization and the amount of time necessary for system modeling are three important criteria considered for the elaboration of this new spatiotemporal characterization mode. The new mode specifically improves the “genericity” of processes which are used to model systems in different databases. This “genericity” allows a reduction in the unavoidable workload increase related to the time characterization. The new method, however, requires a major change in the method of calculating life cycle inventories due to the use of temporal distributions. The feasibility of using this new method and the method of calculating inventory is then illustrated by their implementation through different case studies related to energy generation from renewable sources. The two case studies selected highlight the relevance of considering spatiotemporal characterization to model systems in a more representative way depending on the level of preci-sion used. With this new approach, named ESPA+, this higher level of representation, however, brings a potential decrease of completeness for the analysis of the system. Indeed, it is difficult to model the spatiotemporal characteristics of a complete system.