Données primaires vs. secondaires VSME : exemples pratiques pour fournisseurs

Pourquoi des exemples pratiques, en complément de l'explication

Notre article sur les données primaires vs. secondaires explique en quoi consiste cette distinction et pourquoi elle compte pour l'auditeur de votre client. Cet article montre l'ampleur réelle de la différence en pratique, à travers trois exemples de calcul issus de secteurs différents.

Précision importante : les chiffres ci-dessous sont illustratifs, et non des facteurs d'émission officiels. verified.supply n'intègre volontairement aucun référentiel sectoriel figé — dans l'assistant de calcul du questionnaire, vous saisissez vos propres données d'activité, votre propre facteur, et la source de ce facteur (par exemple co2emissiefactoren.nl ou une facture fournisseur). Les exemples ci-dessous illustrent le principe, pas un chiffre prescrit.

Exemple 1 — Transport : votre propre consommation de carburant vs. un facteur générique en tonne-kilomètre

Un transporteur parcourt 45 000 km par an avec un camion de 18 tonnes pour un client régulier. Sans données propres, le client se rabat sur un facteur sectoriel générique par tonne-kilomètre — par exemple (illustratif) 0,12 kg CO2e par tonne-km, multiplié par la masse transportée et la distance. Pour 45 000 km avec une charge moyenne de 12 tonnes, cela donne environ 64,8 tonnes de CO2e par an.

Si le transporteur fournit à la place sa propre consommation de carburant — par exemple 16 500 litres de diesel par an, issus directement de son suivi de cartes carburant — l'assistant de calcul détermine les émissions à l'aide d'un facteur diesel reconnu (par exemple 2,68 kg CO2e par litre, source : co2emissiefactoren.nl). Cela donne environ 44,2 tonnes de CO2e : nettement inférieur à l'estimation générique, car cette dernière est arrondie de façon prudente à la hausse pour couvrir un scénario pessimiste.

Pour le client, cela fait une différence directe : le même trajet compte désormais comme donnée primaire plutôt que comme estimation, et le chiffre réel est mesurablement inférieur à l'hypothèse générique — exactement le type d'amélioration qu'un rapport CSRD doit montrer d'année en année.

Exemple 2 — Énergie : votre propre contrat d'énergie vs. le mix résiduel national

Une entreprise de production consomme 120 000 kWh d'électricité par an. Sans autre information, le client utilise pour le scope 2 location-based (B3.7) le mix résiduel national — par exemple (illustratif) 0,33 kg CO2e par kWh, soit environ 39,6 tonnes de CO2e.

Si le fournisseur dispose de son propre contrat d'énergie avec garanties d'origine (par exemple 100 % éolien), le chiffre location-based (B3.7) reste inchangé — il repose de toute façon sur le réseau national — mais un chiffre market-based (X1.2) s'y ajoute, reflétant l'achat propre du fournisseur, et tend vers zéro pour une électricité 100 % renouvelable couverte par des garanties d'origine valides.

C'est exactement pour cette raison que la norme VS demande les deux : B3.7 (location-based) montre ce que le réseau fournit en moyenne, X1.2 (market-based) montre ce que vous avez réellement acheté. Un fournisseur qui ne déclare que B3.7 passe à côté de l'occasion de rendre visible son propre choix énergétique durable.

Exemple 3 — Matières premières : un facteur spécifique au produit vs. une estimation basée sur les dépenses

Un transformateur de métaux achète 8 tonnes d'acier par an, pour une valeur de 24 000 €. Sans données produit, le client se rabat sur une estimation basée sur les dépenses : montant d'achat × un facteur sectoriel générique par euro dépensé — par exemple (illustratif) 0,85 kg CO2e par euro, soit environ 20,4 tonnes de CO2e.

Si le transformateur fournit à la place sa propre facture d'achat avec un facteur CO2 spécifique au produit, fourni par le producteur d'acier (par exemple issu d'une déclaration environnementale de produit), le résultat dépend du procédé de production : l'acier recyclé produit par four à arc électrique a généralement un facteur par tonne nettement inférieur à celui de l'acier issu d'un haut fourneau utilisant du minerai de fer primaire — dans cet exemple (illustratif) 1,1 tonne de CO2e par tonne d'acier, soit 8,8 tonnes de CO2e au total.

L'écart entre l'estimation basée sur les dépenses (20,4 tonnes) et la donnée primaire spécifique au produit (8,8 tonnes) est ici supérieur au double — et cet écart est précisément ce qu'une méthode basée sur les dépenses ne peut structurellement pas montrer : deux achats d'acier de même valeur peuvent avoir une empreinte très différente selon le procédé de production.

Ce que cela signifie pour votre client

Dans les trois exemples, quelque chose de fondamental change : la donnée ne compte plus comme secondaire (une estimation identique pour tout fournisseur comparable), mais comme primaire — traçable jusqu'à votre propre activité, avec une source et une année. C'est exactement le pourcentage de qualité sur lequel votre client est évalué au titre de l'ESRS E1.

Cela influe aussi sur le résultat : dans deux des trois exemples ci-dessus, les émissions réelles sont inférieures à l'estimation générique, car les moyennes sectorielles sont souvent arrondies de façon prudente à la hausse. Les données primaires sont donc non seulement plus précises, mais dressent aussi régulièrement, en pratique, un tableau plus favorable que l'estimation que votre client aurait dû utiliser autrement.

Comment consigner cela dans votre propre profil VS

Chaque champ numérique de l'assistant verified.supply dispose d'un mode « Calculer » en plus de la saisie directe : vous renseignez vos données d'activité (litres de diesel, kWh, tonnes de matière), votre propre facteur de conversion et la source de ce facteur. L'assistant de calcul effectue ensuite uniquement la multiplication — activité × facteur = valeur — et définit automatiquement `is_estimated` sur la valeur appropriée.

Le calcul complet, avec la source et l'année, apparaît dans le PDF Supplier Evidence et dans l'export lisible par machine que reçoit votre client. L'auditeur de votre client voit ainsi d'un coup d'œil qu'il s'agit de données primaires, et comment elles ont été obtenues.