Comparer son empreinte carbone à celle d’autres entreprises est un bon réflexe. On aimerait savoir si nous sommes dans la moyenne, en avance ou en retard par rapport à son secteur.
Cette comparaison passe généralement par un indicateur appelé intensité carbone.
L’intensité carbone consiste à rapporter les émissions de gaz à effet de serre à une grandeur économique ou organisationnelle, le plus souvent le chiffre d’affaires ou le nombre de salariés.
Par exemple, on parle de tonnes de CO₂e par million d’euros de chiffre d’affaires.
L’idée est d'avoir un dénominateur commun pour permettre de comparer des entreprises de tailles différentes.
En faisant cela on peut se heurter à un problème majeur : les entreprises ne mesurent pas toutes la même chose. Et surtout, elles peuvent sous-déclarer leur Scope 3, c'est ce qu'on a appelé le paradoxe du mauvais rapporteur (il suffit d'omettre des informations pour paraitre moins émetteurs et être avantagé).
Or, dans la majorité des secteurs, le Scope 3 représente entre 70% et 95% des émissions réelles (sources GHG Protocol, Klaaßen et al.2021, Nguyen et al., 2021; Pothin et al. 2026) .
Dans les données publiées aujourd’hui, il arrive que des entreprises oublient des postes d'émissions entiers, certains sont fortement sous-estimés, les périmètres varient d’une entreprise à l’autre et beaucoup s’arrêtent volontairement aux postes les plus simples à calculer.
Une entreprise peut afficher une intensité carbone très faible non pas parce qu’elle émet peu, mais parce qu’elle n’a pas tout compté.
À partir de là, comparer des intensités carbone revient souvent à comparer une empreinte plus ou moins complète à une empreinte dont on connait finalement peu.
La fonctionnalité Me situer permet de comparer votre intensité carbone aux déclarations mais aussi aux benchmarks réalisés en interne chez Toovalu.
Nous avons collecté une quantité importante de données venant de déclarations ou de bases de données, et grâce à cela, nous pouvons estimer un Scope 3 corrigé en s’appuyant sur:
les catégories manquantes typiques du secteur
les ordres de grandeur observés chez les acteurs les plus complets
des modèles d’estimation/machine learning.
Nous obtenons ainsi un Scope 3 harmonisé, réaliste et plus comparable.
