INTRODUCTION
Pendant la dernière décennie, le développement de méthodes d’évaluation des impacts pour l’outil ACV (Analyse du Cycle de Vie) a permis aux praticiens de disposer de résultats d’impacts toujours plus exhaustifs et cohérents avec les objectifs des études 
[G 5 605] [G 5 615] 
. Ces méthodes ont introduit aussi des sophistications et des incertitudes de plus en plus importantes. L’évaluation des incertitudes des résultats d’impacts est ainsi devenue un enjeu primordial pour la crédibilité de l’outil et pour le support des processus de prise de décision basés sur ses résultats.
En ACV, l’incertitude est généralement définie et classée en fonction des sources, à savoir les modèles, les données et les choix du praticien . Différentes méthodes d’analyse, toutes basées sur les théories des probabilités et des intervalles, ont été proposées. Pourtant le mot « incertitude » ne concerne pas seulement le contenu de l’information (c’est-à-dire sa valeur) qui peut être correctement analysée par ces théories, mais aussi, en même temps, sa vérité, entendue au sens de sa conformité à la réalité et/ou aux objectifs de l’étude (ce qu’on appelle confiance). L’incertitude sur un modèle d’évaluation d’impact (par exemple d’effet de serre) concerne la valeur de ses variables (quelles sont l’erreur et la variabilité qui affectent ces valeurs ?), mais aussi leur nature (ces variables sont-elles les plus pertinentes à considérer dans le modèle étant donnés ses objectifs et les phénomènes à modéliser ? Sont-elles correctement considérées ?). La prise en compte de ces deux éléments (valeur et confiance) nécessite alors une classification et une caractérisation plus détaillées.
Dans cet article nous allons illustrer un cadre méthodologique pratique et exhaustif de définition, de classement et d’évaluation des incertitudes des évaluations des impacts. Les principes et les procédures opérationnelles seront présentés à l’aide de nombreux exemples d’application.
