Facebook Twitter LinkedIn Imprimer

La transition énergétique nationale dépendra en grande partie de l’évolution de la consommation d’énergie des ménages.

En 2015, le secteur résidentiel était à lui seul responsable de 30 % de la consommation finale énergétique et de 25 % des émissions de CO2 de la Francea. Or, le poids de ces dépenses énergétiques est fortement lié à :
 

  • la nature du logement (individuel ou collectif), 
     
  • sa performance énergétique
      
  • son mode de chauffage,
      
  • sa localisation géographique
      
  • mais également aux conditions d’obtention des crédits bancaires pour les travaux de rénovation énergétique.


Dans un tel contexte, IFPEN s’est intéressé au comportement de consommation énergétique des ménages entre 1999 et 2013, fruit d’un arbitrage entre la qualité et le coût des services énergétiques disponibles dans les logements et d’une contrainte budgétaire globale (part du budget allouée aux dépenses en énergie). L’étude de ces différents facteurs, avec une méthode empruntée aux sciences des organisations et du marketing stratégiqueba permis de réaliser une typologie des ménages, utile aux futures politiques d’aide en la matière(1).

 

Représentation des ménages français selon un axe revenu/facture énergétique.
Représentation des ménages français selon un axe revenu/facture énergétique.

 

Selon cette typologie, la précarité énergétique traduit avant tout une précarité financière, les ménages concernés appartenant tous aux deux premiers déciles de revenu.

Au-delà de ce constat, l’étude montre que les ménages en appartementgrands oubliés du marché de l’efficacité énergétique, sont surreprésentés non seulement parmi les précaires énergétiques mais également parmi les ménages à hauts revenus et haute consommation énergétique.

Ces résultats permettront de cibler des politiques d’aide à la rénovation énergétique des logements, soit publiques (crédit d’impôts, écoprêt, etc.) soit privées (création d’outils financiers), adaptées aux différents groupes de ménages identifiés(2).
   

a- Service de l'observation et des statistiques (SOeS) du ministère de l'Environnement, de l'Énergie et de la Mer, 2016.
    
b- G.V. Kass, 1980. Chi-Square Automatic Interaction Detection - CHAID. Journal of Applied Statistics.

 


(1)  E. Hache, D. Leboullenger, V. Mignon, Beyond average energy consumption in the French residential housing market: A household classification approach - Energy Policy, 2017
>> DOI:10.1016/j.enpol.2017.04.038
    
(2)  E. Hache, D. Leboullenger, Y a-t-il un banquier pour sauver le climat ? - La Revue de l’Énergie, 2016, 633, 391-398
>> http://www.ophrys.fr/fr/catalogue-detail/2220/revue-de-l-energie-la-n-633-septembre-octobre-2016.html


Contact scientifique : Emmanuel Hache

NUMÉRO 29 DE SCIENCE@IFPEN