• Langue : Anglais
• Discipline : Informatique, Automatique
• Identifiant : 2025ULILB034
• Type de thèse : Doctorat
• Date de soutenance : 06/11/2025

Résumé en langue originale

Dans un contexte de changement climatique mondial croissant et de généralisation des stratégies de réduction des émissions, les industries traditionnelles à forte consommation d'énergie et à forte pollution subissent de fortes pressions de transformation. L'industrie de l'habillement, fortement émettrice de carbone, consommatrice d'eau et génératrice de pollution chimique, constitue un enjeu central de l'agenda du développement durable. Or, cette transition est freinée par plusieurs obstacles : incertitude des décisions de production, hétérogénéité de la volonté de payer des consommateurs, efficacité limitée des incitations publiques et absence de régulation des plateformes de commerce électronique. Une recherche systématique s'avère donc nécessaire pour fournir des fondements scientifiques et un appui aux décisions et politiques de transition.Cette étude se concentre sur l'industrie de l'habillement en analysant quatre dimensions clés : décisions de production des entreprises, prévision des prix du carbone, effets des incitations gouvernementales et gouvernance des plateformes. Elle mobilise des algorithmes d'apprentissage automatique, la théorie des jeux et des simulations numériques afin de construire un cadre analytique multi-niveaux intégrant : (i) un modèle de décision de production pour entreprise unique, (ii) un modèle de prévision par intervalles des prix du carbone, (iii) un modèle de concurrence en duopole, et (iv) un jeu évolutif tripartite. Ce cadre caractérise les interactions stratégiques entre entreprises, consommateurs, plateformes et gouvernements, et vise à proposer des trajectoires et recommandations pour une transition verte et bas carbone.Premièrement, un modèle de décision fondé sur les préférences hétérogènes des consommateurs identifie les comportements stratégiques optimaux selon la conscience environnementale, les coûts d'émission et la disposition à payer.Deuxièmement, un cadre de prévision par intervalles des prix du carbone est proposé, combinant sélection de variables par XGBoost, optimisation par NSGA-II amélioré et modèle BiLSTM. Cette approche pallie les limites des prévisions ponctuelles face à l'incertitude et renforce précision et stabilité.Troisièmement, un modèle de concurrence en duopole analyse les effets comparés des subventions accordées aux entreprises et aux consommateurs sur structure du marché, prix, profits et bien-être social. Les résultats montrent que les aides aux entreprises sont plus adaptées aux premières phases de transition, lorsque la technologie reste immature et les coûts élevés, car elles stimulent la R&D et l'adoption de technologies vertes.Enfin, un modèle de jeu évolutif tripartite (producteurs, consommateurs, plateformes) explore la formation et les dilemmes des pratiques pseudo-durables. Il révèle que les choix de production durable dépendent à la fois de l'intensité de la régulation et des contraintes de coûts ; que le signalement des consommateurs est influencé par les mécanismes d'incitation et de réponse ; et que les stratégies des plateformes reposent sur un arbitrage dynamique entre réputation et coûts de régulation.

Résumé traduit

Against the backdrop of intensifying global climate change and the widespread implementation of carbon reduction strategies, traditional high-energy, high-pollution industries are facing profound transformation pressures. The apparel industry significantly impacts the environment through carbon emissions, water consumption, and chemical pollution. Its transformation has thus become a vital component of the global sustainable development agenda. However, the industry's transition is hindered by multiple challenges, including uncertain corporate production decisions, divergent consumer willingness to pay, limited effectiveness of policy incentives, and the absence of regulatory oversight on e-commerce platforms. Therefore, systematic research is urgently needed to provide scientific foundations and effective support for decision-making and policy formulation during the industry's transformation.This study focuses on the apparel industry, examining key factors such as carbon emission costs, government subsidy mechanisms, consumer environmental awareness, and e-commerce platform governance. It centers on four core themes: enterprise production decisions, carbon price forecasting, policy incentive effects, and platform governance. By integrating machine learning algorithms, game-theoretic approaches, and numerical simulation techniques, this research constructs a multi-level analytical framework comprising a single-firm production decision model, an interval carbon price prediction model, a duopoly competition model, and a tripartite evolutionary game model. This framework systematically characterizes the strategic interactions and response mechanisms among enterprises, consumers, platforms, and governments, aiming to provide scientific pathways and policy recommendations for a green and low-carbon transition in the apparel industry.First, based on heterogeneous consumer preferences, this study develops a production decision model for firms facing the choice between traditional and sustainable products. The model reveals the optimal strategic behaviors of enterprises under the influence of environmental awareness, carbon emission costs, and consumer willingness to pay.Second, this study proposes an interval carbon price forecasting framework that integrates Extreme Gradient Boosting (XGBoost) feature selection, an improved Non-dominated Sorting Genetic Algorithm II (NSGA-II) optimization algorithm, and a Bidirectional Long Short-Term Memory (BiLSTM) deep learning model. This approach overcomes the limitations of traditional point forecasting models in dealing with uncertainty and significantly improves forecasting accuracy and stability.Third, a duopoly competition model is constructed to comparatively analyze the impacts of government subsidies targeting firms versus consumers on market structure, product pricing, corporate profits, and social welfare. The findings indicate that subsidies directed at firms are more suitable for the early stages of transition—when technology is immature and transformation costs are high—as they effectively stimulate R&D and green technology adoption.Finally, this study develops a tripartite evolutionary game model involving producers, consumers, and e-commerce platforms to explore the formation mechanism and regulatory dilemmas of pseudo-sustainable practices on digital platforms. Results show that firms' decisions to engage in sustainable production are jointly influenced by regulatory intensity and cost constraints; consumer reporting behavior is affected by incentive structures and response mechanisms; and platform regulatory strategies involve a dynamic trade-off between reputational gains and regulatory costs.