Incertitude de mesure comme critère décisionnel
Évaluation de l’incertitude de mesure en chimie

P105 v2 Article de référence

Incertitude de mesure comme critère décisionnel
Évaluation de l’incertitude de mesure en chimie

Auteur(s) : Marielle CROZET, Séverine DEMEYER

Date de publication : 10 juin 2026

Cet article est réservé aux abonnés

Pour explorer cet article plus en profondeur Consulter l'extrait gratuit

Déjà abonné ?Se connecter

Sommaire
Médias

Présentation

1 - Concepts de mesurande, de caractéristique, de résultat d’analyse

1.1 - Importance d’une définition précise du mesurande
1.2 - Mesurande et échantillonnage

Tableau 1
1.3 - Résultat de mesure

2 - Incertitude de mesure comme critère décisionnel

2.1 - Comparaison de deux résultats de mesure
2.2 - Comparaison d’un résultat de mesure à une spécification

3 - Exigences de la norme NF EN ISO/IEC 17025:2017

3.1 - Validation de méthode
3.2 - Évaluation et expression de l’incertitude

4 - Évaluation de l’incertitude des résultats d’analyse dans le cadre du GUM

4.1 - Cadre du GUM

5 - Utilisation des données internes au laboratoire

5.1 - Approche modélisation

Tableau 2
5.2 - Approche validation de méthode

Tableau 3 Tableau 4 Tableau 5 Tableau 6

6 - Utilisation de données externes au laboratoire

6.1 - Valeurs de performance de la méthode
6.2 - Résultats d’essais d’aptitude

7 - Conclusion

8 - Glossaire

9 - Sigles, notations et symboles

Bibliographie & annexes

Présentation

NOTE DE L'ÉDITEUR

Actualisation de l’article P105 « Évaluation de l’incertitude de mesure en chimie » rédigé en 2005 par Michèle DESENFANT, Marc PRIEL et Cédric RIVIER.

08/06/2026

RÉSUMÉ

La norme NF EN ISO/IEC 17025 « Exigences générales concernant la compétence des laboratoires d’étalonnages et d’essais » demande de valider les méthodes de mesure lorsqu’elles ne sont pas normalisées ou quand elles sont utilisées hors du domaine d’application prévu par la norme et d’associer une incertitude à la valeur de mesure. Les laboratoires d’analyse chimique savent généralement valider leur méthode de mesure mais ils éprouvent parfois des difficultés pour évaluer l’incertitude de mesure. Cet article reprend les différentes façons, couvertes par le «Guide pour l’expression de l’incertitude de mesure» (GUM), de l’évaluer, par l’utilisation de données internes ou externes au laboratoire.

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

Auteur(s)

Marielle CROZET : Ingénieure chercheure à la Commission d’établissement des méthodes d’analyse (CETAMA), Commissariat à l’énergie atomique et aux énergies alternatives (CEA), DES, ISEC, DMRC, CETAMA, Université de Montpellier, Marcoule, France
Séverine DEMEYER : Ingénieure de recherche en science des données, Direction de la métrologie scientifique et industrielle, Laboratoire national de métrologie et d’essais (LNE), Trappes, France

INTRODUCTION

Pour être utilisable, il est essentiel que la valeur d’un résultat de mesure soit accompagnée de son incertitude associée. L’incertitude de mesure est en effet la quantification du doute (ou de la confiance) que l’on a dans le résultat de mesure. Elle est donc un critère décisionnel lors d’une comparaison de résultats, entre eux ou par rapport à une spécification.

L’estimation de l’incertitude de mesure est donc obligatoire pour l’analyste. Pour cela, il ou elle dispose de différents outils, différentes approches, en interne à son laboratoire ou grâce à la participation de son laboratoire à des études collaboratives (comparaisons interlaboratoires).

Le Guide pour l’expression de l’incertitude de mesure (GUM) a beaucoup évolué, et évolue encore : il ne correspond plus désormais à la seule approche de propagation de l’incertitude (JCGM 100), mais couvre aussi d’autres approches (approche par simulation Monte Carlo (JCGM 101), approche bayésienne, approche interlaboratoires). Le GUM constitue donc désormais un ensemble de documents de référence.

Dans cet article, les auteurs souhaitent faire le point sur les différentes façons d’aborder l’évaluation de l’incertitude de mesure en chimie, et montrer que les approches présentées dans le GUM peuvent aussi utiliser des données de la validation de méthode de mesure. Les concepts essentiels à la démarche d’estimation de l’incertitude de mesure sont donc repris, ainsi que les exigences de la norme NF EN ISO/IEC 17025. Après une présentation synthétique du GUM, et notamment de ses récentes évolutions, les différentes approches d’estimation de l’incertitude de mesure, en utilisant des données intralaboratoires ou hors laboratoire (obtenues par une étude collaborative), sont revues. Ces approches sont illustrées par une application sur un exemple qui sert de fil rouge tout au long de ce document.

Cet article est réservé aux abonnés.
Il vous reste 92 % à découvrir.

Pour explorer cet article Consulter l'extrait gratuit

Déjà abonné ? Se connecter

MOTS-CLÉS

Echantillonnage Incertitude Mesurande Matériau de référence Validation de méthode

VERSIONS

Il existe d'autres versions de cet article :

Version archivée 1 de déc. 2005 par Michèle DÉSENFANT, Marc PRIEL, Cédric RIVIER

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v2-p105

Lecture en cours
Présentation

Page
suivante

Exigences de la norme NF EN ISO/IEC 17025:2017

Article inclus dans l'offre

"Qualité et sécurité au laboratoire"

(140 articles)

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques.

Des contenus enrichis

Quiz, médias, tableaux, formules, vidéos, etc.

Des modules pratiques

Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.

Des avantages inclus

Un ensemble de services exclusifs en complément des ressources.

Voir l'offre

2. Incertitude de mesure comme critère décisionnel

De très nombreux résultats de mesure sont utilisés pour prendre des décisions, notamment :

quand on souhaite vérifier si deux processus sont équivalents ou si l’un est meilleur que l’autre ;
quant on s’intéresse à la déclaration de conformité d’un produit par rapport à une réglementation (cette déclaration se fondera sur un ou plusieurs résultats de mesure).

Nous examinons ici comment l’incertitude intervient dans le processus de décision pour ces deux cas.

2.1 Comparaison de deux résultats de mesure

Les situations où il est nécessaire de comparer deux résultats sont fréquentes. Mais ces résultats sont-ils réellement différents, ou bien la différence entre les valeurs numériques n’est-elle que le fruit du hasard car tous deux sont attribuables à la même grandeur ? La figure 4 illustre cette situation, et on comprend facilement que sans incertitude, il est impossible de décider de la différence significative entre les deux résultats (encadré 1).

Encadré 1 – Méthode de comparaison de deux résultats

Lors d’une comparaison entre deux laboratoires, les résultats suivants ont été obtenus :

laboratoire A : résultat annoncé $y_{1}$ , incertitude-type $u_{1}$ et nombre de degrés de liberté $ν_{1}$ ;
laboratoire B : résultat annoncé $y_{2}$

Cet article est réservé aux abonnés.
Il vous reste 95 % à découvrir.