Évaluation de l’incertitude de mesure en chimie

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.