PLAN

I. Notions de bases et incertitudes de

mesure

II. Qualité métrologique et étalonnage

des instruments de mesure

III. Evaluation des mesures

1
III. Evaluation des mesures

1.Analyse du processus de mesure

2.Détermination des incertitudes-types
3.Détermination de l’incertitude – type composée
4.Détermination de l’incertitude élargie
5.Arrondi de l’incertitude et du résultat final

2
III. Evaluation des mesures

1.Analyse du processus de mesure

2.Détermination des incertitudes-types
3.Détermination de l’incertitude – type composée
4.Détermination de l’incertitude élargie
5.Arrondi de l’incertitude et du résultat final

3
 1.Analyse du processus de mesure:

Pour définir le processus de mesure, on commence par :

 définir le besoin: pourquoi veut-on cette mesure ?
 définir le mesurande: que mesure t’on ?
 définir l’exactitude souhaitée: quelles contraintes ? (norme, budget…)

4
1.Analyse du processus de mesure: recensement des
sources d’erreurs (la méthode des «5 M»)

On va ensuite recenser les sources d’erreurs de mesure affectant le mesurage du

mesurande.
La diminution des erreurs est certainement la tâche la plus délicate pour toute personne
réalisant des mesures ou des essais. Elle demande une étude approfondie de l’ensemble de
la chaîne d’instrumentation et des phénomènes physiques directs ou indirects dont dépend
le résultat de la mesure ou de l’essai.
Cette étude permet à la fois d’identifier les causes d’erreurs puis de proposer des
corrections qui permettront de compenser les erreurs présumées.
Une méthode particulièrement utile est celle nommée le diagramme de causes et
effets, ou diagramme d'Ishikawa (développé par Kaoru Ishikawa en 1962) ou encore
5M : Méthode, Matière, Milieu, Moyen, Main d’oeuvre. 5
1.Analyse du processus de mesure: recensement des
sources d’erreurs (la méthode des «5 M»)

On explicite successivement, la contribution des moyens, de la méthode de

mesure, l’impact du milieu environnant et de Ia main d’oeuvre
(l’expérimentateur) sans oublier 1’objet mesuré lui-même: l’échantillon.

6
1.Analyse du processus de mesure: recensement des sources
d’erreurs (la méthode des «5 M»)
Exemple: Analyse du plomb dans l’eau

7
1.Analyse du processus de mesure: classification des
erreurs
Cette analyse (5M) doit conduire normalement à déterminer le type et l’amplitude
des différentes erreurs du mesurage:

Erreurs grossières
Les erreurs grossières se produisent lors d'une procédure non-conforme lors
de la prise de mesure. Par exemple en provoquant un choc contre l’instrument
de mesure, en commettant une erreur de lecture ou encore une erreur de
décimale. Il faut déterminer les raisons des erreurs grossières et les éliminer
dans la mesure du possible.

En pratique, toute erreur supérieure à 3σ, doit faire l’objet d’une analyse et
éventuelle répétition, et en général sera considérée comme erreur grossière.
Les valeurs mesurées affectées par des erreurs grossières doivent être
éliminées de la série de mesures.

8
1.Analyse du processus de mesure: classification des
erreurs
Cette analyse (5M) doit conduire normalement à déterminer le type et l’amplitude
des différentes erreurs du mesurage:

Erreurs systématiques connues (ErSC)

Les erreurs systématiques connues peuvent être corrigées dans le résultat.
Lorsque la correction a été effectuée, les erreurs systématiques connues ne
font plus partie de l'indication d'incertitude de mesure.
On obtient le résultat corrigé miC de la mesure en ajoutant algébriquement la
correction C au résultat brut mi
miC = mi + C

mi m mic Mvrai
Era Ers

Er 9
1.Analyse du processus de mesure: classification des
erreurs
Cette analyse (5M) doit conduire normalement à déterminer le type et l’amplitude
des différentes erreurs du mesurage:

Erreurs systématiques inconnues

Il existe aussi des erreurs systématiques inconnues (Ersi) qui sont
généralement dues aux instruments de mesure: celles-ci sont normalement
définies en termes de valeurs (ou tolérances) maximums, souvent avec le
signe ±. Il se peut que ces erreurs soient constantes dans une série de
mesures avec un équipement particulier, mais on ne connaît ni leur valeur ni
leur signe.
Dans l’approche de ISO Guide to the Expression of Uncertainty in Measurement
(abrévié GUM), on « transforme » les erreurs systématiques inconnues en
erreurs aléatoires, en postulant une distribution statistique généralement
rectangulaire.

10
1.Analyse du processus de mesure: classification des
erreurs
Cette analyse (5M) doit conduire normalement à déterminer le type et l’amplitude
des différentes erreurs du mesurage:

Erreurs aléatoires

On distingue ici deux catégories principales:

Type A. Les erreurs aléatoires qui peuvent être évaluée rigoureusement
par des méthodes statistiques.
Type B. Les erreurs systématiques inconnues « converties » en erreurs
pseudo-aléatoires et qui demandent pour leur évaluation la prise en
compte additionnelle d’aspects non-statistiques tels que les
caractéristiques et tolérances techniques de l’instrument, la fiabilité de
l’étalonnage, l’expérience de l’opérateur, etc..

11
III. Evaluation des mesures

1.Analyse du processus de mesure

2.Détermination des incertitudes-types
3.Détermination de l’incertitude – type composée
4.Détermination de l’incertitude élargie
5.Arrondi de l’incertitude et du résultat final

12
2.Détermination des incertitudes-types
Type A (plusieurs mesures d’une même grandeur) :
Si une grandeur est estimée par des moyens statistiques, on dit qu’on a une
évaluation de type A de l’incertitude-type sur cette grandeur.

Ces erreurs aléatoires sont en général dues à des fluctuations des conditions
environnementales (au sens large, ce qui inclut l’opérateur et l’instrument) au
cours de la mesure. Ces erreurs au cours d'une série de mesures sont par
conséquent inconnues, tant du point de vue de leur intensité que de leur signe.

Lors de mesures répétées au cours d'une série, on trouve que:

1. Les erreurs aléatoires fluctuent de manière imprévisible par rapport à
une valeur moyenne.

2. L’incertitude de la moyenne diminue avec le nombre de mesure.

On qualifie ces erreurs aléatoires, qui ont souvent une distribution normale,
par leur écart-type.

13
2.Détermination des incertitudes-types
Type A (plusieurs mesures d’une même grandeur) :
On suppose dans ce cas que la grandeur X est estimée à partir d’une série
statistique de n échantillons de X: x1, x2, ….., xn..
la moyenne de ces mesures est:
=

L’incertitude de mesure correspondant à des mesures répétées d’une même

grandeur est appelée incertitude de répétabilité. Elle est liée à l’écart-type de
la série de mesures.

14
2.Détermination des incertitudes-types
Type A (plusieurs mesures d’une même grandeur) :
- L’écart-type expérimental (d’une série finie de n mesures), noté n-1(X), sert
à mesurer la dispersion d’un ensemble de données. Plus il est faible, plus les
valeurs sont regroupées autour de la moyenne.

n-1(X) =

- L’écart-type expérimental de la moyenne  ( ) est utilisé comme estimation

de l’incertitude de la moyenne.
C’est la dispersion attendue sur cette moyenne si on mesurait plusieurs
séries de n mesures, donc l’incertitude sur la valeur x peut être caractérisée
par l’écart type de la valeur moyenne, qui peut être estimé à partir de l’écart
type d’une seule série de n mesure. Alors l’incertitude-type u( ) sur son
estimation est:

u( ) = n-1(X)

L'écart-type expérimental de la moyenne est appelé incertitude type de

répétabilité. 15
2.Détermination des incertitudes-types
Type B (mesure unique):
 Lorsqu’une mesure ne peut-être reproduite plusieurs fois, il est impossible de
faire une incertitude de répétabilité.
 Il faut estimer l’incertitude en se fondant sur des lois de probabilité supposées
à priori.
 Il faut alors prendre en compte les différentes sources d’incertitude :
- de facteurs d’influence (température, pression,.....) ;

- les données fournies par des certificats d’étalonnage ou autres ;

- des spécifications du fabricant (la classe de l’appareil, la résolution (le

plus petit écart entre deux valeurs), le calibre ou la gamme (la
résolution décroît avec le calibre) ...)
Par exemple, la verrerie est divisée en 3 classes :
- la verrerie de classe B
- la verrerie de classe A
- la verrerie de classe AS
L’ incertitude diminue de la classe B à AS.
16
 2.Détermination des incertitudes-types
Type B (mesure unique):
La forme de la distribution est souvent inconnue, en particulier pour les évaluations
de type B, et elle est posée par hypothèse.
Si on sait que les valeurs de la grandeur X sont comprises entre M – a et M + a, le
choix de la loi de propagation de X entre M – a et M + a va décider de
l’incertitude-type retenue (on utilise principalement les deux distributions
suivantes) :
domaines distribution incertitude-type commentaires
d’utilisation
- lecture afficheur rectangulaire ulecture
digital densité de ou
proba a
- Incertitude uconstruct
constructeur 3
mesure
a a
- lecture échelle triangulaire ulecture
graduée densité de ou
- Ajustement proba
a uconstruct
trait de jauge 6 estimation moins pessimiste
a a
mesure
que la rectangulaire
17
 2.Détermination des incertitudes-types
Type B (mesure unique):
Exemples :
Lecture sur une règle graduée : a = moitié du plus petit intervalle
Lecture sur l’échelle graduée d’un appareil analogique : a = moitié du plus petit
intervalle
Lecture de l’affichage appareil numérique : a = moitié du plus petit digit affiché
Tolérance constructeur d’une pipette jaugée : a = pourcentage de la valeur du volume
Classe d’un voltmètre analogique : a = pourcentage de la totalité de l’échelle
Incertitude d’un voltmètre numérique : a = %lecture+ nombre de digits

On détermine une incertitude-type u résultant généralement de la composition des

incertitudes-type suivantes :
ulecture = incertitude-type due à la lecture sur l’instrument
uconstruct = incertitude-type liée au caractéristiques l’appareil, donnée par le constructeur.
uautre = autres incertitudes-types éventuellement disponibles.
Calcul de u à partir de :
u 2  u lecture
2
 u construct
2
 u autre
2
(propriété des variances)
18
III. Evaluation des mesures

1.Analyse du processus de mesure

2.Détermination des incertitudes-types
3.Détermination de l’incertitude – type composée
4.Détermination de l’incertitude élargie
5.Arrondi de l’incertitude et du résultat final

19
3.Détermination de l’incertitude – type composée
Incertitude-type composée uc(y) est l'incertitude-type du résultat y d'une mesure
lorsque l'on obtient le résultat à partir des valeurs de plusieurs autres grandeurs.

Règles de calcule de l’incertitude composée:

Règle 1 : Pour les modèles impliquant uniquement une somme ou une

différence de grandeurs : y = (p + q+ r + ...),

Règle 2 : Pour les modèles impliquant uniquement un produit ou un

quotient: y = (p × q × r × ...) ou y = p /(q × r × ...),

20
 V
Exemple : Calcul d’une résistance avec la loi d’Ohm R 
I

Valeurs mesurées : V = 10,00 V I = 127,4 mA

Incertitudes-types déjà déterminée : uV = 0,06 V uI = 0,8 mA

Calculer R et son incertitude-type uR (avec la formule pour les incertitudes-types

relatives),

R = 10,00 / 0,1274 = 78,49 

uR/R = racine( [uV/V]²+[uI/I]² ) uV/V = 0 ,006 uI/I=0,00628

 uR/R = 0,00869  uR = 0,682 

21
III. Evaluation des mesures

1.Analyse du processus de mesure

2.Détermination des incertitudes-types
3.Détermination de l’incertitude – type composée
4.Détermination de l’incertitude élargie
5.Arrondi de l’incertitude et du résultat final

22
4.Détermination de l’incertitude élargie
Intervalle de confiance
En statistiques, et en particulier dans la théorie des sondages, lorsqu'on cherche
à estimer la valeur d'un paramètre, on parle d'intervalle ou niveau de confiance
lorsque l'on donne un intervalle qui contient, avec un certain degré de
confiance, la valeur à estimer. Le niveau de confiance est en principe exprimé
sous la forme d'une probabilité.

En présentant pour l'estimation non pas une valeur mais un encadrement, on

quantifie d'une certaine manière l'incertitude sur la valeur estimée.
Plus l'intervalle de confiance est de taille petite, plus l'incertitude sur la valeur
estimée est petite. L'un des objectifs de la théorie des sondages consiste à
trouver des méthodes permettant de donner des intervalles de confiance de
taille raisonnable.
4.Détermination de l’incertitude élargie
Intervalle de confiance
On désigne le niveau de confiance
par (1-α). Le nombre α est le risque
que l’on prend de se tromper en
affirmant que toutes les mesures
sont bien dans l’intervalle proposé.
Un niveau de confiance de, par
exemple, (1-α) = p% = 95.45%
signifie qu'une mesure va se trouver
dans le domaine de deux écarts-
type de part et d'autre de la valeur
moyenne avec une probabilité de
95.45%.
Dans le cadre de la technique de mesure industrielle, on travaille la plupart du
temps avec un niveau de confiance de 95% respectivement avec le domaine de
confiance ± 2σ.
Mais dès que des vies humaines dépendent de la fiabilité des mesures, il est
recommandé de travailler au minimum avec un niveau de confiance p% = 99.73%
ce qui correspond à un domaine de confiance de ±3σ .
4.Détermination de l’incertitude élargie
Incertitude élargie U
Incertitude élargie U est un
intervalle autour du résultat d'une
mesure, supposé comprendre une
part importante de la distribution
des valeurs qui pourraient
raisonnablement être attribuées au
mesurande.
Une incertitude élargie U est
calculée à partir d'une incertitude
type composée uc et d'un facteur
d'élargissement k à l'aide de
l'expression :
U = k × uc
Un facteur d’élargissement de deux (k = 2) revient à considérer que
95% des résultats de mesures sont dans l’intervalle ±U .

Si k = 3, 99.73% des résultats de mesures sont dans l’intervalle ±U .

4.Détermination de l’incertitude élargie
Intervalle de confiance (méthode de Student)
Si l'on a peu d'échantillons (typiquement ≤ 30), il faut utiliser un coefficient plus
grand pour prendre en compte l'erreur faite sur la détermination de x et de σ .
L’application de la loi statistique de Student permet de calculer le facteur
d’élargissement k ou tn,p en fonction à la fois de n et du niveau de confiance (p %).

Soit tn,p un coefficient, appelé coefficient de Student, dépendant du nombre n de

mesures et du degré de probabilité souhaité (p %). La valeur exacte xe a alors
une probabilité de p % de se trouver dans l’intervalle défini ci-dessous, appelé
intervalle de confiance :

[ - tn,p . , + tn,p . ]

26
 4.Détermination de l’incertitude élargie
Intervalle de confiance (méthode de Student)
Tableau des facteurs d’élargissement k en fonction de n et du niveau de confiance (p %).
Nombre de mesures Niveau de confiance p %
dans la série
68.27% 90.00% 95.00% 95.45% 99.00% 99.73% 99.98%

2 1.84 6.31 12.71 18.44 63.66 235.80 761.40

3 1.32 2.92 4.30 4.93 9.93 19.21 42.30

4 1.20 2.35 3.18 3.48 5.84 9.22 19.77

5 1.15 2.13 2.78 2.98 4.60 6.62 12.48

6 1.11 2.02 2.57 2.73 4.03 5.51 9.77

7 1.09 1.94 2.45 2.61 3.71 4.90 7.51

8 1.08 1.90 2.37 2.50 3.50 4.53 6.78

9 1.07 1.86 2.31 2.42 3.37 4.28 6.22

10 1.06 1.83 2.26 2.37 3.25 4.09 5.89

20 1.03 1.73 2.09 2.18 2.86 3.45 4.76

30 1.02 1.70 2.05 2.13 2.76 3.28 4.47

50 1.01 1.68 2.01 2.08 2.68 3.16 4.23

100 1.00 1.66 1.98 2.04 2.63 3.08 4.12

200 1.00 1.65 1.97 2.02 2.60 3.04 4.06

N ! 1.00 1.65 1.96 2.00 2.58 3.00 4.00 27

Récapitulatif

28
Récapitulatif

29
III. Evaluation des mesures

1.Analyse du processus de mesure

2.Détermination des incertitudes-types
3.Détermination de l’incertitude – type composée
4.Détermination de l’incertitude élargie
5.Arrondi de l’incertitude et du résultat final

30
5.Arrondi de l’incertitude et du résultat final
Le résultat d’une mesure devra être écrit sous la forme :

X = {X} ± U [X] avec si possible un niveau de confiance

nom de la valeur numérique Incertitude l’unité

grandeur du résultat final

Exemple: m = 23,13 ± 0,03 g avec un niveau confiance de 95%

Incertitude et résultat final arrondis

31
5.Arrondi de l’incertitude et du résultat final
Les chiffres significatifs
Les chiffres significatifs d’une valeur numérique sont tous les chiffres autres que
les « zéros » situés à gauche du nombre, sans tenir compte de la puissance de
10.

Pour évaluer le nombre de chiffres dit significatifs d’une mesure ou valeur, il faut
toujours exprimer cette mesure à l’aide de la notation scientifique. Cette
notation consiste à écrire tout résultat sous la forme :

a .10n
n : puissance de 10, entièrement relative (nZ)
a : mantise (partie fractionnaire ou décimale) : 1< a < 10 (encadrement strict)

Les chiffres significatifs correspondent au nombre de chiffres nécessaires

à l’écriture de « a ».

32
5.Arrondi de l’incertitude et du résultat final
Les chiffres significatifs
Les zéros placés
Les zéros placés à entre deux chiffres
gauche du premier Les zéros placés
significatifs sont
chiffre différent de à droite sont
significatifs
zéro ne sont pas nécessairement
significatifs significatifs
{
0,04020 = 4,020 × 10−2 4 chiffres significatifs

Tout chiffre différent de

zéro est significatif

346789 = 3,46789.105 6 chiffres significatifs

0,000000456709 = 4,56709.10-7 6 chiffres significatifs

33
5.Arrondi de l’incertitude et du résultat final
Les chiffres significatifs

Différentes opérations de données avec leurs chiffres significatif:

3,85 km 6,1 km
+ 6,1 km =? 9,95 km ou 9, 9 km 9, 9 km
100,67 N – 3,768 N =? 96,902 N ou 96,90 N 96,90 N
12,776 m ÷ 3,1
3,1 ss =? 4,12129 m/s ou 4.1 m/s 4.1 m/s
0,0076 g/L x 2,785 L =? 0,021166 g ou 0,021 g 0,021 g

34
5.Arrondi de l’incertitude et du résultat final
Arrondissage
 Quand on réalise un calcul sur la calculatrice, on obtient un nombre
avec beaucoup de chiffres et il convient de l’arrondir avec le bon nombre
de chiffres significatifs.

 L'arrondissage consiste à remplacer un nombre donné par un autre

nombre, appelé le nombre arrondi sélectionné dans la série des multiples
entiers d’un intervalle d’arrondissage (Interval of Rounding: IR) choisi.

35
5.Arrondi de l’incertitude et du résultat final
Arrondissage
Comment arrondir un chiffre ?

 Si le chiffre en question < 5

On ne change rien au chiffre qui précède le chiffre en question
8,893 8,89 (IR=0,01)

 Si le chiffre en question > 5

On augmente d’une unité le chiffre qui précède le chiffre en question
5, 3486 5, 349 (IR=0,001)

 Si le chiffre en question = 5
On l’augmente d’une unité s’il est précédé d’un nombre impair
12,4750 12,48 (IR=0, 01)
On le laisse tel quel, s’il est précédé d’un nombre pair
12,4850 12,48 (IR=0, 01)
36
5.Arrondi de l’incertitude et du résultat final
Arrondissage
Comment arrondir un résultat de mesure ?
Le résultat doit être généralement arrondit sauf si une norme ou une législation
l’impose différemment.

 Arrondir le résultat à un tel nombre de chiffres significatifs

56,6456788666 56,64 (à 4 chiffres significatifs)

 Arrondir le résultat à un intervalle d’arrondissage bien déterminer

56,635678 56,64 (IR 0,01)

37
5.Arrondi de l’incertitude et du résultat final
Arrondissage
Comment arrondir un résultat de mesure ?
Le résultat doit être généralement arrondit sauf si une norme ou une législation
l’impose différemment.

 Arrondir le résultat en utilisant une norme: ISO 80000-1: 2009

Règle 1: L'incertitude est d’abord arrondie soit
- avec 2 chiffres significatifs (si le 1er chiffre significatif est 1, 2 ou 3),
- soit avec 1 chiffre significatif (si le 1er chiffre est 4,…,9)

Règle 2: Pour la valeur numérique du résultat, le dernier chiffre à retenir

est celui qui a la même position que le dernier chiffre significatif dans
l’expression de l’incertitude.
Exemple: Résultat 43,53677128 et uc (brute) = 0,54568226
uc (retenue) = 0,5 43,5 ± 0,5
Vérification de l’arrondissage de l’incertitude
Ecart = uc (brute) - uc (retenue) < uc (brute) /10
Ecart = 0,54568226 - 0,5 = 0,047568226 < 0,54568226 /10 = 0,054568226
38
Exercice 1: arrondir les résultats suivants avec IR = 0.01
45,625 devient 45,62
45,635 devient 45,64
45,623 devient 45 ,62
45,626 devient 45.63
Exercice 2: arrondir les résultats suivants à quatre chiffres significatifs :
0 .23441 devient 0.2344
6.40565 devient 6.406
1.0000 devient 1.000
0.0023456 devient 0.002346
Exercice 3: Arrondissage des incertitudes (Norme: ISO 80000-1: 2009)
U = 0.0002345 devient U = 0.00023
U = 0.03465 devient U = 0.035
U = 0.00355 devient U = 0.0036
U = 0.365 devient U = 0.36
U = 0.00634 devient U = 0.006
Exercice 4: Arrondissage en utilisant la norme: ISO 80000-1: 2009
La mesure incertitude résultat de mesure
453.4523 g 0.09723 g (453.4±0.1) g
453.4523 g 0.0723 g (453.45±0.07) g
10.2572 g 0.00372 g (10.2572±0.0037) g
1.0234 g 0.02134 g (1.023±0.021) g 39
5.Arrondi de l’incertitude et du résultat final
Arrondissage

NB: Pour limiter le cumul d’erreurs sur les arrondis, l’arrondissage est effectué
sur le résultat final. Pour les calculs intermédiaires on gardera donc des chiffres
qui peuvent être non significatifs.

Exemple:

Si y = 12,3257 et uc(y) estimé à 0,232 avec k = 2. Alors U = 0,464 .

Par conséquent, on prendra : y = (12,3 ± 0,5 ) unité

40