COURS DE

METROLOGIE CHIMIQUE

SUITE CHAPITRE I: Notions de

bases et incertitudes de mesure

2021-2022

Mohammad BAKASS

1 1
L’incertitude affiché peut être :

• Incertitude absolue a x : elle a la même unité que la grandeur

X.
• Incertitude relative, ar  ax qui est sans dimensions et souvent
donnée en %. x

L’incertitude pouvant affecter un résultat peut provenir de

plusieurs sources à savoir :
*une définition incomplète du mesurande,
*l’échantillonnage, les interférences, les conditions
d’environnement, les imprécisions des appareils
mesurant les masses et les volumes et les valeurs de
référence,
* les approximations de la méthode et la procédure de mesure.

1 2
 Remarque : Puisqu'il est impossible de déterminer une valeur
vraie, en pratique, on utilise une valeur conventionnellement
vraie.

Une vraie valeur (valeur de référence) d’une grandeur est une

valeur compatible avec la définition d'une grandeur particulière
donnée. En effet ; c'est une valeur que l’on obtiendrait par un
mesurage parfait (toute valeur vraie est par nature
indéterminée).

Une valeur conventionnelle (valeur de référence: estimation

d'une valeur vraie) est une valeur attribuée à une grandeur
particulière, par un étalon de référence, et reconnue parfois par
convention avec une incertitude appropriée.

Une valeur conventionnelle est quelquefois une estimation d'une valeur

vraie. Elle est alors considérée comme associée à une incertitude de
mesure, convenablement petite, qui peut être nulle.

1 3
Une valeur conventionnelle c’est une valeur attribuée à un objet
(étalon) suite à sa (une) comparaison avec un étalon supérieur plus
précis et moins utilisé. Elle est donnée , la première fois, par le
constructeur après par les laboratoires d’étalonnages.

Une valeur nominale c’est une valeur attribuée à un objet (étalon)

juste après sa production. Il s’agit en effet de la valeur de l’étalon
primaire qui a permis (donné), soit directement ou indirectement, la
production de (naissance à) l’étalon en question. L’étalon primaire
doit permettre la production des étalons inférieurs, la définition et la
conservation des unités de mesures. Cet étalon primaire est
caractérisé par la même valeur conventionnelle et nominale (EMT=0).

Répétabilité de mesure : fidélité de mesure selon un ensemble de

conditions de répétabilité.
Conditions de répétabilité : condition de mesurage dans un ensemble
de conditions qui comprennent la même procédure de mesure, les
mêmes opérateurs, le même système de mesure, les mêmes
conditions de fonctionnement et le même lieu, ainsi que des
mesurages répétés sur le même objet ou des objets similaires pendant
1 4
une courte période de temps.
 .
Fidélité intermédiaire de mesure : fidélité de mesure selon un
ensemble de conditions de fidélité intermédiaire.

Conditions de fidélité intermédiaire : condition de mesurage dans un

ensemble de conditions qui comprennent la même procédure de
mesure, le même lieu et des mesurages répétés sur le même objet ou
des objets similaires pendant une période de temps étendue, mais
peuvent comprendre d'autres conditions que l'on fait varier.

Reproductibilité de mesure : fidélité de mesure selon un ensemble

de conditions de reproductibilité.

Conditions de reproductibilité : condition de mesurage dans un

ensemble de conditions qui comprennent des lieux, des opérateurs et
des systèmes de mesure différents, ainsi que des mesurages répétés
sur le même objet ou des objets similaires.

1 5
Formule de Taylor

Soit Z une fonction de xi.

Supposons si sur chaque valeur de x on a une erreur , quelle serait

l’erreur sur Z ?

Z un mesurande (volume par exemple calculé par une loi

d’équivalence) que l’on peut évaluer à partir des mesures .
Supposons que sur chaque mesure on a effectué une erreur dxi .

Conformément à l’approche universitaire classique de l’incertitude ;

le calcul des incertitudes ne se fait pas directement mais à travers
les erreurs et en appliquant la Formule de Taylor :

(Z   Z )  f  x1   x1 , x2   x2 , x3   x3 ,....xn   xn , 

Z Z Z Z
dZ  dx1  dx2  dx3  ...dxn
x1 x2 x3 xn
1 6
 Z  C1x1  C2x2  C3x3  ...Cnxn
Le maximum d’erreur absolue est :

Z Z Z Z
Z  x1  x2  x3  ... xn
x1 x2 x3 xn

Le fait de prendre la valeur absolue de chaque contribution suppose

que toues les sources des erreurs se font dans le mauvais sens.
On peut alors déduire le maximum d’erreur relative.

Z x1 Z x3 Z x3 Z xn Z

    ...
Z Z x1 Z x2 Z x3 Z xn

La méthode universitaire se base sur la méthode de la différentielle

du mesurande Z (outil mathématique) qui est une méthode purement
analytique. Donc les inconvénients de cette approche classique de
l’incertitude sont:

On suppose que toutes les erreurs se font dans le même sens. Donc
on envisage le cas le plus défavorable (Majoration irréaliste de
l’incertitude). 1 7
Pas de distinction entre l’erreur et l’incertitude.

Incertitude non étendue pour le calcul d’autres incertitudes.

Confusion incertitude/erreur : Sur chaque mesure xi , on estime

l’erreur maximale pouvant être commise au lieu de la
corriger quand c’est possible.

Négligence dans la recherche des causes et des sources des erreurs

(Opérateur, Etalonnage, Lecture, Température……).

Caractère très approximatif de la méthode ce qui conduit à faire

l’économie d’une étude plus poussée des causes des erreurs.

Comme conclusion fondamentale de ces inconvénients ; nous pouvons

dire que les erreurs non prises en compte placent souvent la vraie
valeur hors de l’intervalle d’incertitude.

Par conséquent aucune valeur du domaine d’incertitude ne peut être

attribuée raisonnablement au mesurande.

1 8
La deuxième approche, également classique, de l’incertitude est
industrielle.

L’expression de l’incertitude s’exprime uniquement en fonction des

écarts types de répétabilité et de reproductibilité. L’incertitude
globale se calcule comme suit :

I g  2  2  r2   R2

Les avantages de cette méthode ?

Méthode rapide.
Méthode souple.
Méthode facile à mettre en œuvre.
La vraie valeur est dans l’intervalle d’incertitude.

Les inconvénients de cette deuxième approche.

Méthode qui ne permet pas d’identifier donc de tenir compte des
grandeurs d’influences.
Ne permet pas une amélioration de l’instrument de mesure ou du
processus de mesure.
Absence de relation mathématique ente Z et xi .
1 9
Conclusion fondamentale:

Méthode globale et purement statistique.

Conclusion générale:

Incompatibilité fondamentale entre la méthode universitaire

et la méthode statistique. Il est impossible de combiner les
résultats des deux méthodes. Par conséquent on aura une
difficulté de communication entre les deux secteurs.

1 10
L’erreur relative de mesure: le rapport de l’erreur de mesure à la
valeur de référence (vraie valeur ) de la grandeur physique. Elle
s’exprime généralement en pourcentage de la grandeur mesurée.

En général, les erreurs peuvent se classer en trois types:

* Erreurs d’étalonnage :
- erreur par rapport aux étalons primaires,
- erreur due à la technique d’étalonnage.

* Erreurs d’acquisition de données:

- erreur due à l’appareil de mesure,
- erreur due aux variables non contrôlées.

* Erreurs due à l’analyse des données:

- erreurs dus au lissage (i.e. méthode des moindres carrés),
- erreur de troncature (suppression ou omission d'une partie,
initiale ou finale d'une chaîne selon des critères donnés).

Donc il est possible de décomposer le terme des erreurs en

deux types: 1 11
* L’erreur systématique: affecte le résultat constamment et toujours
dans le même sens. C’est la moyenne qui résulterait d’un nombre
infini de mesurages du même mesurande, effectués dans des
conditions de répétabilité, moins la valeur vraie (ou de référence)
du mesurande.

La valeur de référence pour une erreur systématique est une valeur

vraie, une valeur mesurée d'un étalon dont l'incertitude de mesure est
négligeable, ou une valeur conventionnelle. L'erreur systématique est
égale à la différence entre l'erreur de mesure et l'erreur aléatoire.

* L’erreur aléatoire : lorsque, d’une mesure à une autre, la valeur

obtenue peut être surévaluée ou sous-évaluée par rapport à la vraie
valeur. C’est le résultat d’un mesurage moins la moyenne d’un
nombre infini de mesurages du même mesurande effectués dans
des conditions de répétabilité.

1 12
 La valeur de référence pour une erreur aléatoire est la moyenne qui
résulterait d'un nombre infini de mesurages répétés du même
mesurande. Les erreurs aléatoires d'un ensemble de mesurages
répétés forment une distribution qui peut être résumée par son
espérance mathématique, généralement supposée nulle, et par sa
variance. L'erreur aléatoire est égale à la différence entre l'erreur de
mesure et l'erreur systématique.

* Les erreurs grossières, « erreurs aberrantes » sont dues à des

conditions anormales ou à des fautes techniques. On les élimine
dès qu’on les détecte.

Remarque : Comme on ne peut faire qu’un nombre limité (fini) de

mesurages, il est seulement possible de déterminer une estimation
des erreurs aléatoire et systématique.

1 13
Important :
il y a toujours une distinction entre erreur et incertitude:
-L’erreur est définie comme étant la différence entre la valeur
de mesure d’une grandeur et une valeur de référence du
mesurande (c’est une valeur unique),

- Les erreurs ne peuvent pas être connues exactement et

présentent deux composantes, à savoir une composante
aléatoire et une composante systématique.

- La valeur d’une erreur connue peut être appliquée comme

correction du résultat.

En général, la valeur de l’incertitude ne peut pas être utilisée

pour corriger le résultat d’une mesure.

Composantes de l’incertitude : Chacune des contributions, de chaque

source d’incertitude à l’incertitude prise séparément est appelée
composante de l’incertitude.

1 14
Incertitude type u(xi) est l’incertitude du résultat xi d'une mesure
exprimée à l’aide un écart-type.

L’incertitude totale est l’incertitude type composée, notée

uc(y), est un écart-type estimé égal à la racine carrée de la
variance totale obtenue en combinant toutes les composantes de
l’incertitude.

Incertitude-type relative est le quotient de l'incertitude-type

par la valeur absolue de la valeur mesurée ou de la moyenne.

Incertitude cible ou anticipée est l’incertitude de mesure spécifiée

comme une limite supérieur et choisie d’après les usages prévus des
résultats de mesure.

L’incertitude définitionnelle : composante de l'incertitude de

mesure qui résulte de la quantité finie de détails dans la définition
d'un mesurande.

1 15
Incertitude élargie U: est une grandeur qui définie 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.

L'incertitude de mesure comprend des composantes provenant

d'effets systématiques, telles que les composantes associées aux
corrections et aux valeurs assignées des étalons, ainsi que
l'incertitude définitionnelle. Parfois, on ne corrige pas des effets
systématiques estimés, mais on insère plutôt des composantes
associées de l'incertitude.

Le paramètre peut être, par exemple, un écart type appelé

incertitude-type (ou un de ses multiples) ou la demi-étendue d'un
intervalle ayant une probabilité de couverture déterminée.

L'incertitude définitionnelle est l'incertitude minimale que l'on peut

obtenir en pratique par tout mesurage d'un mesurande donné.

1 16
Incertitude élargie U: produit d'une incertitude-type composée et
d'un facteur supérieur au nombre un. Le facteur dépend du type de
la loi de probabilité de la grandeur de sortie dans un modèle de
mesure et de la probabilité de couverture choisie.

L'incertitude élargie est appelée «incertitude globale» au paragraphe 5

de la Recommandation INC-1 (1980) (voir le GUM) et simplement
«incertitude» dans les documents de la CEI.

Erreur maximale tolérée (limites d’erreur) : valeur extrême de

l'erreur de mesure, par rapport à une valeur de référence connue, qui
est tolérée par les spécifications ou règlements pour un mesurage, un
instrument de mesure ou un système de mesure donné.

Les termes «erreurs maximales tolérées» ou «limites d'erreur» sont

généralement utilisés lorsqu'il y a deux valeurs extrêmes.

Il convient de ne pas utiliser le terme «tolérance» pour désigner l'erreur

maximale tolérée.
1 17
Avant d’évaluer une incertitude, il faut :

Lister les sources d’incertitude et, pour cela, analyser chaque étape
du mesurage en utilisant la méthode des « 5M »,

représenter ces sources d’incertitude sur un diagramme « cause-

effet »,

l’évaluation de l’incertitude de mesure peut être faite selon

différentes approches,

la connaissance de l’incertitude permet d’exprimer le résultat de

mesure sous la forme d’un ensemble de valeurs (intervalle)
correspondant à un certain niveau de confiance et comprenant toute
autre information nécessaire.

1 18
Présentation des résultats :

Lorsqu’on exprime le résultat d’un mesurage et son incertitude, il est

bon de donner un maximum d’informations sur les conditions
d’obtention des résultats annoncés, par exemple :

Décrire les méthodes utilisées ;

Donner la liste des composantes de l’incertitude et la manière dont

elles ont été évaluées ;

Présenter l’analyse des résultats de telle façon que ces derniers

puissent être réutilisés ;

Les résultats préciseront, au minimum, le facteur d’élargissement et

le niveau de confiance de l’intervalle estimé.

1 19
Les règles d’écriture d’une valeur et d’arrondie:

Nombres approximatifs ce sont des nombres pour lesquels on

peut associer une valeur estimative (ne sont pas exacte). 2

Chiffres significatifs Dans un résultat numérique, tous les chiffres

autre que zéro sont significatifs. Les zéros sont significatifs lorsqu’ils se
trouvent entre d’autres chiffres ou à leur droite ; ils ne le sont pas
lorsqu’ils se trouvent à leur gauche.

Important: La certitude (l’exactitude) d’un résultat numérique

augmente avec le nombre de chiffres significatifs exprimés. Le
dernier chiffre est alors incertain. Quelque fois ; lorsque la
limite inférieure de l’intervalle de certitude n’est que la limite
supérieur (si le nombre de chiffres significatifs); on parle
d’une précision parfaite.

L’arrondissage consiste à remplacer un nombre par un autre

nombre appelé arrondi.
1 20
Important : Un résultat doit être généralement arrondi sauf si une
norme ou une législation l’imposent différemment (chaque
organisme doit définir ses règles statistiques d’arrondi).

Les règles relatives à l'arrondi des résultats sont décrites dans

l’ISO 31-0 : 1992.

Règle :
L'incertitude est arrondie par excès soit:

* avec deux chiffres significatifs (si le premier

chiffre significatif est 1, 2 ou 3),
* avec un chiffre significatif (si le premier chiffre
significatif est 4,…,9) ,
* Ensuite le résultat est arrondi avec le même
nombre de chiffres (après la virgule) de la partie
décimale.

Donc: pour la valeur numérique du résultat, le dernier chiffre

à retenir est celui qui a la même position que le premier chiffre
significatif (ou le deuxième s’il existe) dans l’expression de
l’incertitude. 1 21
 Règle d’arrondissage de Gauss

1- Lorsque le chiffre qui suit immédiatement le dernier chiffre

à retenir est inférieur à 5, le dernier chiffre à retenir reste
sans changement. C’est-à-dire: Si le chiffre en question est
inférieur à 5 alors on ne change rien au chiffre qui précède le
chiffre en question : 8,893 devient 8,89 (IR=0,01).

2- Lorsque le chiffre qui suit immédiatement le dernier chiffre

à retenir est supérieur à 5, le dernier chiffre à retenir est
majoré d ’une unité. C’est-à-dire: Si le chiffre en question est
supérieur à 5 alors on augmente d’une le unité le chiffre qui
précède le chiffre en question : 5,348 6 devient 5,349
(IR=0,001).

1 22
 Règle d’arrondissage de Gauss

3- Lorsque le chiffre qui suit immédiatement le dernier chiffre

à retenir est égal à 5 et est suivi d’au moins un chiffre
différent de zéro, le dernier chiffre à retenir est majoré d’une
unité, mais s’il n ’est suivi d’aucun autre chiffre ou est
seulement suivi de zéros, le dernier chiffre à retenir est
conservé s’il est pair, augmenté s’il est impair.

12,475 0 devient 12,48 (IR=0,01).

12,485 0 devient 12,48 (IR=0,01).

Il est toujours recommandé d’arrondir une seule fois.

L’arrondissage en plusieurs étapes pouvant conduire à des
erreurs.

1 23
Exemple :
Règles d’arrondissage

Après avoir calculé la concentration de base qui est de

10.14726M est son incertitude type, l’incertitude élargie est :

U=2*uc(C(b))=0.12145M

On arrondie (majore) l’incertitude soit :

Avec un seul chiffre significatif 0.12145M0.2M
Ou avec deux chiffres significatifs : 0.12145M0.13M

Et on arrondie la valeur de concentration avec le même

nombre de chiffres significatifs
Cas 1 :10.14726M10.1M
Cas 2 : 10.14726M10.15M

1 24
 Applications :

- Avec un intervalle d’arrondissage de 0,1 :

45,625 devient 45,6
33,362 devient 33,4
12,25 devient 12,2
12,35 devient 12,4

- Avec un intervalle d’arrondissage de 0,01 :

12,475 0 devient 12,48 (IR=0,01).
12,485 0 devient 12,48 (IR=0,01).

En arrondissons les nombres suivants à quatre chiffres significatifs:

58,364 3 devient 58,36
979,267 devient 979,3
7,726 5 devient 7,726
56,395 devient 56,40
0,065 738 devient 0,065 74
7 356 853 000 devient 7 357.106
345 000 10-7 0,034 50
1 25
Estimation de l’incertitude de la mesure .
Elle doit être effectué selon les étapes suivantes :
* Spécifier le mesurande,
* Identifier les sources d’incertitude,
* Estimer la valeur de la composante de l’incertitude associée
à chaque source potentielle d’incertitude identifiée,
* Calculer l’incertitude composée,
* Calculer l’Incertitude élargie.

Calcule de l’incertitude type 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 × ...),

1 26
La démarche simplifiée du GUM avec un développement
limité à l’ordre 2 et pour les grandeurs non corrélées,
l’estimateur de l’incertitude type composée peut se calculer à
partir de:

Avec développement limité à l’ordre 1 :

u Y   Y  
2 2
N u 2
 X i )
c 2
i 1 X i
1 27
Détermination de l’incertitude
composée
Calcule de l’incertitude type lors d’un dosage d’un acide par
une base

On considère qu’il n’existe pas une dépendance entre les

grandeurs d’entrées :
2 2 2
 f  2  f  2  f  2
uc  C  b    
2
  u V  a       u V  b       u C  a 
 V  a    V  b    C  a  

 C  a  V  a    C  a  V  a    C  a  V  a  
2 2 2

     
uc2  C  b    
V  b    u 2 V  a     V  b    u 2 V  b     V  b    u 2 C  a 
 V  a    V  b    C  a  
     
     
2
C a  2  C  a  V  a   2 V  a   2
2 2

uc  C  b    
2
  u V  a       u V  b       u C  a 
 V  b   V  b    V  b  
2


1 29
 2
 C  a  V  a   2  C  a  V  a   2  C  a  V  a   2
2 2

u C b   
2
  u V  a       u V b       u C  a  
 V  b  V  a    V  b V  b    V  b   C  a  
c

2
 C b    C b    C b  
2 2

uc  C  b    
2
  u V  a    
2
  u 2
V  b       u 2
 C  a 
V  a   V  b    C  a  
2

 u V  a    2  u V  b   2  u  C  a    2 
uc  C  b    C  b      
2
2
   
 V  a    V  b    C  a   
      

1 30
Bilan d’incertitude:

Il permet d’estimer l’incertitude de mesure. Il tient compte de

l’analyse complète du processus de mesure, des facteurs d’influence
et des corrections apportées au résultat annoncé.

Incertitude élargie U : 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

k est un Facteur d'élargissement: facteur numérique utilisé comme

multiplicateur de l'incertitude type composée dans le but d'obtenir
une incertitude élargie.

Attention : le facteur d'élargissement k devrait toujours être

précisé de façon à ce que l’incertitude type composée du mesurande
puisse être reprise pour être utilisée dans le calcul.
1 31
 Pour un résultat intermédiaire il faut conserver de
nombreux chiffres. Et en plus dans le modèle doivent
figurer toutes les corrections même si elles sont nulles, car
leurs incertitudes quant à elles ne sont pas nulles.

Important: Le choix de k dépend du nombre effectif de degrés de

liberté (n-1) et du niveau de confiance p). il est recommandé que k
soit fixé à un niveau égal à la valeur bilatérale d’un test t de Student
pour le nombre de degrés de liberté associés à cette contribution et pour
le niveau de confiance requis (normalement 95 %).

L’approche GUM : Le résultat de la mesure s’exprimera avec une

incertitude qui sera associée au niveau de confiance demandé
(souvent 95%), de la forme :

X=(y ± U )[unités] au niveau de confiance XX%.

1 32
Rappel : L’incertitude élargie (toujours majorée) est
habituellement donnée avec un (au maximum deux) chiffres
significatifs. Le dernier chiffre significatif du résultat doit être
à la même position décimale que l'incertitude.

L’arrondi des mesurandes et des incertitudes se fait en

appliquant les règles usuelles d’arrondi: Il est cependant
parfois approprié d’arrondir les incertitudes au chiffre
supérieur plutôt qu’au chiffre le plus proche.

Conclusion : Les progrès apportés par la méthode GUM :

•Le résultat final est plus fiable.
•Une meilleure connaissance du processus de mesure : on
modélise finement ce processus particulier, bien correctement.
D’où la possibilité de l’améliorer.
•Meilleure traçabilité et possibilité pour un tiers de critique le
résultat.
1 33
Critères de normalité

La distribution de beaucoup de paramètres industriels correspond souvent

à une loi normale. Le recours à une distribution gaussienne est si fréquent
qu'il peut finir par être exagéré et injuste.

La méthode la plus simple, consiste à tracer l'histogramme ou le

diagramme en bâtons de la distribution et à vérifier si le diagramme est
en forme de «cloche». ». Ce critère permet d'éliminer une partie des
distributions jugées alors non gaussiennes.

Remarque : Cette comparaison est visuelle et même si elle peut être une
première approche, elle ne constitue pas un critère de «normalité».

Un deuxième critère consiste à utiliser les plages de normalité ou

intervalles de confiance.

2 34
Si une distribution est gaussienne:

- 68,26% de la population est dans l'intervalle (  ),

- 95,44% de la population est dans l'intervalle (  2),
- 99,73% de la population est dans l'intervalle (  3).

Remarque : Lorsque ces pourcentages ne sont pas (plus ou moins bien)

respectés, il est fort à certifier que la distribution ne soit pas gaussienne.
2 35
Définition : Une distribution normale ou Gaussienne de moyenne et x
d’écart type est définie par :

y
1
 2
2

exp  x  x / 2 2  
Pour une distribution donnée on norme les valeurs selon la relation
suivante :

z
x  x

La proportion des valeurs qui sont inférieurs à une valeur z donnée est
calculée par la fonction F(z) donnée par des tables.

   
z
exp  1 / 2  x  x /  dx
1

2
F ( z) 
 2

F(z) est la fonction cumulative d’une distribution normale.

2 36
Remarque : On peut également se baser sur le calcul de certains coefficients
pour tester qu’une distribution est normale :

1 ( xi  x)
  ( ( )3 )
n 

1 ( xi  x) 4
  ( ( ) )
n 

Si la valeur de  tend vers 0 on parle d’une distribution symétrique.

Si en plus la valeur de  tend vers la valeur 3 on parle d’une distribution

normale.

2 37
Distribution de la moyenne

On définit l’erreur standard de la moyenne pour n mesures par :

  
e.s.m   
 n

Remarque :

* L’erreur standard de la moyenne décrit la variation de la moyenne et non

celle de la vrai valeur moyenne .

* Ua peu également être calculé à partir de l’étendu de la grandeur :

  
Ua   
 n 
2 38
Intervalle de confiance

Dans l’hypothèse où toute erreur systématique à été écartée et où les

mesures individuelles xi sont réparties selon une loi gaussienne, il est
possible d’approcher la valeur exacte xe de la grandeur X avec une
certaine probabilité.

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 (1-α) = 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%.

Remarque:
* 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 ±1.96 σ .

2 39
 * Mais dès que des vies humaines dépendent de la fiabilité des mesures, il
est recommandé de travailler au minimum avec un niveau de confiance
(1-α) = 99.73% ce qui correspond à un domaine de confiance de ±3 σ .

* Plus l'intervalle de confiance est de taille petite, plus l'incertitude

sur la valeur estimée (prise en considération) est petite. Le domaine de
confiance est moins large pour tenir compte d’un nombre supplémentaire de
valeurs expérimentales.

Un niveau de confiance de (1-α) = 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%.

Pour un grand nombre de mesures n, de moyen et d’écart type l’intervalle

dans lequel la vrai valeur moyenne  sera encadrée avec une certaine
confiance (l’intervalle de confiance) est donné par :

  
xz / n   xz / n 
2 40
Les limites de confiance de la moyenne sont définies alors par :


xz / n 
Donc, pour des valeurs de n faibles, l’intervalle de confiance limite de la
moyenne est donné par :


x  t n1  / n 
Intervalle de confiance Probabilité

xe   , xe    68,26%

xe  1,96 , xe  1,96  95,00%

xe  2 , xe  2  95,44%

xe  2,58 , xe  2,58  99,00%

xe  3 , xe  3  99,73%

2 41
 Les cinq M
La maîtrise des processus de mesure nécessite la maîtrise des
cinq M qui se manifeste sous forme d’un processus de mesure
regroupant les points suivants : Mesure (Matière), Méthode,
Milieu, Main d’oeuvre et Moyen.
Mésurer
Mesurer un mesurande (Matière: produit mesuré) ce n’est en
effet que comparer cette grandeur inconnue à une référence
dont la traçabilité est établie. Le processus de mesurage,
consistant à obtenir expérimentalement une ou plusieurs
valeurs que l’on peut raisonnablement attribuer à une
grandeur caractérisant la Matière. Elle est constituée des
étapes suivantes :
Méthode :
- Disposer si possible de méthodes normalisées;
- Valider les méthodes et enregistrer les résultats de la
validation;
- Rédiger, diffuser les modes opératoires (mise en oeuvre de
la mesure, nombre de mesures,1 application de corrections, 42
durée …).
Milieu (environnement):
- Maîtriser les facteurs d’ambiance (température, humidité, et
c) qui peuvent affecter la qualité des résultats.

- Fixer des exigences si nécessaires, mesurer les paramètres et

respecter les raisons.
- Maîtriser la qualité des locaux et leur maintenance.
- Confidentialité, sûreté, contrôle d’accès.

Main d’œuvre (Opérateur):

- Définition des missions, des responsabilités des
intervenants ayant un impact sur la qualité des résultats.
- Qualification des intervenants : formation, compétences,
pratique …
- Sélection de sous traitants fiables (critères, liste…).
- Nommer un responsable métrologie.

1 43
 Moyen (appareillage):
- Identification des équipements critiques .
- Etablir des fiches de vies des équipements critiques (carte
d’identité et de santé du matériel).
- Choix de périodicité des raccordements, étalonnage,
vérification des équipements critiques.
- Réglage et ajustage si nécessaire.
- Suivi métrologique: exploitation et archivage des résultats
d’étalonnage et des rapports de vérification.

Un équipement de mesure critique est défini comme étant

l’un des équipements nécessaires à l’exécution d’une
analyse, d’un essai ou d’un étalonnage inscrit dans la
portée d’accréditation et ayant une incidence significative
sur l’exactitude du résultat d’analyse, de l’essai ou de
l’étalonnage. Il appartient aux organismes de définir la
liste des équipements de mesure critiques et de justifier
cette liste.

1 44
Les différents effets et leurs influences sont présentés sous
forme d’un diagramme des causes et des effets connu sous
l’appellation de « diagramme des 5M ».

1 45
1 46
L’incompatibilité des approches traditionnelles a nécessité une
convention commune (GUM) et qui peut s’appliquer à tous les types
de mesurages et ceci de l’atelier jusqu’au laboratoire de métrologie.

Pour cela Les deux critères que doit satisfaire la quantité

représentant l’incertitude dans cette méthode est que la quantité
représentant l’incertitude doit être :

Calculable de façon logique à partir des informations recueillies

sur le processus de mesure.
Transférable : elle doit pouvoir être utilisée comme composante de
l’incertitude d’une autre mesure où on utilise le premier
résultat.
Les trois paramètres qui doivent être utilisés pour caractériser un
résultat de mesure corrigé (variable aléatoire) seront en plus de la
moyenne et de l’écart type une loi de probabilité qui ne figure en
aucun cas (manque) dans la méthode industrielle (Risque ou
niveau de confiance).
Il ne faut pas oublier que les deux méthodes classiques ne parlent
que du domaine d’incertitudes ce qui par conséquent suppose que
la valeur supposée vraie peut ne pas être située dans ce domaine
d’incertitude. 1 47
Donc les démarches simplifiées du GUM (1993) seront:
Analyse du processus de mesure.
Modéliser le processus de mesure du mesurande (Z).
Estimer l’incertitude type u(xi) et l’écart type des variables
aléatoires xi.
Présenter le résultat final.

Pour l’analyse du processus de mesure, les quatre étapes pour le

définir :
Définir le besoin : Pourquoi veut-on cette mesure ?
Définir le mesurande : Que mesure t’on ?
Définir l’exactitude souhaitée : Quelles contraintes (norme –
budget – exactitude..).
Définir le processus de mesure : Comment procéder vue les
point précédents.

Le diagramme utilisé pour recenser les sources d’erreurs de

mesures affectant le mesurage du mesurande est la Méthode des
5M : Méthode – Matière – Milieu – Moyen – Main d’œuvre.

1 48
Les quatre étapes essentielles sur lesquelles repose la modélisation
du processus de mesure de Z :
Définir le mesurande en fonction de (constante de l’appareil,
Dérives, Grandeurs d’influences, Corrections….).
Réduire les erreurs systématiques par des corrections de sorte que
l’erreur résiduelle affectant chaque xi soit purement
aléatoire.
La décision d’ignorer une erreur à priori négligeable devrait
reposer sur des résultats chiffrés.
Si une des grandeurs xi du modèle est nulle surtout ne pas
l’éliminer car son incertitude, quant à elle, n’est pas nulle.
Les deux méthodes utilisées pour estimer les incertitudes types de
chaque grandeur xi :.

Méthode A : Méthode d’estimation statistique. Estimer u(xi) par la

moyenne des échantillons . U(xi) c’est l’écart type ou son multiple.
Méthode B : Méthode d’estimation non statistique. Estimer u(xi) à
partir de : (Certificat d’étalonnage – Constat de vérification –
Valeur trouvée dans la littérature – Notice constructeur – Archives
de production…) en tenant compte des lois de probabilité (question
suivante). 1 49
1 50
 Résumé

Pourquoi faut-il évaluer l’incertitude d’un

résultat de mesure ou d’essai ?

Lorsque l’on rend compte du résultat du mesurage

d’une grandeur physique, il faut obligatoirement
donner une indication quantitative sur la qualité
du résultat pour ceux qui l’utiliseront puissent en
estimer sa fiabilité.

En absence d’une telle indication, les résultats de

mesure ne peuvent pas être comparés, soit entre
eux, soit par rapport à des valeurs de référence…
 Définition de l’incertitude:

• Avant 1984 : «erreur probable»

• VIM 1984 : «intervalle qui contient la valeur
vraie»
• VIM 1993 : «Paramètre associé au résultat
d’un mesurage qui caractérise la dispersion
des valeurs qui pourraient raisonnablement
être attribuées au mesurande»
• VIM 2008 : Paramètre non négatif qui
caractérise la dispersion des valeurs
attribuées à un mesurande, à partir des
informations utilisées
Le calcul du résultat de mesure :

Etape 1:
*Définition du mesurande
*L’analyse du processus de mesure
*Le modèle mathématique du processus de mesure

Etape 2 :
*Estimation des incertitudes-types
*Les méthodes d’évaluation de type A et de type B
*Les covariances

Etape 3 :
*détermination de l’incertitude composée
*Loi de propagation de l’incertitude

Etape 4 :
*Expression finale du résultat
*Détermination de l’incertitude élargie
*Arrondi du résultat de mesure

1 53
Méthodologie pour estimer l’incertitude

Définition du mesurande

Estimation des incertitudes-types

Détermination de l’incertitude composée

Expression finale du résultat de mesure

 Définition du mesurande:

• Indiquer la grandeur que l’on veut mesurer.

• La définition du mesurande peut nécessiter des

indications relatives à des grandeurs telles
que la température, la pression, Processus et
l’instrument de mesure.

Conditions de mesurage.
• Température de référence de 20 °C.
• Principe physique de mesure.
 Le processus de mesure:

• Ne pas focaliser son attention sur l'instrument, mais

s'intéresser au processus qui conduit à l'obtention d'un
résultat de mesure .

• L'incertitude caractérise le résultat et non pas

l'instrument.

• Dans le processus vont intervenir :

–les opérateurs,
–les instruments, les étalons,
–la méthode de mesure et le mode opératoire,
–l'environnement de la mesure (température, pression…)
–l'objet mesuré
 Pourquoi faut-il analyser le processus de
mesure ?

• Identifier les facteurs qui influencent le

résultat de mesure (causes d'erreurs) en
dresser une liste aussi exhaustive que
possible :
–pour les maîtriser,
–pour en diminuer les effets :
•soit par application de correction,
•soit par répétition des mesures et calcul de
moyennes arithmétiques de séries
d'observations.
 Modélisation du mesurage
Le modèle de mesure ou modèle mathématique
traduit la manière d’utiliser toutes les
informations à notre disposition pour calculer le
résultat de mesure.
Il doit refléter :
*la définition du mesurande
*la méthode de mesure
*le mode opératoire

Dans de nombreux cas, un mesurande Y

n'est pas mesuré directement mais il est
déterminé à partir de N autres grandeurs
X1, X2, … XN à travers une relation
fonctionnelle f :
Y=f(X1;X2…XN) X:Grandeurs d’entrée
 Modélisation du mesurage

• Les grandeurs d'entrée X1, … XN dont

dépend la grandeur de sortie Y peuvent
elles-mêmes être envisagée comme
mesurandes et peuvent elles-mêmes
dépendre d'autres grandeurs, y compris
les corrections pour les effets
systématiques.

Les grandeurs d'entrée X 1, … XN

représentent toutes les informations que
nous avons à notre disposition pour
calculer le résultat . 59
 ÉVALUATION DES INCERTITUDES DES
GRANDEURS D’ENTRÉE

• Comment évaluer les incertitudes sur les

différentes grandeurs d’entrées ?

• Introduction des outils préconisés par le

GUM

Type A Type B
 COVARIANCE - CORRELATION

• Étape 1 : y = f(x1,…,xn)
• •Étape 2 : Estimation des incertitudes-
types associées à chacune des
composantes du modèle
u(x1), …, u(xn)
• On s’intéresse maintenant aux variables
prises 2 à 2

• Estimation de la COVARIANCE
• Notation GUM : u(xi;xj)
COVARIANCE - CORRELATION
 INCERTITUDE ELARGIE

• Incertitude élargie (Gum 2.3.5) Grandeur

définissant un intervalle , autour du
résultat d’un mesurage, dont on puisse
s’attendre à ce qu’il comprenne une
fraction élevée de la distribution des
valeurs qui pourraient être attribuées
raisonnablement au mesurande
U = k uc(y)
 Résultat annoncé

• On exprime le résultat du mesurage de la

façon suivante :
• y ±U (unité) en donnant la valeur numérique
de k

• Un résultat de mesure, pour qu’il ait une

signification physique, doit être arrondi en
fonction de l’incertitude liée à ce résultat

• L’arrondissage ne doit pas être réalisé en

plusieurs étapes mais en une seule fois
 Règle d’arrondissage

• Par convention:

• On considère au plus 2 chiffres significatifs.

• On arrondi par excès l’incertitude.
• On arrondi la valeur du mesurande.
Liste des sigles
AIEA: Agence internationale pour l'énergie atomique.
BIPM: Bureau international des poids et mesures.
CEN : Comité Européen de Normalisation.
CMA: Comité Marocain d’Accréditation.
VIML: Vocabulaire international des termes de métrologie
légale.
CMA: Comité Marocain d’Accréditation.
IMANOR: Institut Marocain de Normalisation.
ISO: Organisation internationale de normalisation.
MICMANE: Ministère de l’Industrie, du Commerce et de la
Mise à Niveau de l’Économie.
SNIMA: Service de Normalisation Industrielle Marocaine.
SSM: Système de surveillance en métrologie.
1 66