Chapitre II.

LES ERREURS DE MESURE

Mesurer, la tâche est rude, surtout si l'on effectue consciencieusement plusieurs essais. On se
retrouve alors devant une collection de résultats plus ou moins dispersés qu'il faut judicieusement
traiter.

Prenons l'exemple de la mesure de la capacité calorifique d'un calorimètre :

Figure 1

Que faire ? Quel résultat donner ? Il faudra bien en donner un !

1. CONFRONTATION DES MESURES ET DES LOIS PHYSIQUES

Les seules grandeurs physiques dont la valeur est parfaitement connue sont les grandeurs étalons
fixées par convention. Toute autre grandeur physique ne sera connue qu’à l’aide d’une chaîne de
mesure.

Le calorimètre est caractérisé par sa capacité calorifique C qui est une grandeur physique unique. Le
rôle de l’expérimentateur est de trouver une valeur la plus proche possible de la vraie valeur de C.

Le résultat de la mesure s'exprime par un nombre suivi d’une unité : C = 282,8 J.K-1 (1)

Mais, en physique, on ne pourra pas apporter au signe " = " la même signification qu'en
mathématique :

* C désigne la grandeur en dehors de toute mesure.

* 282,8 J.K-1 désigne le résultat obtenu avec une chaîne de mesure donnée.

L'égalité (1) comporte ainsi un certain flou. On la dit « vraie aux incertitudes de mesure près » et elle
ne sera valable qu'à l'intérieur d'un domaine qu'il faudra préciser.

Remarque : Il est aussi possible de remplacer le signe « = » par le signe « ? » ou de convenir que
l’approximation porte sur le dernier chiffre affiché dans le résultat.

En fait, on cherchera à représenter le résultat sous la forme suivante :

où C est le meilleur estimateur de la valeur réelle C et u(C) est l’incertitude sur C.

On s’accorde pour prendre pour meilleur estimateur de C la valeur moyenne de l’échantillon.

Un travail délicat consiste à évaluer l’incertitude ou l’exactitude … si l’on se veut optimiste !

2. CAUSES DES INCERTITUDES

Deux types d’erreurs peuvent apparaître. Elles peuvent très souvent être combinées l’une à l’autre
ce qui rend l’analyse des données délicate.

2.1. Erreurs aléatoires : défauts de fidélité

Considérons toujours notre grandeur C à mesurer. Sa mesure a été effectuée un grand nombre de
fois, dans des conditions apparemment identiques avec des mesures indépendantes les unes des
autres. Malgré ces précautions, on constate que l'on aboutit à des résultats différents les uns des
autres : les résultats sont dispersés.

Un traitement statistique des résultats permettra d'estimer l'incertitude qui est due à ces ERREURS
ALÉATOIRES.

On dit alors qu'apparaissent des DÉFAUTS DE FIDÉLITÉ.

Les défauts de fidélité se manifestent par la non répétabilité des résultats. De nombreuses causes
sont responsables de ces erreurs qui jouent aléatoirement dans un sens ou dans un autre :par
exemple le manque de fidélité de l'instrument de mesurage .

Définition de la fidélité : "Qualité qui caractérise l'aptitude d'un instrument de mesurage à donner
pour une même valeur de la grandeur mesurée, des indications concordant entre elles, les erreurs
systématiques des valeurs variables n'étant pas prise en considération" (AFNOR)

2.2. Les erreurs systématiques : défauts d'exactitude ou de justesse

Le résultat obtenu prend toujours la même valeur mais ce n’est pas la valeur attendue : un décalage
systématique apparaît.

La caractéristique de ces défauts est d'agir toujours dans le même sens sur le résultat de la mesure,
le faussant systématiquement par excès ou par défaut. On dit que ces défauts introduisent des
ERREURS SYSTÉMATIQUES.

Au fait, qu’est-ce que la justesse ?

Définition : "Qualité qui caractérise l'aptitude d'un instrument de mesurage à donner des indications
égales à la valeur vraie de la grandeur mesurée, les erreurs de fidélité n'étant pas prises en
considération" (Normes AFNOR : METROLOGIE NF EX 07-001).

Ces défauts peuvent provenir soit :

Origine possible Exemples

* de la chaîne de mesure :

Déplacement du zéro, étalonnage ou calibrage défectueux, connaissance imparfaite des appareils qui
constituent la chaîne de mesure.

* de la méthode mise en œuvre :

Pesée d’un solide hydroscopique, pesée d’un solide volatile.

* de l'expérimentateur :

Erreur de parallaxe.

L'attitude doit être la suivante :

• avoir conscience de leur existence.

• veiller à les dépister, en se souvenant qu'ils agissent toujours dans un sens déterminé.

• essayer de réduire leur influence par une utilisation convenable des instruments (réglage de
zéro, par exemple) ou, éventuellement, en changeant de méthode de mesure.
• si c'est impossible, effectuer une correction qui, dans la mesure du possible, tiendra compte
du défaut.

L’erreur de justesse induit donc un décalage systématique par rapport à la valeur vraie mais
n’explique pas la dispersion des résultats.

2.3. Sensibilité d’un appareil de mesurage

Définition : "La sensibilité d'un appareil de mesurage, pour une valeur donnée de la grandeur
mesurée G, s'exprime par le quotient de l'accroissement de la variable observée dL par
l'accroissement correspondant de la variable mesurée dG. Cette sensibilité s'exprime par le rapport "
(AFNOR)

• La résolution de l’appareil peut être notée : . C’est la limite de détection de l’appareil.

• Certains appareils sont caractérisés par une sensibilité constante sur toute leur étendue de
mesure ; pour d'autres, au contraire, la sensibilité varie avec l'ordre de grandeur de la mesure.

• Il est toujours inutile et parfaitement illusoire de chercher à exploiter un instrument au-delà

des limites de sa sensibilité : il s'agit d'une caractéristique de construction que l'utilisateur peut
préserver en se servant convenablement de l'instrument, mais ne peut jamais améliorer.

En particulier lorsque la mesure se résume à la lecture de la position d'une aiguille face à une
graduation, il est toujours inutile d'essayer d'apprécier mieux que la demi division. La vue perçante
de l'observateur ne change rien à la qualité de l'instrument de mesure.

3. Classification des incertitudes

Le résultat d’un mesurage n’est toujours qu’une estimation de la valeur de la grandeur sujette au
mesurage que l’on appelle le mesurande.

Le résultat ne peut être complet qu’uniquement accompagné par le traitement quantitatif de ses
incertitudes.

L’incertitude associée aux résultats d’un mesurage peut être regroupée en deux catégories en
fonction des méthodes utilisées pour estimer leur valeur numérique :

• Les incertitudes standards de type A qui sont évaluées par des méthodes statistiques

• Les incertitudes standards de type B qui sont évaluées par d’autres méthodes.

NB : Aucun rapport avec les erreurs systématiques et aléatoires.

3.1. Les incertitudes standards de type B

Il s’agit essentiellement d’incertitudes déterminées à partir de notice de constructeur, de codes de

couleurs, etc.

Notation : Soit une grandeur m à mesurer, son incertitude standard de type B se note : uB(m).

Soit ? l’indication de l’incertitude du constructeur. La norme impose de prendre une incertitude

standard de type B de valeur :

Exemple 1 : Votre double décimètre a une résolution (égale ici au ?) de 1 mm. L’incertitude de type B
liée à son utilisation vaut 0,289 mm.
Exemple 2 : Une résistance de 100 ? a une tolérance de ±5%, son incertitude relative sera

L’incertitude standard de type B est toujours plus petite que l’indication du constructeur.

3.2. Les incertitudes standards de type A

Les incertitudes standards de type A sont obtenues à partir du traitement statistique de N

mesurages.

Il est donc nécessaire d’apprendre à maîtriser les principales fonctions statistiques des calculatrices
(ou des tableurs) ; en particulier la moyenne et l’écart type sans biais (?n-1).

L’incertitude standard de type A est alors donnée par :

3.3. Intervalle de confiance

Soit la grandeur C dont la valeur réelle restera toujours inconnue. Soit le résultat d'une série de
mesurages de C. Il est possible - par des méthodes qui seront exposées plus loin - de déterminer un
intervalle à l'intérieur duquel on a une probabilité ? (le niveau de confiance) de trouver la valeur de C
:

Cela peut se représenter par la figure suivante :

Figure 2

On appelle intervalle de confiance l'intervalle de largeur 2k u(C.)

La valeur du coefficient de correction k est trouvé dans un tableau de la loi de Student. On peut aussi
convenir de prendre k = 2 (valeur approchée fréquente).

3.4. Niveau de confiance

Si l'on désire que la probabilité, pour que C se trouve à l'intérieur de l'intervalle de confiance 2u(C),
soit égale à 100%, il faut évidemment que cet intervalle soit très large (en toute rigueur, infini). Par
contre, si l'on se limite à une probabilité de 95%, l'intervalle de confiance n'aura pas besoin d'être
aussi large.

Ainsi, lorsqu'on donne un intervalle de confiance, il faut aussi indiquer la probabilité qu'a C de s'y
trouver. Cette probabilité s'appelle le niveau de confiance.

3.5. Combinaison des deux types d’incertitudes

Les incertitudes peuvent provenir de plusieurs sources : à la fois de typa A et de type B voire
plusieurs type B différents (lecture, qualité de l’appareil…). Elles se combinent donc et l’on définit
donc l’incertitude standard combinée :

On remarque que l’on ajoute les variances et non pas les écart-type .
4. Définitions

4.1. Incertitude relative et précision

On appelle incertitude relative le rapport : La précision est son expression en pourcentage.

4.2. Expression des résultats

Le nombre de chiffres indiqués doit correspondre à la précision obtenue lors de la mesure,

l'incertitude absolue portant sur le dernier chiffre :

25,2 ? 0,1 g.dm-3 incertitude absolue : 0,1 g.dm-3

incertitude relative :

précision : 0,4 %

0,1000 ? 0,0002 mol.dm-3 incertitude absolue : 0,0002 mol.dm-3

incertitude relative :

précision : 0,2 %

4.3. Histogramme des résultats

C'est le nom que l'on donne à une représentation du type de celle de la figure 1 : chaque point
représente un résultat de mesure.

4.4. Courbe de distribution des résultats

C'est la courbe représentative du nombre de résultats en fonction des valeurs de ces résultats.

Pour l'exemple de la mesure de la capacité thermique d'un vase calorimétrique de la figure 1, on

aurait :

Résultats de mesure (J.K-1) 200 210 220 230 240 250 260 270

Nombre de résultats 2 9 19 26 24 14 5 1

et la courbe de distribution serait la suivante :

Figure 3

4.5. Courbe de Gauss

Lorsque le nombre N de mesures est très important, les valeurs expérimentales tendent à
correspondre à une distribution normale et la courbe de distribution est une courbe de Gauss dont
l'allure est donnée sur la figure ci-dessous.
Figure 4

Cette courbe de Gauss présente les propriétés suivantes :

* Le maximum a pour abscisse la moyenne m de tous les xi .

* La décroissance est symétrique de part et d'autre du maximum.

* Il existe deux points d'inflexion A et B.

* Les points d'inflexion ont pour abscisse respective :

m-? et m+?

d'où : AB = 2 ?

Quelle que soit la distribution normale (maximum plus ou moins aplati), il y a environ :

30% des mesures qui présentent un écart : ?xi -m? > ?

5% des mesures qui présentent un écart : ?xi -m? > 2?

et 0,3% avec : ?xi -m? > 3?

Autrement dit, environ 70% des mesures présentent un écart par rapport à la moyenne m inférieur
à ? ; 95% un écart inférieur à 2? et 99,7% un écart inférieur à 3?.

La probabilité pour qu'une mesure présente un écart à la moyenne supérieur à 2? peut donc être
considérée comme faible, inférieure à 5%.

En pratique, on ne réalise jamais un nombre N vraiment très grand de mesures, mais un nombre fini
n. On appellera série de mesures l'échantillon de taille n.

4.6. Cas d'une petite série de mesures

a. Écart à la loi normale

Si le nombre de valeurs dont on dispose est réduit. Par exemple si n < 20, la courbe de distribution
des résultats s’apparente mal à une gaussienne ; l’écart type calculé reflète alors mal la dispersion
des résultats, il faut alors apporter un terme correctif.

b. Recherche du facteur de correction k par la méthode de Student :

En dehors de la méthode précédente d'estimation ponctuelle d'une moyenne à partir d'une ou de

plusieurs séries de mesures, il existe une autre méthode : l'estimation par intervalle de confiance.
Elle s'applique si la distribution des moyennes suit une loi de Gauss - ce qui est généralement le cas.

Comment procéder pratiquement ?

* déterminer la valeur de l'écart type ?n-1 par estimation ponctuelle.

* choisir le niveau de confiance dont on a besoin :

par exemple 0,95 : probabilité à 95% pour que m se trouve dans l'intervalle considéré.

* chercher dans les tables de Student la valeur du coefficient k noté t95 correspondant au
niveau de confiance choisi et au nombre n de mesures effectuées :

• pour 0,95 et N = 30 on trouve t = 2,04 ;

• pour 0,99 et N = 20 on trouve t = 2,86 ;

* calculer les bornes de l'intervalle de confiance.

Reprenons l'exemple de la détermination de la capacité thermique du calorimètre. On a déjà calculé:

= 232,8 J.K-1 et ? = 14,36 J.K-1

Pour le niveau de confiance 95%, on trouve t95 = 1,98. Cela conduit à :

230,0 ? m ? 235,6

Pour le niveau de confiance 99%, t99 = 2,63. Cela conduit à :

229,0 ? m ? 236,6

Voici la table des coefficients t appelés coefficients de Student. On constate qu'au-delà de N = 20

résultats, les valeurs de t sont sensiblement les mêmes que pour un très grand nombre de valeurs.

TABLE DES COEFFICIENTS t DE STUDENT

(n est le nombre de mesures)

n 2 3 4 5 6 7 8 9 10

t95 12,7 4,30 3,18 2,78 2,57 2,45 2,37 2,31 2,26

t99 63,7 9,93 5,84 4,60 4,03 3,71 3,50 3,36 3,25

n 12 14 16 18 20 30 50 100 *

t95 2,20 2,16 2,13 2,11 2,09 2,04 2,01 1,98 1,96

t99 3,11 3,01 2,95 2,90 2,86 2,76 2,68 2,63 2,57

5. Conclusion

Avant d'entreprendre la mesure d'une grandeur :

* Déterminer la précision dont on a besoin afin de choisir un instrument et une méthode

capable de l'atteindre.

* Envisager la possibilité de défauts de justesse, tant au niveau de l'instrument qu'au niveau de

la méthode elle-même.

* Effectuer les réglages nécessaires pour éliminer, ou plutôt minimiser, les défauts de justesse
(réglage de zéro, tarage préliminaire d'échelle...)
* Éventuellement, envisager d'effectuer une correction des résultats que l'on obtiendra si les
défauts de justesse sont inhérents à la méthode utilisée. Cette correction devra évidemment rester
faible par rapport au résultat proprement dit, faute de quoi la méthode devra être disqualifiée et il
faudrait en changer.

On parviendra ainsi, soit à diminuer convenablement, soit à corriger les erreurs systématiques.

La précision des mesures sera alors limitée par le plus grand des deux facteurs :

• défauts de fidélité qui entraînent des erreurs aléatoires ;

• ou sensibilité de l'instrument.

En première approximation, on peut penser qu'un instrument peu sensible donnera l'impression
d'être fidèle (des mesures répétées de la même grandeur donneront le même résultat), alors qu'un
instrument plus sensible pourra laisser apparaître des défauts de fidélité (qui peuvent être dus à la
fois à l'instrument lui-même, à la grandeur que l'on mesure et aux conditions dans lesquelles on se
trouve pendant la mesure).

Dans le premier cas, la précision est limitée par la sensibilité de l'instrument. On admettra alors que
toute mesure x donne une estimation suffisante de la valeur vraie de la grandeur X et on cherchera
simplement à se prémunir contre les erreurs grossières (erreurs de lecture, par exemple) en
effectuant deux mesures successives x1 et x2. Soit R le pouvoir de résolution de l'instrument, on
considérera les résultats comme concordants si :

et on adoptera pour résultat de la mesure :

On écrira :

R sera une bonne estimation de l'incertitude absolue sur la mesure de X.

L'incertitude relative sera :

et la précision de la mesure :

Si les deux résultats successifs x1 et x2 ne concordent pas, il faudra effectuer un troisième essai x3. Si
x3 concorde avec un des deux premiers essais, par exemple x1, on sera amené à rejeter x2 comme
aberrant et à donner finalement pour résultat de mesure :

Si x3 ne concorde avec aucun des deux premiers résultats, cela pourra être le signe d'une précision
limitée, non pas par la sensibilité de l'appareil, mais plutôt par des défauts de fidélité.

Lorsque la précision est limitée par des défauts de fidélité, les incertitudes sont aléatoires et on est
amené à tirer le maximum d'informations des résultats expérimentaux par des méthodes
statistiques.

C'est dans ce second cas que l'on se trouve le plus généralement. En effet, on cherchera à mettre en
œuvre des méthodes de mesure de précision optimale.
Annexe 1 : Causes possibles des défauts de fidélité

Erreurs liées aux caractéristiques des appareils : Exemples :

Erreur de mobilité : ?m

En dessous d’une certaine valeur, les variations de la grandeur à mesurer n’entraînent pas de
variation décelable sur la chaîne de mesure.

Potentiomètre bobiné : un déplacement du curseur inférieur à la distance entre deux spires ne

change rien au résultat de sortie.

Erreur de lecture : ?l

Elle dépend des qualités de l’expérimentateur mais aussi de la largeur des traits de graduation…

Elle est nulle pour un appareil numérique !

Erreur de résolution : (voir aussi sensibilité)

C’est la combinaison des deux types d’erreurs précédents :

La graduation d’une règle, d’un pied à coulisse. Le dernier chiffre affiché sur un appareil numérique
(UR= unité de représentation)

Erreur d’hystérésis : On parle aussi de réversibilité définit comme la…

"Qualité qui caractérise l'aptitude d'un instrument de mesurage à donner la même indication
lorsqu'on atteint une même valeur de la grandeur mesurée, que cette valeur ait été atteinte par
variation croissante ou décroissante continue de la grandeur" (AFNOR)

Hystérésis de dilatation, mécanique d’un ressort, magnétique d’un matériau ferromagnétique…

Erreurs dues à des « signaux parasites » La cote d’une pièce mal usinée n’est pas une valeur
unique. N’oublions pas que si, à l’échelle de notre oeil, une surface paraît plane, ce sont des
montagnes à l’échelle microscopique !

L’agitation thermique des porteurs de charge dans les résistances provoque un bruit de fond qui
entraîne des fluctuations de tension qui se superposent au signal utile.

Rayonnement parasite (50 Hz du secteur…)

Mauvaise stabilisation des alimentations…

Erreurs dues à des grandeurs d’influence Influence non prise en compte des variations de
température, de pression…
Annexe 2 : Grandeurs statistiques

Soit X la grandeur à mesurer. Supposons que l'on ait réalisé, dans un premier temps un très grand
nombre N de mesures fournissant les résultats xi.

5.1. Définitions

a. Moyenne arithmétique

b. Déviation à la moyenne

xi - m

c. Somme des déviations à la moyenne

Cette somme étant toujours nulle, la notion de déviation moyenne ne présente aucun intérêt : elle
ne pourra fournir aucun renseignement.

d. Écart à la moyenne

? xi - m ?

e. Variance ou fluctuation

f. Écart type ou écart quadratique moyen

L’écart type donne une indication de la dispersion des résultats.