IMEKO-TC10-2020-044_6 fr

Abonnez-vous à DeepL Pro pour traduire des fichiers plus volumineux.
Visitez www.DeepL.com/pro pour en savoir plus.

17e conférence virtuelle IMEKO TC 10 et EUROLAB
"Global Trends in Testing, Diagnostics & Inspection for 2030"
20-22 octobre 2020.
Incertitude de mesure selon ISO

19036:2019
Ivana Ljevaković-Musladin1
1Institut de santé publique de Dubrovnik, Dubrovnik, Croatie, ivana.ljevakovic-musladin@zzjzdnz.hr,
+38520341040
Résumé - L'ISO 19036 est une norme internationale Mots clés - Incertitude de mesure ; ISO 19036 ;
qui spécifie et donne des lignes directrices pour Incertitude technique ; Incertitude matricielle ;
l'estimation et l'expression de l'incertitude de mesure Incertitude distributionnelle
(UM) associée aux résultats quantitatifs des
dénombrements microbiens dans les aliments. La I. INTRODUCTION
norme décrit une approche descendante ou globale de
l'incertitude de mesure, dans laquelle l'incertitude de
mesure est calculée à partir des résultats
expérimentaux avec réplication des mêmes analyses
dans le cadre du processus de mesure et exprimée sous
la forme d'un écart-type de reproductibilité du
résultat final. Dans une nouvelle révision de 2019, la
norme ISO 19036 considère trois types de
composantes de la MU : l'incertitude technique,
l'incertitude matricielle et l'incertitude
distributionnelle. L'objectif de cette étude était
d'estimer toutes les composantes de l'incertitude
technique conformément à la norme ISO 19036:2019.
L'incertitude technique a été estimée pour les tests
quantitatifs de dénombrement des staphylocoques à
coagulase positive, de Listeria monocytogenes,
d'Escherichia coli, des entérobactéries et des bactéries
mésophiles aérobies, tandis que l'incertitude
matricielle a été estimée pour les crèmes glacées, les
fromages, les légumes prêts à consommer, les aliments
prêts à consommer et les gâteaux à la crème.
L'incertitude technique a été estimée à partir de
l'écart-type de reproductibilité du résultat final du
processus de mesure, tandis que l'incertitude
matricielle a été estimée à partir de la variance intra-
échantillon par l'examen de plusieurs portions d'essai
de l'échantillon de laboratoire. L'incertitude
distributionnelle est estimée mathématiquement.
L'étude a montré que les incertitudes techniques des
méthodes quantitatives réalisées dans notre
laboratoire sont de même ampleur et assez faibles.
L'incertitude liée à la matrice est celle qui contribue le
plus à l'incertitude combinée dans les matrices
alimentaires composites. Nos résultats sont meilleurs
ou en accord étroit avec les résultats des études
interlaboratoires de validation des méthodes et
d'autres données publiées.
Rédacteurs en chef : Zsolt János Viharos ; Prof. Lorenzo Ciani ; Prof. Piotr Bilski & Mladen 302
Jakovcic
20-22 octobre 2020.
Le Guide ISO/CEI 98-3 ("GUM") définit

l'incertitude de mesure (MU) comme un paramètre
associé au résultat d'un mesurage qui caractérise la
dispersion des valeurs qui pourraient raisonnablement
être attribuées au mesurande. Elle est utilisée pour
exprimer et quantifier le manque d'exactitude (justesse
et précision) des résultats de laboratoire ou, à l'inverse,
pour indiquer le degré de confiance que l'on peut
accorder aux résultats de mesure. Le "paramètre"
associé au résultat peut être un écart-type, un écart-type
relatif, un intervalle de confiance ou une fourchette [1].
Le GUM est un document de référence principal sur
l'incertitude de mesure. Selon ce document, la
principale approche pour l'estimation de l'incertitude de
mesure consiste à construire un modèle mathématique
de mesure capable de définir quantitativement toutes les
grandeurs d'entrée individuelles dont dépend la quantité
de mesurande, de sorte que l'incertitude de mesure
puisse être calculée à partir de toutes les incertitudes
des grandeurs d'entrée. Toutefois, ce modèle n'est pas
réalisable en microbiologie alimentaire, car il n'est pas
possible de quantifier avec précision chaque grandeur
d'entrée, étant donné que l'analyte est un micro-
organisme vivant dont les états physiologiques sont
largement variables et qui comporte de nombreuses
souches/espèces/génériques différentes et que, pour de
nombreuses grandeurs d'entrée, leur impact sur le
mesurande ne peut être quantifié de manière adéquate.
L'ISO 19036 est une norme internationale qui
spécifie des exigences et donne des lignes directrices
pour l'estimation et l'expression de l'incertitude de
mesure associée aux résultats quantitatifs des
dénombrements microbiens dans les aliments. La
norme décrit une approche descendante ou globale de
l'incertitude de mesure, dans laquelle l'incertitude de
mesure est calculée à partir des résultats expérimentaux
avec répétition des mêmes analyses dans le cadre du
processus de mesure et est exprimée sous la forme d'un
écart-type de reproductibilité du résultat final. Dans ce
cas, l'écart type de reproductibilité inclut déjà les
contributions de la plupart des quantités d'entrée. Dans
une nouvelle révision de 2019, la norme ISO 19036
considère trois types distincts de composantes de
l'incertitude mutuelle : l'incertitude technique,
l'incertitude matricielle et l'incertitude distributionnelle
[2].
Étant donné que les valeurs de référence ou les
valeurs assignées ne sont généralement pas disponibles
en microbiologie alimentaire, le biais ne peut être
estimé de manière fiable et n'est pas pris en compte
dans l'estimation des valeurs de référence.
Jakovcic
20-22 octobre 2020.
l'incertitude selon la norme ISO 19036:2019. L'incertitude distributionnelle résulte de la variabilité

L'incertitude d'échantillonnage n'est pas non plus intrinsèque associée à la distribution des micro-organismes
couverte par ce document puisqu'elle ne fait pas partie de dans l'échantillon et ses dilutions. Dans le cas d'un
l'incertitude liée à la mesure elle-même.
La norme ISO 19036:2019 propose également deux
options pour l'estimation de la MU. L'option 1 inclut les
trois composantes de l'incertitude estimées
individuellement et la MU est rapportée en tant
qu'incertitude combinée (uc) de l'incertitude technique,
matricielle et distributionnelle. L'option 2 est basée
uniquement sur une incertitude technique et rapportée
comme telle, si cela est cohérent avec les protocoles du
laboratoire et les exigences du client [2].
A. Incertitude technique (utech)

L'incertitude technique découle de la variabilité
opérationnelle et est une caractéristique de la méthode.
Elle comprend la variabilité du prélèvement, du mélange,
de la préparation de la dilution initiale et des dilutions en
série ultérieures de la portion à tester à partir de
l'échantillon de laboratoire, la variabilité de l'inoculation,
du comptage des colonies et de la confirmation, ainsi que
la variabilité des conditions d'incubation et du contenu et
de la qualité des milieux. Elle est estimée à partir de
l'écart-type de reproductibilité ou de l'écart-type de
reproductibilité intralaboratoire (sR) sur le résultat final de
la mesure. Selon la norme ISO 19036, l'incertitude
technique peut être estimée à partir d'une seule matrice
puisque le protocole expérimental est conçu pour exclure
les contributions de la matrice.
B. Incertitude de la matrice (umatrix)

En microbiologie alimentaire, les résultats des tests
peuvent être fortement influencés par la composition de la
matrice et la distribution microbienne. L'incertitude liée à
la matrice ne concerne toutefois que les effets de la
distribution microbienne dans une certaine matrice et est
une caractéristique de cette matrice spécifique. Cette
incertitude provient des variations entre les résultats de
différentes portions de test du même échantillon de
laboratoire et reflète la mesure dans laquelle les portions
de test individuelles ne sont pas représentatives de
l'échantillon de laboratoire complet. L'incertitude liée à la
matrice est considérée comme indépendante de la
méthode d'analyse et peut donc être appliquée à tous les
essais quantitatifs réalisés dans la même matrice. Pour les
matériaux homogènes ou très bien homogénéisés, tels que
les liquides, les poudres, les solides hachés ou les fluides,
l'incertitude de la matrice est généralement très faible. En
revanche, les matériaux très hétérogènes et à composants
multiples, tels que les fromages, les légumes fraîchement
coupés et les aliments prêts à consommer, peuvent
présenter une incertitude matricielle très importante.
L'incertitude matricielle est surestimée car elle inclut
inévitablement l'incertitude technique qui provient des
variations opérationnelles entre les analyses répétées.
C. Incertitude distributionnelle (uPoisson)
Jakovcic
20-22 octobre 2020.
En microbiologie, la variabilité intrinsèque des micro- faible, avec une valeur moyenne de 0,10 log10 ufc/g
organismes suit généralement une distribution de (intervalle 0,01 - 0,58 log10 ufc/g, médiane 0,07). L'écart-
Poisson [1]. Contrairement à l'incertitude technique et à type résiduel était encore plus faible (0,03 - 0,33 log10
l'incertitude matricielle, l'incertitude distributionnelle ufc/g, médiane 0,10), mais la valeur moyenne était de
est calculée mathématiquement comme une incertitude 0,11 log10 ufc/g. L'écart-type total était compris entre 0,04
standard de Poisson pour chaque résultat d'essai et 0,78 log10 ufc/g, avec une valeur médiane de 0,23 log10
u f c / g et une valeur moyenne de 0,26 log10 ufc/g. En
individuel. Dans les méthodes de comptage des
colonies, l'incertitude distributionnelle minimale général, l'écart-type élevé était dû aux résultats élevés du SIS.
dépend du nombre total de colonies comptées (∑ 𝐶).
La norme ISO 19036:2019 reconnaît également
l'incertitude de confirmation dans les techniques de
comptage des colonies qui nécessitent la confirmation
des colonies présumées et l'incertitude du nombre le
plus probable (NPP), mais ces deux incertitudes ne
seront pas abordées ici.
L'objectif de cette étude était d'estimer toutes les

composantes de la MU conformément à la norme ISO
19036:2019. L'incertitude technique a été estimée pour
les tests quantitatifs concernant les staphylocoques à
coagulase positive (CPS), Listeria monocytogenes
(LM), la numération des colonies d'Escherichia coli
(EcCC), la numération des colonies d'entérobactéries
(ECC) et la numération des colonies aérobies (ACC),
tandis que l'incertitude matricielle a été estimée pour la
crème glacée, le fromage, les légumes prêts à
consommer (PAM), les aliments prêts à consommer
(APC) et les gâteaux à la crème.
II. RÉSULTATS CONNEXES DANS LA

LITTÉRATURE
Outre les normes ISO relatives aux méthodes
microbiologiques [3-8], qui incluent des données
obtenues par des études interlaboratoires de validation
des méthodes, la principale source de résultats connexes
est le rapport AFSSA/ISO sur les essais ISO 2003/2004
concernant la mesure de l'incertitude [9]. L'objectif de
ces essais était d'estimer la part de MU liée au
prélèvement de la prise d'essai et à la préparation de la
suspension initiale à partir d'un échantillon de
laboratoire (d'essai) de différents types de matrices. 13
micro-organismes ont été dénombrés dans 91 matrices
différentes, dont des aérobies mésophiles, des
coliformes, Escherichia coli ꞵ-glucuronidase positive,
Staphylococcus coagulase positive, Enterobacteriaceae
et Listeria monocytogenes dans la viande et les produits
carnés, les produits laitiers, les fruits et légumes, les
fruits de mer, les aliments divers et les aliments
composites. Les résultats obtenus ont permis de calculer
les écarts types : entre les suspensions initiales (sIS),
entre les conditions (scond), l'écart type résiduel entre les
répétitions (sres) et l'écart type total (stot), qui est l'écart
type combiné des trois. Les essais ont montré que
l'écart-type entre les suspensions initiales (spécifiques à
la matrice) était celui qui contribuait le plus à l'écart-
type total, avec une valeur moyenne de 0,19 log10 ufc/g
(fourchette de 0,01 à 0,74 log10 u f c / g , médiane de 0,15
log10 ufc/g). L'écart-type entre les conditions
(reproductibilité intralaboratoire) a été estimé plus
Jakovcic
20-22 octobre 2020.
Un SISimportant s'explique par une forte hétérogénéité de

la distribution des micro-organismes dans la matrice et/ou
par une flore difficile à dénombrer. Des essais ont
également déterminé que pour les échantillons
homogènes (liquides et poudres), l'incertitude de la
matrice est de 0,1 log10 cfu/g [9]. Cette constatation a été
acceptée par l'ISO et mise en œuvre dans la norme ISO
19036:2019 comme incertitude matricielle pour les
matrices homogènes et les échantillons qui peuvent être
homogénéisés avant de prélever la portion d'essai [2].
Les travaux de Jarvis et Corry ont largement contribué
à l'incertitude des mesures en microbiologie alimentaire.
Leurs études, articles et livres respectifs sont des sources
inestimables de connaissances et de données
(microbiologiques et statistiques) sur le sujet. Les deux
auteurs (ainsi que S. Passmore et A. Hedges) ont
collaboré à un examen critique de l'incertitude dans le Figure 1. Protocole expérimental pour l'estimation de
dénombrement des micro-organismes alimentaires. la reproductibilité intra-laboratoire (ISO
[10], où ils ont passé en revue les données publiées sur 19036:2019)
l'incertitude en microbiologie alimentaire en ce qui
concerne les causes et l'ampleur de la variabilité. Ils ont
également proposé des méthodes statistiques qui
peut être utilisé pour évaluer la variabilité et les 𝑠= √1 ∑n (y - y )2 (1)
précautions à prendre.
afin de minimiser l'incertitude. 𝐼𝑅 2n i=1 iA iB
III. DESCRIPTION DE LA MÉTHODE où i est l'indice de l'échantillon, i = 1 à n (n ≥ 10) et

yiA, yiB
sont les données transformées en log10, en log10 cfu/g,
A. Incertitude technique des conditions A et B respectivement. Le logiciel
L'incertitude technique a été estimée pour les Microsoft® Excel® a été utilisé pour les calculs.
méthodes quantitatives de dénombrement des
staphylocoques à coagulase positive, de Listeria B. Incertitude de la matrice
monocytogenes, d'Escherichia coli, des entérobactéries et L'incertitude de la matrice a été estimée en testant
des bactéries mésophiles aérobies en suivant le protocole plusieurs portions de test du même échantillon (matrice)
de la norme ISO 19036, illustré à la figure 1. Au moins dans des conditions de répétabilité (même analyste, même
10 échantillons de laboratoire (artificiellement équipement et mêmes lots de milieux de culture dans un
contaminés) du même type de matrice ont été analysés à court laps de temps), comme le montre la figure 2. Pour
des jours différents afin d'inclure autant de variabilité que cette estimation, des échantillons naturellement
possible dans l'estimation. Deux portions de test contaminés ont été utilisés (fromage, crème glacée,
parallèles (2 x 10 g) de chaque échantillon de laboratoire légumes prêts à consommer, gâteau à la crème et aliments
ont été analysées dans des conditions de reproductibilité prêts à consommer). 11 portions de test (11 x 10 g) ont
aussi différentes que possible (différents analystes, été analysées à partir d'un échantillon de laboratoire
différents lots de milieux de culture, différents (matrice) conformément aux normes spécifiques [3-8].
incubateurs et pipettes). Les échantillons artificiellement Des numérations de colonies comprises entre 30 et 250-
contaminés ont été préparés avec des cultures fraîches 300 ufc/plaque ont été considérées comme des résultats
incubées dans un bouillon TSB à 37 °C/18-20 h, à partir acceptables. La fiabilité des résultats a été testée
duquel 1 suspension McFarland (108 cfu/mL) a été conformément à la norme ISO 14461-1 [8] et les
préparée et diluée de façon décimale à ~ 105 cfu/mL. 1 ml comptages non fiables ont été exclus.
de suspension de 105 cfu/mL a été inoculé dans chaque Les résultats des tests (cfu/g) ont été transformés en
suspension initiale (voir Fig. 1). log10 et l'écart-type de répétabilité intra-échantillon (sr) a
Les analyses de chaque portion testée ont été été calculé selon l'équation (2). Cela équivaut à l'écart
effectuées comme dans les tests de routine, selon des type des résultats log10. Le logiciel Microsoft® Excel® a été
méthodes spécifiques aux micro-organismes cibles [3-7]. utilisé pour les calculs.
Des comptages de colonies entre 30 et 250-
300 cfu/plaque ont été considérés comme des résultats 2
acceptables.
La fiabilité des résultats a été testée conformément à la (c e 𝑠𝑟
norme ISO 14461-1. ol
[8] et les comptages non fiables ont été exclus. Résultats o
ni
Jakovcic
20-22 octobre 2020.
√∑(𝑦𝑖-𝑦 ̄)
= (2
𝑛-1
)
Les unités formatrices de germes par gramme (cfu/g) ont où n = 11, yi est le résultat de la portion de test i
ensuite été transformées en logarithme 10. L'écart-type de transformé en log10 et ȳ est une moyenne des résultats en
reproductibilité intralaboratoire (sR) a été calculé selon log10 cfu/g.
l'équation (1).
Jakovcic
20-22 octobre 2020.
Le tableau 1 présente le nombre de colonies (ACC), allant

de
0,04 log10 ufc/g à 0,11 ufc/g.
Tableau 1. Estimations de l'incertitude technique par paramètre
et par méthode microbiologique.
𝑢𝑡𝑒𝑐ℎ = 𝑠𝐼𝑅
Paramètre/méthode Matrice (log10 cfu/g)
Fromage 0.05
LM (ISO Glaces 0.05
11290-2) Tranches de jambon 0.06
Fromage 0.06
CPS Glaces 0.07
(ISO 6888-1) Viande hachée 0.05
Fromage 0.04
EcCC Viande hachée 0.07
(ISO 16649-2) Légumes prêts à 0.09
Figure 2. Plan d'expérience pour l'estimation de
l'incertitude de la matrice (ISO l'emploi
19036:2019) Glaces 0.11
ECC Légumes prêts à 0.07
(ISO 21528-2) l'emploi
C. Incertitude distributive
Tranches de jambon 0.10
L'incertitude standard de Poisson (uPoisson) en log10 cfu/g Glaces 0.08
est calculée selon la formule (3). ACC Aliments prêts à 0.09
(ISO 4833-1) consommer
Tranches de jambon 0.09
1/ln (10) (3) La norme ISO 19036:2019 permet aux laboratoires, dont
0,4343 𝑢= = les
𝑃𝑜𝑖𝑠𝑠𝑜𝑛 𝐶
√∑ ∑
√
𝐶
la précision (répétabilité et reproductibilité) n'est pas
supérieure à
que les valeurs correspondantes obtenues dans l'étude
où ∑ 𝐶 est la somme de toutes les colonies
interlaboratoire, pour dériver la reproductibilité des
dénombrées. résultats d'une étude interlaboratoire de validation de
Si ∑ 𝐶= 0 (aucune colonie comptée) uPoisson = 0,4343.
méthode. Ces valeurs de reproductibilité sont répertoriées
dans des normes spécifiques [3-7] et peuvent être utilisées
comme indications générales des limites de
D. Incertitude combinée et élargie reproductibilité (R = 2,83-sR) lors de l'analyse
L'incertitude combinée (𝑢𝑐) est une combinaison de d'échantillons de denrées alimentaires en général. La
l'incertitude standard technique, de l'incertitude standard conversion des limites en écarts types de reproductibilité
matricielle et de l'incertitude standard distributionnelle (sR) a donné les résultats suivants : numération aérobie
estimées séparément (équation (4)). mésophile/bactéries 0,16 log10 cfu/g ; entérobactéries 0,31
log10 cfu/g ; L. monocytogenes sR
𝑢𝑐(𝑦) = √𝑢2 + 𝑢2 + 𝑢2 (4) = 0,15 log10 cfu/g et staphylocoques à coagulase positive sR
= 0,15 log10 cfu/g. La norme ISO 16649-2 pour E. coli est la
suivante
𝑡𝑒𝑐ℎ 𝑚𝑎𝑡𝑟𝑖𝑥 𝑃𝑜𝑖𝑠𝑠𝑜𝑛
n'incluent pas les données de validation de la méthode.
Étant donné que nos
Dans le cas où le laboratoire choisit l'option 2 pour
l'estimation de son incertitude, l'incertitude combinée est A. Incertitude technique
égale à l'écart-type de reproductibilité intralaboratoire (𝑢𝑐 Résultats de l'incertitude technique estimée pour les
= 𝑠𝐼𝑅 ). tests quantitatifs de dénombrement des staphylocoques à
L'équation (5) est utilisée pour le calcul de la valeur de coagulase positive (SCP), de Listeria monocytogenes (LM),
l'indice de masse corporelle élargi. de la numération des colonies d'Escherichia coli (EcCC),
l'incertitude (𝑈), avec le facteur de couverture 2, qui de la numération des colonies d'Enterobacteriaceae (ECC)
correspond à un niveau de confiance de 95 %. et de la numération des bactéries aérobies.
𝑈 = 2 𝑢𝑐(𝑦) (5)
IV. RÉSULTATS ET DISCUSSIONS

Jakovcic
20-22 octobre 2020.
Les incertitudes étant comprises entre 0,04 et 0,11, nous

pouvons conclure que nos valeurs de reproductibilité
sont supérieures ou en accord étroit avec les études de
validation interlaboratoires. Une bonne précision nous
permet d'utiliser ces valeurs de reproductibilité et nous
les avons acceptées comme critères de référence
(limites) dans le contrôle de qualité interne. Nos
résultats sont également en accord avec les données des
essais ISO où la reproductibilité intralaboratoire a été
estimée à
0,10 log10 cfu/g (intervalle 0,01 - 0,58 log10 cfu/g, médiane
0,07) [9].
De nombreuses études de l'UM en microbiologie ont
fait état d'un niveau élevé d'incertitude. Dans l'étude de
Jarvis et al [11], des essais interlaboratoires ont été
réalisés pour explorer l'incertitude des données
obtenues par des méthodes microbiologiques
normalisées pour les micro-organismes aérobies, les
Enterobacteriaceae et E. coli lorsque la matrice
(aliments) en tant que source de variabilité avait été
réduite ou supprimée. 19 laboratoires différents ont
analysé des ampoules lyophilisées de
Jakovcic
20-22 octobre 2020.
culture mixte standardisée. L'étude a montré que les des méthodes de dénombrement avec confirmation des
valeurs de reproductibilité étaient comprises entre 9,3 et colonies, comme pour les staphylocoques à coagulase
positive avec la gélose de Baird-Parker, le dénombrement
12,1 % (ce qui correspond à 0,58 - 0,77 log10 ufc/g) pour
de L. monocytogenes, le dénombrement de C. perfringens
les micro-organismes aérobies, entre 14,0 et 17,4 % (ce
et le dénombrement des bactéries anaérobies sulfito-
qui correspond à 0,72 - 0,88 log10 ufc/g) pour les
réductrices, l'écart-type inter-laboratoires est égal à 0,23
entérobactéries et entre 21,1 et 30,9 % (ce qui correspond
log10 ufc/g, 0,28 log10 ufc/g, 0,34 log10 u f c / g et 0,47 log10 ufc/g,
à 1,00 - 1,38 log10 ufc/g) pour E. coli. La principale
respectivement.
observation de cette étude est le niveau élevé
d'incertitude, qui est beaucoup plus large que ce que l'on
pourrait attendre de la règle microbiologique couramment
utilisée, selon laquelle les numérations de colonies sont
reproductibles dans une fourchette de ± 0,5 log10 par
rapport aux valeurs moyennes estimées. Les auteurs ont
conclu que les estimations de l'incertitude sont
influencées par la procédure d'essai elle-même, le choix
du milieu de culture et le choix de la méthode statistique
pour l'analyse des données.
De même, Corry et al [12] ont rapporté dans leur
étude que le pourcentage relatif d'incertitude de la
reproductibilité pour les numérations aérobies se situait
entre 5,5 et 10,5 % (±0,27 à ±0,60 log10 cfu/g) des
numérations moyennes, tandis que pour les
entérobactéries, les valeurs étaient beaucoup plus
élevées, allant de 21,6 à 23,5 % (±0,74 à ±0,96 log10
cfu/g). Les auteurs ont préféré exprimer la MU en tant
qu'écart-type relatif de reproductibilité (pourcentage des
numérations moyennes), car les valeurs relatives sont plus
utiles pour comparer les données obtenues dans d'autres
études.
L'étude de Jarvis et al [13] a analysé l'information
mutuelle provenant de programmes d'essais d'aptitude, de
la surveillance du contrôle interne de la qualité et de
l'examen de routine des denrées alimentaires par les
autorités de contrôle. Les auteurs ont constaté que les
données des essais d'aptitude montraient des valeurs
extrêmes de RSDR allant jusqu'à ±30 % en fonction du
micro-organisme, du laboratoire et de la méthode
d'examen. Les valeurs de RSDR des échantillons de
routine se situent en moyenne autour de ±12% avec un
maximum de ±41%, tandis que les données de contrôle de
qualité interne pour différents micro-organismes ont
montré des valeurs allant jusqu'à ±27% en fonction du
micro-organisme et de la procédure d'examen. Les
auteurs ont expliqué que les niveaux élevés d'incertitude
élargie peuvent être liés à la distribution hétérogène des
micro-organismes à l'intérieur des échantillons et entre les
échantillons, mais aussi à d'autres facteurs
d'échantillonnage et d'analyse.
Augustin et Carlier [14] ont examiné les données du
programme français d'essais d'aptitude RAEMA pour la
période 1999-2003. Leur étude a montré que l'incertitude
inter-laboratoires varie en fonction de la méthode de
dénombrement utilisée et que cette variabilité est
relativement faible (0,17 log10 cfu/g en moyenne) pour les
dénombrements sans confirmation de colonie, c'est-à-dire
pour le dénombrement des micro-organismes aérobies,
des entérobactéries, d'E. coli et des staphylocoques à
coagulase positive avec la technique utilisant la gélose au
fibrinogène de plasma de lapin. Cependant, dans le cas
Jakovcic
20-22 octobre 2020.
B. Incertitude de la matrice micro-organismes répartis à l'intérieur et entre les

particules d'origine de l'aliment, qui ne sont généralement
Les estimations de l'incertitude de la matrice sont pas distribués de manière aléatoire mais sous forme de
énumérées dans le tableau 2. L'incertitude matricielle la distribution contagieuse (amas) [15]. Même les
plus élevée a été enregistrée pour le dénombrement d'E. échantillons convenablement homogénéisés présentent
coli dans le fromage (0,23 log10 cfu/g), le dénombrement des variations dans les niveaux de contamination entre les
des Enterobacteriaceae dans les légumes prêts à différentes portions de test, en particulier les matrices
consommer (0,21 log10 cfu/g) et le dénombrement des alimentaires solides. Ces variations constituent
mésophiles aérobies dans les aliments prêts à "l'incertitude de la matrice" [2].
consommer (0,20 log10 cfu/g). Toutes les autres
incertitudes matricielles étaient du même ordre de
grandeur que les estimations de l'incertitude technique.
Nos résultats sont cohérents avec les conclusions
publiées dans le rapport des essais ISO 2003/2004 sur la
mesure de l'incertitude [9]. Nous supposons que la
différence significative de l'incertitude matricielle pour
S. aureus et E. coli dans le fromage est principalement
due au niveau de contamination, bien que la présence
d'une flore compétitive et de facteurs intrinsèques à la
matrice ne puisse être exclue. S. aureus était présent à
un niveau allant jusqu'à 7x106 cfu/g, assurant une
distribution plus homogène dans la matrice par rapport à
E. coli qui était présent à un niveau de 6,6x103 cfu/g.
L'incertitude de la matrice pour la crème glacée a été
déterminée à 0,1 log10 cfu/g pour la catégorie d'aliments
ii. dans les essais ISO [2,9], mais nos résultats sont
inférieurs à cette valeur.
Tableau 2. Estimations de l'incertitude de la matrice par
catégorie d'aliments.
Paramètre/ umatrix
Catégorie d'aliments
méthode (log10 cfu/g)
CPS 0.07
Fromage
CCEC 0.23
Légumes prêts à CEC 0.21
l'emploi
CEC 0.09
Glaces
ACC 0.08
CEC 0.05
Aliments prêts
ACC 0.20
à consommer
CEC 0.12
Gâteau à la
ACC 0.06
crème
La distribution hétérogène des micro-organismes

dans les matrices alimentaires est un fait connu depuis
longtemps. Leur distribution spatiale dans les aliments
peut être aléatoire, régulière (régulière, uniforme) et/ou
contagieuse (agrégée ou groupée). La distribution
régulière et la distribution véritablement aléatoire sont
rarement présentes dans les aliments, mais la
distribution contagieuse des micro-organismes dans les
aliments est très fréquente [14]. Cela signifie que la
distribution des micro-organismes n'est pas conforme à
la distribution normale. Dans les suspensions simples,
la distribution des micro-organismes est conforme à une
distribution aléatoire de Poisson, mais ce n'est pas
toujours le cas. Dans les aliments solides et composites,
la distribution est complexe en raison de la présence
d'amas et de chaînes. Les aliments solides tels que le
fromage contiennent des cellules et des groupes de
Jakovcic
20-22 octobre 2020.
C. Incertitude combinée (uc) combinée pour certains paramètres, méthodes et matrices.

Par exemple, pour le dénombrement de L. monocytogenes
Option 1 : selon l'option 1, l'incertitude combinée est dans le fromage, l'incertitude combinée serait de 0,05 log10
une combinaison de l'incertitude technique, de cfu/g et l'incertitude élargie de 0,10 log10 cfu/g. Mais pour le
l'incertitude matricielle et de l'incertitude dénombrement
distributionnelle. Cette option peut être utilisée si toutes
les valeurs des composants sont connues.
Tableau 3. Incertitude combinée selon l'option 1 de la
norme ISO 19036:2019 (exemple pour ∑C = 100 comptages
cfu).
Option 1 (équation 4)
𝑢𝑡𝑒𝑐ℎ 𝑢𝑚𝑎𝑡𝑟𝑖𝑥 𝑢𝑃𝑜𝑖𝑠𝑠𝑜𝑛 𝑢𝑐 (𝑦)
Paramètre/Alimentation (log10 (log10 (log10 (log10
cfu/g) cfu/g) cfu/g) cfu/g)
CPS/fromage 0.06 0.07 0.04 0.10
EcCC/fromage 0.07 0.23 0.04 0.24
Légumes ECC/RTE 0.09 0.21 0.04 0.23
CEC/Crème glacée 0.09 0.09 0.04 0.13
ACC/ Glace 0.10 0.08 0.04 0.13
Alimentation CEC/RTE 0.09 0.05 0.04 0.11
Alimentation ACC/RTE 0.10 0.20 0.04 0.23
ECC/Gâteau à la crème 0.09 0.12 0.04 0.16
ACC/Gâteau à la crème 0.10 0.06 0.04 0.12
uPoisson selon l'équation (3)
Tableau 4. Incertitude combinée selon l'option 2 de la

norme ISO 19036:2019.
Option 2 (équation 1)
Paramètre/Aliment 𝐼𝑅 𝑠(log10 𝑢𝑐 = 𝑠𝐼𝑅*
cfu/g) (log10 cfu/g)
ation
LM/fromage 0.05
052+0.052+0.062
LM/Crème glacée 0.05 √0.
3
= 0.05
LM/Jambon en 0.06
tranches
CPS/fromage 0.06
062+0.072+0.052
CPS/Crème glacée 0.07 √0.
3
= 0.06
CPS/Viande hachée 0.05
EcCC/Fromage 0.04
042+0.072+0.092
EcCC/Viande hachée 0.07 √0.
3
= 0.07
Légumes EcCC/RTE 0.09
CEC/Crème glacée 0.11
112+0.072+0.102
Légumes ECC/RTE 0.07 √0. = 0.09
3
CEC/Jambon en 0.10
tranches
ACC/Crème glacée 0.08
082+0.092+0.092
Alimentation 0.09 √0.
3
= 0.09
ACC/RTE
ACC/Jambon en 0.09
tranches 𝑠2
* 𝑠 = √𝑠2+1𝑠2+
23
(écart-type combiné des trois s )
𝐼𝑅 3 IR
Option 2 : selon l'option 2 de la norme ISO

19036:2019, l'incertitude combinée est égale à
l'incertitude technique si cela est compatible avec les
protocoles du laboratoire et les exigences du client. Dans
cette option, les valeurs de reproductibilité
intralaboratoire (𝑠𝐼𝑅) sont utilisées comme incertitude
Jakovcic
20-22 octobre 2020.
Technique utilisant le milieu gélosé Baird-Parker

de L. monocytogenes dans les légumes prêts à
[5] ISO 4833-1:2013 : Microbiologie de la chaîne alimentaire
consommer, pour lesquels nous n'avons pas déterminé - Méthode horizontale pour le dénombrement des micro-
expérimentalement sa reproductibilité intralaboratoire, organismes - Partie 1 : Dénombrement des colonies à 30
l'incertitude technique serait dérivée de l'écart-type °C par la technique de la plaque de coulée
combiné de trois 𝑠𝐼𝑅 déterminés pour le fromage, la [6] ISO 16649-2:2001 : Microbiologie des denrées
crème glacée et le jambon en tranches (voir tableau 4.). alimentaires et des aliments pour animaux - Méthode
horizontale pour le dénombrement des bactéries et des
Bien que parasites.
La norme ISO 19036:2019 indique que l'incertitude
technique peut être estimée sur une seule matrice. Nous
considérons que l'estimation sur quelques matrices
supplémentaires est plus fiable et plus réaliste.
Comme on peut le voir, l'incertitude combinée de
l'option 1 diffère de l'incertitude de l'option 2 par la
contribution de la matrice. Ces valeurs sont également
surestimées car chaque composant contient une légère
contribution d'autres composants.
V. CONCLUSIONS ET PERSPECTIVES
L'incertitude de mesure en microbiologie
alimentaire est très large, beaucoup plus large que dans
les analyses chimiques ou les mesures physiques. La
norme ISO 19036:2019 considère que l'incertitude
technique est souvent la plus grande contribution à
l'incertitude de mesure, bien que la contribution de
l'incertitude matricielle puisse être assez élevée. Notre
étude a montré des résultats différents. Les incertitudes
techniques des méthodes quantitatives réalisées dans
notre laboratoire sont du même ordre de grandeur et
assez faibles. L'incertitude liée à la matrice est celle qui
contribue le plus à l'incertitude combinée dans les
matrices alimentaires composites. Même l'incertitude
assignée de 0,1 log10 cfu/g pour les matrices homogènes
est plus élevée que la plupart de nos incertitudes
techniques. Nos résultats sont meilleurs ou en accord
étroit avec les résultats des études interlaboratoires de
validation des méthodes et d'autres données publiées.
L'incertitude liée à la matrice peut être minimisée par
une bonne homogénéisation de l'échantillon avant de
prélever les portions d'essai, mais ce facteur n'est pas
entièrement sous le contrôle du laboratoire. Cependant,
l'incertitude technique est causée par la variabilité des
opérations de laboratoire au cours des analyses ; par
conséquent, si elle est contrôlée correctement, la
contribution de l'incertitude technique sera très faible.
RÉFÉRENCES
[1] Guide ISO/CEI 98-3:2008 : Incertitude de mesure -
Partie 3 : Guide pour l'expression de l'incertitude de
mesure (GUM:1995).
[2] ISO 19036:2019 : Microbiologie de la chaîne
alimentaire - Estimation de l'incertitude de mesure pour
les déterminations quantitatives
[3] ISO 6888-1:1999+Amd 1:2003 : Microbiologie des
denrées alimentaires et des aliments pour animaux -
Méthode horizontale pour le dénombrement des
staphylocoques à coagulase positive (Staphylococcus
aureus et autres espèces) - Partie 1 :
Méthode d'énumération
[4] ISO 11290-2:2017 : Microbiologie de la chaîne
alimentaire - Méthode horizontale pour la détection et le
dénombrement de Listeria monocytogenes et Listeria spp
- Partie 2 :
Jakovcic
20-22 octobre 2020.
Escherichia coli positif pour la bêta-glucuronidase - Partie (uncertainty) of bacterial colony counts, International
2 : Technique de comptage des colonies à 44 °C à l'aide de Journal of Food Microbiology, 116, 2007, pp. 44-51.
5-bromo-4-chloro- 3-indolyl bêta-D-glucuronide [12] Corry, J. E. L., Jarvis, B., Hedges, A. J. : Measurement
[7] ISO 21528-2:2017 : Microbiologie de la chaîne uncertainty of the EU methods for microbiological
alimentaire - Méthode horizontale pour la détection et le examination of red meat, Food Microbiology, 24, 2007, pp.
dénombrement des entérobactéries - Partie 2 : Technique [13] Jarvis, B., Corry, J. E. L., Hedges, A. J. : Estimates of
de comptage des colonies measurement uncertainty from proficiency testing
[8] ISO 14461-2:2005 : Lait et produits laitiers - Contrôle de schemes, internal laboratory quality monitoring and during
la qualité dans les laboratoires de microbiologie - Partie 2 : routine enforcement examination of foods, Journal of
Détermination de la fiabilité de la numération des colonies Applied Microbiology, 103, 2007, pp. 462-467.
sur plaques parallèles et dilution ultérieure [14] Augustin, J.-C., Carlier, V. : Lessons from the
[9] Ah-Soon, C., Cornu, M. : Report of 2003/2004 ISO Trials organisation of a proficiency testing program in food
about uncertainty measurement (juin 2004). Disponible à microbiology by interlaboratory comparison : analytical
l'adresse : http://standards.iso.org/iso/19036 (consulté le 3 methods in use, impact of methods on bacterial counts and
août 2020). measurement uncertainty of bacterial counts, Food
[10] Corry, J. E. L., Basil, J., Passmore, S., Hedges, A. : A Microbiology, 26, 2006, pp. 1-38.
critical review of measurement uncertainty in the [15] Jarvis, B. : La distribution des micro-organismes dans les
enumeration of food micro-organisms, Food Microbiology, aliments en fonction de l'échantillonnage. In : Statistical
24, 2007, pp. 230-253. Aspects of the Microbiological Examination of Foods, 3rd
[11] Jarvis, B., Hedges, A. J., Corry, J. E. L. : Évaluation de ed. Academic Press, Londres, 2016.
l'incertitude de mesure pour les méthodes quantitatives
d'analyse : évaluation comparative de la précision et de la
fiabilité des méthodes quantitatives d'analyse.
Jakovcic

IMEKO-TC10-2020-044_6 fr

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

IMEKO-TC10-2020-044_6 fr

Transféré par

Droits d'auteur :

Formats disponibles

Abonnez-vous à DeepL Pro pour traduire des fichiers plus volumineux.

Visitez www.DeepL.com/pro pour en savoir plus.

Incertitude de mesure selon ISO

Le Guide ISO/CEI 98-3 ("GUM") définit

l'incertitude selon la norme ISO 19036:2019. L'incertitude distributionnelle résulte de la variabilité

A. Incertitude technique (utech)

B. Incertitude de la matrice (umatrix)

C. Incertitude distributionnelle (uPoisson)

L'objectif de cette étude était d'estimer toutes les

II. RÉSULTATS CONNEXES DANS LA

Un SISimportant s'explique par une forte hétérogénéité de

III. DESCRIPTION DE LA MÉTHODE où i est l'indice de l'échantillon, i = 1 à n (n ≥ 10) et

Le tableau 1 présente le nombre de colonies (ACC), allant

IV. RÉSULTATS ET DISCUSSIONS

Les incertitudes étant comprises entre 0,04 et 0,11, nous

B. Incertitude de la matrice micro-organismes répartis à l'intérieur et entre les

La distribution hétérogène des micro-organismes

C. Incertitude combinée (uc) combinée pour certains paramètres, méthodes et matrices.

Tableau 4. Incertitude combinée selon l'option 2 de la

Option 2 : selon l'option 2 de la norme ISO

Technique utilisant le milieu gélosé Baird-Parker

Vous aimerez peut-être aussi