IV.2.6.3.

Composante laboratoire du biais

Pour chaque laboratoire i, il est possible de calculer une autre grandeur
appelée composante laboratoire du biais (Bi) qui est la différence entre la
moyenne des valeurs mesurées dans le laboratoire et la moyenne des
moyennes des laboratoires retenus
Bi =ȳi-ȳ
La figure suivante présente un récapitulatif du bais de mesure et de ses
deux composantes constitutives pour un laboratoire i ainsi que l’erreur
aléatoire sur une valeur mesurée obtenue dans ce laboratoire

biais de mesure ; biais de la méthode ; composante laboratoire du biais du laboratoire i

yk : une valeur mesurée par le laboratoire i
ȳi : moyenne des valeurs mesurées par le laboratoire i
ȳ : moyenne des moyennes des laboratoires participant à l’étude inter-
laboratoire et retenus
yref : valeur conventionnelle de l’étalon
δ : bais de la méthodes de mesure
Bi : composante laboratoire du biais du laboratoire i
Δi : biais du laboratoire i
e(yk) : erreur aléatoire sur une valeur mesurée yk 
si :Ecart-type expérimental obtenu en conditions de répétabilité dans le
laboratoire i
 Le biais de mesure d’un laboratoire i est donc la somme du biais de la
méthode et la composante laboratoire du biais
Δi =δ +Bi
Commentaire :
 le bais de la méthode de mesure est le même quel que soit le laboratoire qui
applique cette méthode
 La composante laboratoire du biais diffère d’un laboratoire à l’autre, elle est
due aux conditions propres à un laboratoire donné ( lieu, operateur, système
de mesure)
 IV.2.6.4.. Modèle de base pour une valeur mesurée
 Dans un laboratoire donné i, il est possible d’écrire la relation suivante pour
une valeur mesurée obtenue
yk = yref  + δ + Bi + e(yk) 
δ : bais de la méthodes de mesure
Bi : composante laboratoire du biais du laboratoire i
e(yk) : erreur aléatoire sur une valeur mesurée yk 
Ce modèle de base est utilisé pour l’évaluation de l’incertitude de mesure par des
méthodes alternatives
 La justesse et la fidélité de mesure sont des qualités évaluées à la suite de
mesurages répétées du même matériau selon la même procédure de mesure
 En revanche, il ne faut pas confondre la justesse et la fidélité de mesure
avec l’exactitude
Exactitude de mesure et erreur de mesure
Définition :
 Exactitude de mesure : étroitesse de l’accord entre une valeur mesurée et
une valeur vraie d’un mesurande ici, si on s’intéresse à la valeur d’un
mesurage unique et la qualité recherchée est une bonne exactitude de
mesure
 l’exactitude de mesure n’est pas une grandeur et ne s’exprime pas
numériquement. Le terme «exactitude» ne s’applique pas aux valeurs
mesurées ni aux résultats de mesure.
 il convient de noter que le terme «exactitude de mesure» est toutefois
liée aux concepts de justesse et de fidélité
 Un mesurage est quelque fois dit plus exact s’il fournit une plus petite
incertitude de mesure (erreur de mesure)

 l’exactitude de mesure est une qualité qui s’applique à un mesurage donné,

donc selon les cas
 à un appareil de mesure ou à un système de mesure donné pour ce
mesurage
 à un ensemble procédures dans un système de mesure donné, pour ce
mesurage

 L’exactitude de mesure n’est pas une grandeur, on peut seulement dire que
l’exactitude de mesure est bonne ou mauvaise par rapport à des exigences
spécifiées par le constructeur . L’exactitude correspond à la caractéristique
d’un instrument à être juste et fidèle.
Le défaut d’exactitude est dû à l’existence d’une erreur de mesure ; c’est l’erreur
de mesure elle-même qui quantifie ce défaut
Erreur de mesure : différence entre la valeur mesurée d’une grandeur et la
valeur de référence
Note 1 : le concept erreur peut être utilisé
a) Lorsqu’il existe une valeur de référence unique à laquelle se rapporter.
b) Lorsque cette valeur de référence unique est obtenue en effectuant un
étalonnage au moyen d’un étalon et la valeur de référence mesurée a une
incertitude de mesure négligeable
c) Lorsque cette valeur de référence unique est obtenue lorsqu’on prend une
valeur conventionnelle et l’erreur étant alors connue
 d) si on suppose que le mesurande est représenté par une valeur vraie unique
ou un ensemble de valeurs vraie d’étendue négligeable, l’erreur peut alors
inconnue
 Note 2: il convient de ne pas confondre l’erreur de mesure avec une
erreur de production ou erreur humaine

Exigence pour l’étude de l’exactitude de mesure

L’exactitude de mesure s’applique à une mesure effectuée dans un laboratoire
donné. La condition principale est de disposer d’un étalon (objet ou matériau de
référence), dont la valeur de référence est connue. Cette valeur peut être
- La valeur conventionnelle de l’étalon
- Une valeur mesurée de l’étalon pour laquelle l’incertitude de mesure peut est
négligeable ou connue
 
V.2.3.4. Quantification du défaut d’exactitude de mesure
Calcul de l’erreur de mesure
erreur de emsure sur y1

yref y1 valeur mesurée

valeur de reference une valeur mesurée
Erreur de mesure sur une valeur mesurée
Symbole général de l’erreur de mesure : D
D(y1) = y1-yref
L’erreur de mesure a une valeur algébrique, son signe doit toujours être
indiqué
Exemples
1 : exactitude de mesure d'une balance
Une masse étalon de valeur nominale 100 g a une valeur conventionnelle de
100,0002 g avec une incertitude associée de 1,5 mg . Elle est placée sur le
plateau d’une balance. La valeur mesurée est la suivante M1 = 100,0025 g
L’erreur de mesure sur m1 est la suivante :
D(m1) = m1 - mconv = 100,0025 - 100,0002 = +0,0023 g = +2,3 mg
Pour savoir si cette erreur est significative ou non, il faut la comparer à une
limite appelée erreur maximale tolérée (EMT)
2 : exactitude de mesure d'un ensemble procédure/système de mesure
Dans le cadre du dosage des ions nitrate dans une eau, le laboratoire effectue le
dosage sur une solution étalon de référence.
Valeur conventionnelle : ρ (NO3- ; sol et) conv = (215,0 ± 2,2) mg L-1
Valeur mesurée : ρ (NO3- ;sol et) mesurée = 210,4 mg L-1
- L’erreur de mesure est la suivante :
D(mesurée) = mesurée -ρconv = 210,4-215,0 = -4, 6 mg L-1 Pour savoir si cette erreur
de mesure est négligeable ou non, il faut regarder si la valeur mesurée est
située dans l’intervalle d’acceptabilité pour ce mesurage
LIEN ENTRE EXACTITUDE, JUSTESSE ET FIDÉLITÉ
 Bien que différente de la justesse et de la fidélité de mesure, la qualité «
exactitude de mesure » est en lien avec ces deux autres qualités. On rappelle
que l’erreur de mesure D(yi) a deux composantes : l’erreur systématique
(estimée par le biais Δ) et l’erreur aléatoire e(yi) sur la valeur mesurée (yi).
 Pour un mesurage donné effectué avec un système de mesure donné, il est
possible d’écrire ; D(yi) = Δ+ e(yi)
 Pour des mesurages répétés avec un instrument de mesure ou un ensemble
procédures dans un système de mesure donné, un schéma symbolisant une
cible permet de présenter les différents cas possibles combinant justesse et
fidélité de mesure.( figure en dessous)
 Sur le schéma, lorsqu’une valeur mesurée :
 est située à l'intérieur du cercle symbolisant l’erreur maximale tolérée
(EMT), cela signifie que l’erreur de mesure est inférieure à l’EMT :
l’exactitude de ce mesurage est donc bonne .
 est située à l’extérieur du cercle symbolisant l’EMT, cela signifie que l’erreur
de mesure est supérieure à l’EMT : l’exactitude de ce mesurage est donc
mauvaise.
Le cercle en pointillés rouges symbolise l’erreur maximale tolérée qui sert à
évaluer l'exactitude de mesure

Les qualités de justesse et de fidélité sont évaluées par comparaison à

d’autres limites, non représentées ici.
 Conclusion
Pour avoir   une bonne justesse de mesure
une bonne exactitude de mesure il faut : et
pour toute valeur mesurée une bonne fidélité de mesure
,  

évaluation de l’exactitude:
La méthode consiste en la construction d’un modèle statistique, d’un plan
d’expérience et l’utilisation d’un matériau de référence certifié (MRC), utilisé:
 (i) pour évaluer le biais (ou « erreur systématique ») et
 (ii) pour calculer « l’incertitude composée »,constituée de l’incertitude sur la
moyenne (« erreur aléatoire ») et de l’incertitude sur la valeur exacte du MRC
et
 (iii) pour construire les cartes de contrôle
 VII. Sélectivité et spécificité
VII.1. Définition :
 sélectivité d’une seule substance: Une procédure ou une méthode d’analyse
est dite sélective pour une seule substance lorsqu’elle permet de détecter
qualitativement cette substance à analyser en présence d’autres substances
pouvant être présents dans l’échantillon (ces substances présentant une
insensibilité à tout bruit de fond ou signal parasite). Ex: Les méthodes
chromatographiques sont en principes sélectives
 Sélectivité pour plusieurs substances  : c’est une propriété d’un système de
mesure utilisant une procédure de mesure spécifiée, selon laquelle le
système de mesure fournit des valeurs mesurées pour un ou plusieurs
mesurandes, telles que les valeurs de chaque mesurande soient
indépendantes des autres mesurandes ou indépendantes des autres
grandeurs dans le phénomène, le corps ou la substance en cours d’examen
 Une procédure d’analyse est dite sélective lorsqu’elle permet de mesurer
quantitativement un paramètre physico-chimique ou un groupement
fonctionnel d’une ou plusieurs substances présentes dans l’échantillon
indépendamment les unes des autres
 La sélectivité est la première caractéristique d’un instrument de mesure ou
méthode de mesure à étudier puisqu’elle permet de s’assurer que
l’indication d’un instrument de mesure correspond uniquement au
mesurande dans le cas d’une sélectivité pour une substance ou que les
différentes indications correspondent à chacun des différents mesurandes
dans le cas de la sélectivité de plusieurs substances .
 L’étude de la sélectivité fait partie de la phase de développement d’une
méthode de mesure. Le défaut de sélectivité a pour conséquence une
erreur de justesse d’une mesure
 Note1 : généralement, en physique, il y’a un seul mesurande, les autres
grandeurs sont de même nature que le mesurande et sont appliquées à l’entrée
du système de mesure. le concept de la sélectivité en physique est voisin de
celui de la spécificité

 Note2: en chimie, il y’a souvent différents constituants dans le système de

mesure en cours de mesurage avec chacun des constituants les grandeurs
mesurées différentes et nécessairement pas de même nature, la sélectivité
d’un tel système de mesure est généralement obtenue par des grandeurs
associées à des constituants sélectionnés dont les concentrations sont dans
des intervalles déterminés
 Le terme spécificité est parfois utilisé en chimie à la place du terme
sélectivité dans le cas où la procédure de mesure permet de déterminer la
valeur d’un seul mesurande

remarque: on dit qu’Il y’a donc sélectivité, s’il n’y’a pas d’interférences dues à
des constituants autres que (le) ou les analytes

Exemple 1: dans le cas d’une méthode de mesure: le dosage du glucose par la

méthode enzymatique à la glucose oxydase : la procédure de mesure utilisée
permet de doser uniquement le glucose. Cette procédure est donc sélective
du glucose mais peut être également qualifiée de spécifique du glucose
puisqu’un seul mesurande est déterminé
Exemple2 : aptitude d’un système de mesure à mesurer la concentration en
quantité de matière de créatine dans le plasma sanguin par une procédure de
Jaffé sans être influencé, ni perturbé par les concentrations du glucose, d’urate,
de cétone et de protéines
Exemple  3: aptitude d’un spectromètre de masse à mesurer les abondances
en quantité de matière de l’isotope 28Si et de l’isotope 30Si dans du silicium
provenant d’un dépôt géologique sans être influencé entre eux ou par l’isotope
29
Si
Exemple: dosage des acides gras d’un mélange par chromatographie en phase
gazeuse : le système et la procédure de mesure utilisée permettent de séparer
les différents acides gras et les quantifier indépendamment. Cet ensemble
procédure/ système de mesure est donc sélectif de différents acides gras
VII.2. Causes du manque de sélectivité/ spécificité
Le manque de sélectivité est due à la présence de constituants interférents
VII.2.1. Effet des constituants interférents
Lors du mesurage, ces constituants peuvent selon les cas
-se comporter comme la substance d’intérêt, ce qui conduit alors à une valeur
mesurée de mesurande trop élevée
-perturber la réponse due à la substance d’intérêt, ce qui conduit alors à une
valeur mesurée du mesurande trop faible ou trop forte selon le mode d’action
de la substance d’interférence
VII.2.2. Origine des constituants interférents
Les constituants interférents peuvent provenir de deux types de sources
-la matrice : on dira alors que la source d’erreur est la matière (on dit aussi
qu’il y’a un effet matrice)
-les réactifs utilisées lors de la préparation préalable de l’échantillon dans
lequel se trouve l’analyte : on dira que la source d’erreur est le moyen
Exemple : effet matrice (source d’erreur matière) : dans un plasma hémolysé,
l’hémoglobine interfère lors du dosage de la bilirubine en induisant un résultat
faussement trop élevé pour la concentration de la bilirubine
VII.3. Mise en évidence de la sélectivité
Deux types de tests sont classiquement utilisés
 le test utilisant le score z permet d’étudier à priori, les composés
susceptibles d’interférer en raison de leur ressemblance avec l’analyte
 le test des ajouts dosés : permet de rechercher d’éventuelles
interférences dues à la matrice elle-même
VII.3.1. Test utilisant le score z
le test utilisant le score z permet d’étudier à priori, les composés susceptibles
d’interférer en raison de leur ressemblance avec l’analyte
VII.3.1.1. Démarche :
 Les mesurandes sont effectuées sur n (au moins 10) matériaux d’essais i
différents contenant la substance d’intérêt(analytes)à des niveaux différents:
 Pour chaque matériau d’essai i, l’analyte est dosé en double et dans deux
situations différentes
 dans un échantillon initial, (valeurs mesurées xi1 et xi2)
 dans un échantillon après ajout d’une quantité donnée du composé
susceptible d’interférer (valeurs mesurées yi1 et yi2)
 La quantité de composé suspect ajoutée est la même dans tous les
échantillons des matériaux d’essai
Tableau des essais et avec ajout d’un composé susceptible d’interférer

Matériau Valeurs mesurées sans Valeurs mesurées avec

d’essai ajout ajout
1 x11 x12 y11 y12
2        
3        
i xi1 xi2 yi1 yi2
I+1        
n xn1 xn2 yn1 yn2
VII.3.1.2. Calculs préalables pour chaque matériau d’essai i
 moyenne de deux valeurs mesurées en double en absence du composé
suspect :
 moyenne des deux valeurs mesurées en double en présence du composé
suspect :
 différence entre les moyennes di =
 moyenne des différences
 écart-type des différences s(d)
 Calcul du score │z│= on suppose que l’écart di est une variable aléatoire qui
suit une loi normale
 VII.3.1.3. Interprétation du score z
 S’il n’y a pas d’interférence, l’écart entre les valeurs mesurées en absence
et en présence du composé suspect doit être théoriquement égal à zéro.
 En pratique, suite au défaut de fidélité sous condition de repetabilité du
mesurage, il y’a une dispersion des écarts di : leur distribution suit une
courbe de Gauss théoriquement centrée sur 0 et d’écart type s(d)
 L’écart moyen ou la moyenne des différences doit alors être compris dans
l’intervalle [0-2s(d) ; 0+2 s(d)] avec un niveau de confiance 95%
 Le score z exprime le rapport de la moyenne des différences en nombre
d’écarts-types s(d)
 -si │z│2 : on peut considérer que l’influence du composé ajouté est
négligeable sur le résultat d’analyse, avec un niveau de confiance 95%
(et avec un risque β de 5% de fausse conclusion)
si │z│ on peut considérer que le composé ajouté a une influence sur le
résultat d’analyse avec un risque α de 5% de fausse conclusion
Comme pour toute interprétation, les valeurs de s(d) et elles-mêmes
doivent être regardées avec un œil critique avant de conclure
VII.3.2. Test des ajouts dosés appliqué sur une méthode d’analyse
le test des ajouts dosés permet de rechercher d’éventuelles interférences qui
proviennent de la matrice elle-même
 Ce test a pour but de vérifier que l’analyte à étudier est dosé en totalité, sans
aucune interférence positive ou négative qui serait due à la matrice elle-
même. L’ensemble du test doit permettre de couvrir tout le domaine
d’application de la méthode

VII.3.2.1. Domaine d’application de la méthode:

 ensemble des types de matrice auxquels s’applique la méthode en tenant
compte de la gamme de concentrations sur laquelle doit porter la validation
VII.3.2.2. Démarche
 choisir n matériau d’essai (au moins 10) d’un même type mais qui
correspondent à des matrices légèrement différentes (par exemple des vins
différents, des plasmas différents) et de façon à ce que les concentrations en
analyte permettent de couvrir le domaine d’application de la méthode

 pour chaque matériau d’essai i, effectuer un premier dosage sans ajout et un

deuxième après ajout d’une quantité connue de l’analyte. Il est conseillé
d’effectuer des ajouts du même ordre de grandeur que la quantité d’analyte
naturellement présente dans les prélèvements des matériaux d’essai utilisés
 Après les mesurages, effectuer les calculs et remplir le tableau suivant
 Tableau d’essai pour vérifier l’absence d’influence de la matrice
Matériau Valeur Quantité Valeur mesurée avec Quantité retrouvée
d’essai mesurée sans ajouté ajout
ajout
1 x1 v1 w1 r1 = w 1 _ x 1
2 x2 v2 w2  
3 x3      
4 x4      
i xi vi wi r i = w i- x i
i+1 xi+1      
n xn vn wn rn = w n - x n
 Si la méthode est bien sélective ou spécifique de l’analyte, on doit retrouver pour chaque
prélèvement l’égalité suivante ri = vi
 L’étude de la sélectivité / spécificité est donc basée sur l’étude de la droite de régression
suivante r =av +b
 application du test de Student
Le test t, également appelé test de Student ou distribution t, est un test
statistique servant à mesurer la différence entre le moyenne d’un groupe de
mesure par rapport à une valeur standard. Il est basé sur une loi de
probabilité appelée loi de Student.

Il s’agit donc de savoir si la moyenne d’un groupe de mesure et la valeur

standard sont significativement différentes au point de vue statistique.

 Ce test va permettre de vérifier si l’ordonnée à l’origine n’est pas

significativement différent de zéro
 test de Student pour un échantillon unique

Il s’agit de comparer une moyenne observée à une moyenne theorique

Soit X une série de valeur de taille n de moyenne m et d’écart type s la
comparaison de la moyenne observée (m) à une valeur théorique est donnée
par la formule

pour savoir si la différence est significative, il faut lire dans la table t, la

valeur critique corresponde au risque alpha= 5% pour un degrés de liberté
Test-t de Student pour séries appariés

Le test de Student apparié permet de comparer la moyenne de deux séries de

valeurs ayant un lien.
Par exemple, 20 souris ont reçu un traitement X pendant 3 mois. On se pose la
question à savoir si le traitement X a un impact sur le poids des souris au bout
des 3 mois. Le poids des 20 souris a donc été mesuré avant et après
traitement. Ce qui nous donne 20 séries de valeurs avant traitement et 20
autres séries de valeurs après traitement provenant de la mesure du poids des
mêmes souris.
 Il s’agit bien dans cet exemple, d’un test de Student apparié car les deux
séries de valeurs ont un lien (les souris). Pour chaque souris, on a deux
mesures (l’une avant et l’autre après traitement).
Formule: Pour comparer les moyennes de deux séries appariées, on calcule tout
d’abord la différence des deux mesures pour chaque paire.
Soit d la série des valeurs correspondant aux différences des mesures entre les
paires de valeurs. La moyenne de la différence d est comparée à la valeur 0. S’il y
a une différence significative entre les deux séries appariées, la moyenne de d
devrait être très éloignée de la valeur 0
La valeur t de Student est donnée par la formule :
m et s représentent la moyenne et l’écart-type de la différence d. n est la taille
de la série d.
Pour savoir si la différence est significative, il faut tout d’abord lire dans la
table t, la valeur critique correspondant au risque alpha = 5% pour un degré
de liberté : ddl=n-1

Si la valeur absolue de t (|t|) est supérieure à la valeur critique, alors la

différence est significative. Dans le cas contraire, elle, ne l’est pas. Le degré de
significativité (ou p-value) correspond au risque indiqué par la table de
Student pour la valeur |t|.
Si la valeur absolue de t (|t|) est supérieure à la valeur critique, alors la
différence est significative. Dans le cas contraire, elle, ne l’est pas. Le degré de
significativité (ou p-value) correspond au risque indiqué par la table de Student
pour la valeur |t|.

 il faudra vérifier, à l’aide d’un test de Student, que le coefficient directeur a

et que l’ordonnée à l’origine b respectivement de 1 et 0. ne sont pas
statistiquement différents, Pour cela il faut déterminer :
 Le coefficient directeur a
 L’ordonnée à l’origine b
 L’écart -type du coefficient directeur s(a)
 L’écart -type de l’ordonnée à l’origine s(b)
Test de Student :

Coefficient directeur égal à 1 Ordonnées à l’origine

a-1=0 b-0=0

Pour cela on calcule la statistique du test de student tobservée (tobs) (valeur

critique de Student) dans chaque cas
tobs(a) =│a-1│/s(a) tobs(b) = │b│/s(b)
Le nombre de degrés de liberté est ici n-2 ( le nombre de répétitions)
On compare alors chacune de ces valeurs critiques de Student (tobs(a) ; tobs(b) )
pour le risque α, et pour n-2 degrés de liberté tcritique bilateral (1-; n-2).
On choisit en général α = 0,01 (soit un risque de 1% reparti en deux fois 0,5%).
La table de Student donne, pour le risque α = 0,01 et pour le même degré de
liberté n-2, la valeur de tcritique bilateral (0,995 ; n- 2)

Cette valeur critique correspond à la limite au -delà de laquelle l’hypothèse (a=1

et b= 0) est rejetée avec un risque de 1% de rejet à tort
Interprétation du test
Si tobs(a tcritique coefficient directeur égale à 1
Si tobs(b) tcritique ordonnée à l’origine égale à 0
 Si ces deux conditions sont vérifiées:
 L’équation de la droite s’écrit r=v
 La quantité retrouvée est égale à la quantité ajoutée
Conclusion : la méthode est dite spécifique avec un niveau de confiance de 99%
droite théorique= droite
expérimentale
r=v
Les hypothèses
a=1 et b= 0 sont acceptées

la méthode est donc spécifique de

l’analyte testé avec un risque β de
fausse conclusion
 droite théorique différente de
la droite expérimentale Les
hypothèses
a=1 et b= 0 sont rejetés

la méthode n’est donc pas

spécifique de l’analyte testé
avec un risque α = 1% de
fausse conclusion

Remarque :
Si une des conditions n’est pas vérifié, la méthode est considérée comme
non spécifique
 VIII. Sensibilité
VIII.1. Définition Sensibilité:
 le quotient de la variation d’une indication d’un système de mesure par
une variation correspondante de la valeur de la grandeur mesurée
 quotient de l’accroissement de la réponse d’un instrument de mesure par
l’accroissement correspondant du signal d’entrée
 capacité de l’instrument de mesure d’enregistrer de faibles variations du
signal d’entrée/ c’est la plus petite variation de la grandeur que l’on peut
déceler  

i ndication
Sensibilité = = mesurande
Note 1 : la sensibilité peut dépendre de la valeur de la grandeur mesurée
Note 2 : la variation de la valeur de la grandeur mesurée doit être grande
par rapport à la résolution

Unité de sensibilité =
La sensibilité s’applique
-à un appareil ou système de mesure
-à un ensemble procédures de mesure ou un système de mesure

VIII.2. Détermination de la sensibilité et son intérêt

La sensibilité est déterminée à partir de l’étalonnage d’un système de mesure
ou d’un ensemble procédures de mesure ou d’un système de mesure donné. Il
faut étudier la relation entre l’indication et le mesurande.
indication = f(mesurande)
 Pour certains mesurages la relation entre l’indication et la grandeur mesurée
est linéaire
 c’est le cas des appareils de mesure, un ensemble procédures de mesure
ou un système de mesure dont le mesurage est direct
(par exemple, la relation entre l’absorbance d’une solution et la concentration
en quantité de matière d’un constituant X dans une solution pour un intervalle
de concentrations donné)
Sensibilité d’un instrument de mesure directe
Exemple: d’une balance
 Lorsqu’une balance est utilisée pour déterminer la masse d’un objet, le
mesurande est cette masse mobjet. Il s ‘agit donc d’une méthode directe

 Pour déterminer la sensibilité de la balance il faut utiliser comme objet des

masses étalons afin d’établir la relation suivante maffichée = f( mconventionnelle étalon)
 il s’agit bien d’une relation de type Indication = f( mesurande)
 En théorie, la relation obtenue est l’équation d’une droite passant par
l’origine et de coefficient directeur égal à 1
 En théorie la sensibilité de la balance a donc une valeur égale à 1
 Sensibilité balance = maffichée /mconventionnelle étalon =1
 Équations aux unités g/g
 Remarque : dans ce cas, la sensibilité est une grandeur sans dimension
(unité 1)
 En pratique la droite n’a pas toujours un coefficient directeur exactement
égal à 1
 En effet plusieurs facteurs interviennent sur la sensibilité de la balance, en
particulier la température ambiante. Par exemple, pour une pesée de 100 g,
si la température a varié de 5°C depuis le dernier ajustage de la pente de la
droite d’étalonnage, il peut se produire une erreur de mesure jusqu’à 0,5mg
Généralisation : de même, pour tous les appareils de mesure utilisés dans le
cadre d’une méthode de mesure directe, la sensibilité a pour unité 1 et est
théoriquement égale à 1
exemples
 pH-mètre : pHaffichée = f (pHconventionnelle étalon)
 Thermomètre : θaffichée = f (θconventionnelle étalon)
 Spectrophotomètre lorsque le mesurande est l’absorbance elle-même
Aaffichée = f (Aconventionnelle étalon)
La sensibilité est égale au coefficient directeur de la droite
 La sensibilité est constante, c’est-à-dire indépendante de la valeur de la
grandeur mesurée
 Pour d’autres mesurages, la relation n’est pas linéaire (par exemple
dans le cas des dosages immunologiques
 Pour une même variation du mesurande (Δy ou dy), l’écart d’indication
(ΔInd ou dInd) est plus grand lorsque la sensibilité est grande (exemple : la
droite d’équation 1 comparée à la droite 2): cela permet de mieux
différencier deux valeurs proches de la grandeur

 la sensibilité autour du point d’abscisse y est égale au coefficient directeur

de la tangente à la courbe en ce point (dérivée de Ind par rapport à y)
 la sensibilité n’est pas constante cela signifie qu’elle varie selon la valeur de
la grandeur mesurée

 Dans le cas d’une relation non linéaire (cas des dosages biochimiques,
immunochimiques) et dans le cas du schéma ci-dessus la sensibilité est plus
grande pour des faibles valeurs de y et devient de plus en plus petite quand y
augmente
VIII.4. Sensibilité d’une méthode de mesure indirecte
Exemple d’un dosage spectrophotométrique
Lors du mesurage de la concentration du glucose dans un spécimen par une
méthode spectrophotomètre, après réaction colorée, l’indication obtenue est
une absorbance ; la relation d’étalonnage de l’ensemble procédure/ système
de mesure utilisé est la suivante
A à λsol colorées = f (c (glc, sol étalon)
Cette relation est du type Indication = f(mesurande)
la courbe obtenue présente en général une première partie linéaire, puis
s’infléchit pour des concentrations élevées
La sensibilité de cet ensemble procédures de mesure ou d’un système de
mesure est définie par l’équation aux grandeurs
Sensibilité procédures de mesure ou un système de mesure = ΔA à λsol colorée
/Δc (glc, sol colorée)
En pratique
Dans la partie linéaire de la courbe, la sensibilité de l’ensemble procédures
de mesure ou d’un système de mesure est constante et égale au coefficient
directeur de la droite (a) : a=ΔA1/Δc
Équation aux unités : mmol-1 dm-3 = 1/mmol.dm-3
Dans la partie incurvée, la sensibilité est plus faible, d’autant plus que la
concentration est plus élevée: a’=ΔA2/Δc
Remarque : sur le schéma, a’ est déterminé à partir du coefficient directeur
de la droite joignant les deux points de la courbe de Δc, et non pas à partir de
la tangente à la courbe. Mais dans cette zone, la courbe est confondue avec la
tangente

Pour ce dosage spectrophotométrique, on constate que la sensibilité est

différente selon que l’on se place dans la partie linéaire ou au-delà. En
pratique, on définit souvent l’intervalle de mesure comme étant l’ensemble
des valeurs de concentrations correspondant à la partie linéaire pour
laquelle la sensibilité est la meilleure et est constante
Généralisation
Dans le cas d’une méthode de mesure indirecte, l’indication n’étant pas
identique au mesurande, la sensibilité est une grandeur qui a
 une unité résultant des unités de l’indication et du mesurande
 une valeur qui dépend de l’ensemble procédures de mesure ou d’un
système de mesure utilisé
Dans tous les cas on recherche la sensibilité la meilleure, de façon à
différencier le mieux possible deux valeurs du mesurande qui sont proches
 IX. Résolution
Définition de la résolution d’un dispositif afficheur d’un appareil de mesure :
 est la plus petite différence entre deux indications successives
Définition de la résolution d’une procedure de mesure avec le système de
mesure :
 c’est la plus petite différence entre deux valeurs d’une mesurande donnant
une variation perceptible d’indication du système de mesure.
 l’unité de la résolution d’un dispositif afficheur est toujours l’unité de
l’indication
 la résolution peut dépendre par exemple du bruit (interne ou externe) ou du
frottement
 Il existe deux types de dispositifs afficheurs
 dispositifs à affichage numérique (cas le plus fréquent actuellement)
 dispositifs à affichage analogique (à échelle graduée)
IX.1.1. Résolution d’appareil ou
dispositifs afficheurs
Exemple1 Exemple pH-mètre à
affichage numérique
Spécifications:
Résolution: d=0,01 (pH)
Intervalle des indication: pH 0 à 14
La plus petite variation de pH qui
provoque la plus petite différence
d’indication perceptible est de 0,01
Cela signifie encore que l’affichage des
indications est un nombre exprimé
jusqu’au 1/100e
L’indication est dite numérique et elle a un caractère discontinu(discret) elle
ne peut prendre aucune valeur intermédiaire entre deux indications
consécutives ( on lit 6,86 ou 6,87, ou 6,88)
 Exemple 2: d’un multimètre à affichage analogique (à échelle graduée)
Ce multimètre est utilisé ici entant que qu’ampèremètre
L’intervalle des indicateurs choisis est : 0 à 250 mA. Sur l’échelle
correspondante, la plus petite différence entre deux indications, soit deux
graduations est : 5 mA

Spécifications :
Résolution d= 5 mA
Intervalle des indications
0 à 250mA
La plus petite variation d’intensité qui provoque la plus petite différence
d’indication perceptible est de 5 mA. ex : température affichée : 5,13°C, la
résolution est de 0,01°C
L’indication est dite analogique et elle a un caractère continu. En effet,
l’aiguille peut prendre une infinité de positions donc l’indication peut prendre
une infinité de valeurs entre deux graduations consécutives ; néanmoins l’œil
ne peut pas les apprécier
Dans ce cas présent, l’indication est de 170 mA

Ne pas confondre résolution et sensibilité

Exemple d’une balance
Lorsque la balance est utilisée pour une méthode de mesure directe
Grandeur Résolution Sensibilité
Valeur d= 0,01mg Sensibilité balance = 1
Unité Unité de l’indication (g ou mg) Unité 1
Unité de la grandeur mesurée (g ou mg)
IX.2. Résolution d’une procédure de mesure mise en œuvre avec un système de
mesure donné
 est la plus petite différence entre deux valeurs du mesurande donnant une
variation perceptible d’indication du système de mesure (calculer à partir de
la résolution du dispositif afficheur
 est la plus petite variation de la grandeur mesurée qui produit une variation
perceptible de l’indication correspondante( il est nécessaire de connaitre la
sensibilité de la procédure du système de mesure)
 l’unité de la résolution d’un ensemble procédure/système de mesure est
toujours l’unité du mesurande.
 Elle peut aussi dépendre de la valeur de la grandeur mesurée
Remarques
 plus la valeur de la résolution est faible, meilleure est cette résolution
Le symbole fréquemment employé pour la résolution est d
Exemple d’un dosage spectrophotométrique
Principe
Lors du dosage du glucose plasmatique par la méthode enzymatique à la
glucose oxydase, le composé coloré formé est la quinonéimine qui absorbe à
505 nm. La résolution de la procédure de mesure avec le système de mesure
utilisé est la plus petite variation de concentration du glucose dans le plasma à
doser, capable de provoquer une variation d’absorbance perceptible

A partir de la loi de Beer-Lambert, on établit l’équation aux grandeurs qui relie

l’indication (absorbance) et le mesurande (concentration du glucose dans le
plasma à doser)
 = Ɛ505 nmquino l Csolution colorée

Or Csolution colorée x Vtotal solution colorée = Cglc plasma xVPE plasma

Csolution colorée =

 
= Ɛ505 nmquino l VPEplasmax c(glc ; plasma1/Vtotal sol colorée = a c(glc ; plasma)
La résolution d’une gamme d’étalonnage permet de déterminer
expérimentalement la valeur de la constante globale de proportionnalité a qui
correspond au coefficient directeur de cette droite d’étalonnage et donc à la
sensibilité de l’ensemble procédure d’un système de mesure
Pour calculer la résolution de l’ensemble procédure d’un système de mesure,
il faut calculer la plus petite variation de concentration du glucose dans le
plasma à doser qui permet une variation d’absorbance perceptible (cette
dernière étant égale à la résolution du dispositif afficheur

Résolutionprocédure/système = =ΔAminimum /a =
 = 0,320
❑
Δc glc ; sol é talon ¿ ¿ = 5mmoldm-3

Calcul de la sensibilité de l’ensemble procédure d’un système de mesure

L’étalonnage a permis de déterminer la sensibilité qui est égale au coefficient
directeur de la droite d’étalonnage soit
Sensibilité procédures d’un système=a= / = 0,320/5,00 = 0,064 mmol-1dm3
or 1.mmol-1dm3 = 1/mmol.dm-3

Signification de la sensibilité:
A une variation du mesurande de 1mmol. dm-3 correspond une variation
d’absorbance de 0, 064
Calcul de la résolution de l’ensemble procédure / système de mesure
Elle est calculée à partir de la sensibilité et de la plus petite variation
d’absorbance d’indication du dispositif afficheur du spectrophotomètre
(d=0,001)
Résolutionprocédure/système= =ΔAminimum/a =Résolutionafficheur/Sensibilité procédure/système
= 0,001/0,064 =
15,625x10-3 mmol-1dm3 = 16 µmol-1 dm-3
or 1.mmol-1dm3 = 1/mmol.dm-3
La résolution est toujours exprimée dans l’unité de la grandeur mesurée
en conclusion ici, une variation d’absorbance de 0,001 (résolution de l’afficheur)
correspond à une variation du mesurande de 16 µmol-1 dm-3 (résolution de la
procédure de mesure avec le système de mesure utilisé)
Note 1: Pour tous les appareils à affichage numérique, les variations de ±1 sur
le dernier chiffre affiché ne sont pas forcements significatifs, suite à une
certaine instabilité des appareils. Il faut donc prendre avec beaucoup de
précaution les valeurs de résolution de l’ensemble procédure/système obtenus
dans ces cas
Dans le cas d’un spectrophotomètre affichant les absorbances avec 3 décimales
(d=0,001) on considère généralement que la 3ème décimale n’est pas
significative
IX.3. Résolution sur un spectrophotomètre
 Sur un spectrophotomètre, on distingue deux types de résolution : la
résolution spectrale et la résolution photométrique
 La résolution spectrale d’un spectrophotomètre, (δλ) également appelé
limite de détection de résolution ou pouvoir de résolution est définie
conventionnellement comme étant la largeur à mi-hauteur de la bande
spectrale du rayonnement filtrée par l’instrument (figure 5

 La figure 5 est un exemple de mesure de la raie d’émission à 656,1nm

d’une source de deutérium en utilisant une bande passante de 0,5nm
 La résolution (δλ) est indiquée en unité de longueur d’onde (λ), c’est à dire
en nm. Généralement on préfère caractériser le spectrophotomètre par
son pouvoir de résolution R=λ/ δλ qui est une grandeur sans dimension
 En ce qui concerne la résolution photométrique, il s’agit de la plus petite
variation de rayonnement transmis ou réfléchi que le spectrophotomètre
arrive à détecter
 La notion de pouvoir de résolution correspond à la capacité à différencier
deux composés (figue 6) sur cette figure, avec une bande passante de
0,1nm, ),
 ainsi on pourra distinguer deux pics monochromatiques d’intensité égale si
leur écart de longueur d’onde est supérieur à (δλ)
 il est possible de détecter deux pics sur la raie d’émission du deutérium à
656,1nm, ce qui ne permet pas une bande passante de 0,5nm
 X. Linéarité :
Deux significations différentes du terme relation linéaire
Mathématique y= ax (proportionnalité entre x et y
Statistique y=ax+b (ajustement affine d’un nuage de points)

X.1. Définition: Linéarité d’une méthode de mesure : établissement qu’il existe

une relation linéaire entre les quantités retrouvées (ou quantifiées) dans des
échantillons et leur valeur de référence
X.2. Définition: Linéarité de la fonction de réponse de l’appareillage qui
caractérise la seule réponse instrumentale lors de l’étalonnage et qui n’est pas
indispensable pour obtenir une quantification exacte
X.3. différents cas d’étude de la linéarité
il faut bien distinguer
 la linéarité de la réponse d’un appareil de mesure
 la linéarité d’une méthode de mesure
Dans les deux cas, il s’agit d’étudier la relation
Valeur mesurée = f (valeur de référence)
Cette relation doit, théoriquement être une droite de coefficient directeur égal
à 1 et passant par l’origine
X.3.1. Linéarité de réponse d’un appareil de mesure
X.3.1.1. Intérêt
Il s’agit de l’aptitude d’un appareil de mesure à présenter une relation linéaire
entre la valeur mesurée et la valeur conventionnelle de l’étalon utilisé pour le
mesurage dans le cadre de la vérification de la linéarité de réponse de l’appareil
X.3.1.2. Exemple de la linéarité d’une balance (La linéarité est le résultat de
l’étalonnage initial de la balance réalisé par le fabricant)
X.3.1.2.1. Vérification de la linéarité
Elle est effectuée en traçant la courbe maffichée = f(mconventionnelle étalon)
La balance peut présenter un défaut de linéarité ou écart négatif entre la masse
affichée et la masse conventionnelle de l’étalon.
Ce défaut de linéarité conduit à une erreur de mesure de chaque mesure
L’écart de linéarité maximal accepté noté ±a est donné dans les spécifications de
la balance
Exemple de spécifications pour une balance de portée 210g
 Résolution 0,01mg
 Répétabilité (1 écart-type) 0,1mg
 Linéarité a = ±0,2mg
 X.3.1.2.1.1. 1ère possibilité d’exploitation des valeurs obtenues lors de la
vérification
 Calculer l’erreur de mesure e(mi) pour chaque masse étalon utilisée
 Comparer la valeur absolue de chaque erreur de mesure à l’écart de
linéarité maximal accepté, on conclut à une bonne linéarité si :│e(mi)│≤ a
X.3.1.2.1.2. 2ème possibilité d’exploitation des valeurs obtenus lors de la
vérification
 Etablir l’équation de la droite de régression à partir des valeurs obtenues
(masses affichées et masses conventionnelles)
 Déterminer le coefficient de corrélation (r) de la droite de régression
obtenue. On conclut à une bonne linéarité si r≥ 0,9999
Remarque
Dans le cas où une pesée correspond à une méthode de mesure directe,
la valeur mesurée est égale à l’indication affichée par la balance
  Linéarité Sensibilité

Cas général Valeur mesurée = f (valeur

conventionnelle)

Linéaire Masse affichée =f (masse

conventionnelle)

En conséquence, une bonne linéarité traduit le fait que la sensibilité de la

balance a une valeur constante sur tout l’intervalle de mesure et très proche de
1
 X.3.1.3. exemple de la linéarité d’un spectrophotomètre
X.3.1.3.1. Vérification de la linéarité de réponse pour les absorbances
La linéarité est étudiée à trois longueurs d’onde à l’aide des filtres ou des
solutions étalons d’absorbances différentes. A chaque niveau d’absorbance, il
faut effectuer trois mesurages
X.3.1.3.1.1. 1èrepossibilité d’exploitation des valeurs obtenues (OIML R135 :2004)
Pour chaque niveau, calculer :
 La moyenne des indications
 L’écart entre cette moyenne et la valeur conventionnelle
On conclut à une bonne linéarité si cet écart est inférieur à l’erreur
systématique maximale tolérée ( 0,03A ± ,01) en prenant aussi en compte
l’incertitude de mesure (2,95 s(A) pour un niveau de confiance de 95%
│A-Aréf│ ≤ │0,03A +0,01 -2,95(s(A)│

X.3.1.3.1.2. 2ème possibilité d’exploitation des valeurs obtenues

 Etablir l’équation de la droite de régression à partir des valeurs obtenues
(absorbances affichées et abondances conventionnelles).
 Déterminer le coefficient de détermination (r2) de la droite de régression
obtenue on conclut à une bonne linéarité si r2 ≥ 0,9999
De même pour tout appareil de mesure, la linéarité est étudiée à partir de la
relation entre les indications et les valeurs conventionnelles des étalons.
X.3.2. Linéarité d’un ensemble procédures / système de mesure
X.3.2.1. Intérêt
La linéarité est une qualité classiquement recherchée pour un ensemble
procédure/ système de mesure. Cette linéarité est notamment utile pour définir
l’intervalle de mesure correspondant
Par exemple, dans le cas de la détermination de la concentration du glucose
dans un échantillon par la méthode enzymatique à la glucose oxydase, mise en
en œuvre avec un système de mesure donné, l’intervalle de mesure peut être
établie à partir de :
 La limite inférieure de l’intervalle de mesure, déterminée selon une des
méthodes déjà décrites auparavant.
 la zone de linéarité permettant de définir la limite supérieure de l’intervalle
de mesure
X.3.2.2. Démarche générale d’étude de la linéarité
Cette étude nécessite plusieurs étapes
 Effectuer un étalonnage préalable de l’ensemble procédure/ système de
mesure si nécessaire
 Choisir les étalons de contrôle sur ces étalons de contrôles obligatoirement
différents des étalons de travail utilisés pour l’talonnage et de niveaux
différents
 Réaliser des mesurages répétés sur ces étalons de contrôle
 k niveaux d’indice i
 n répétitions d’indice j
 Calculer les variations mesurées yij à partir des indications rendues par le
système de mesure, en utilisant la fonction de mesure
 Evaluer la linéarité l’une ou l’autre des méthodes suivantes
X.3.2.3. Estimation du défaut de linéarité à l’aide des coefficients de
détermination et de corrélation
 Etablir l’équation de la droite de régression, valeurs mesurées (y ) en ij

fonction de la valeur conventionnelle (xi) des étalons de contrôle yij= f(xi)

 Calculer le coefficient de détermination (r2) ou le coefficient de corrélation
(r) de la droite de régression
On conclut à une bonne linéarité de l’ensemble procédure / système de mesure
si : r2 ≥ 0,98 ou r ≥ 0,99
Remarque :
 Dans le cas d’un coefficient de détermination (ou de corrélation) trop
faible, le tracé de la droite de régression permet de se faire une idée de
l’origine du problème.
 un point intermédiaire non aligné avec les autres : refaire toute la
manipulation
 un point extrême (ou plusieurs) non aligné avec les autres (pour les valeurs
conventionnelles élevées) : rejeter ce point et établir l’équation de la
nouvelle droite de régression avec les points restants
Si le nouveau coefficient de détermination (ou de corrélation) est
suffisamment grand, cette nouvelle étude permet de définir la limite
supérieure de l’intervalle de mesure
 Une autre façon de se faire une idée sur l’origine du problème consiste à
observer la répartition des résidus, c’est à dire des écarts entre chaque
valeur mesurée et la valeur correspondante estimée à partir de l’équation de
la droite de régression.

test statistique de linéarité de Ficher-Snedeco: Ce test consiste a comparer

deux variances "variance intra-goupes" et "variance intergroupes. Ce test
permet de comparer les erreurs d’ajustement dûes aux facteurs discriminants(
exemple (l’analyste, le jour….) et les erreurs expérimentales
X.3.2.4. Estimation du défaut de linéarité à l’aide d’un test statistique de
linéarité de Ficher-Snedecor
Il est possible d’utiliser un test de validité de la droite de régression, par
exemple le test de Fisher -Snedecor. A partir de toutes les valeurs mesurées yij ,
on établit l’équation de la droite de régression qui est du type y=ax+b
i= ( nombre d’étalons; nombre de solutions étalons)
j = nombre de répliques ou nombre d’essai pour chaque solution étalon

Ce test consiste à comparer deux variances "variance intra-goupes" et "variance

intergroupes.
Ce test permet de comparer les erreurs d’ajustement dues aux facteurs
discriminants( exemple (l’analyste, le jour….) et les erreurs expérimentales
 A chaque niveau i, calculer

ȳi La moyenne des n valeurs mesurées au niveau i

ŷi La valeur ajustée (valeur recalculée à partir de l’équation de la
droite de régressionŶi = axi + b

yij - ȳi Les erres aléatoires (écarts entre chaque valeur mesurée et la

valeur moyenne

ȳi - ŷi L’écart dû au défaut d’ajustement (écart entre la moyenne des

valeurs mesurées et la valeur ajustée)

yij - ŷi Les résidus (écart entre chaque valeur mesurée et la valeur

ajustée)
En tenant compte de tous les niveaux, calculer
 La variance expérimentale qui quantifie la dispersion de toutes les valeurs
mesurées (yij) autour de leur moyenne à chaque niveau (ȳi) ; elle donne
donc une estimation du défaut de fidélité da la procédure de mesure

 La variance qui quantifie la dispersion des moyennes (ȳi)  par rapport aux
valeurs correspondantes recalculées (ŷi) ; elle donne dons une estimation du
défaut d’ajustement des valeurs mesurées par rapport à la droite :

=
=
Test de Fisher –Snedecor.
Ce test permet de comparer les deux variances et En calculant la
statistique f observée
fobs =

Hypothèse à tester s2def ≤ s2exp

Ceci signifie que la dispersion des moyennes autour de la droite de régression
est plus faible que la dispersion expérimentale des valeurs mesurés autour de
leur moyenne à chaque niveau : autrement dit, le modèle linéaire est bien
adapté dans le domaine étudié
Interprétation
La statistique fobs obtenue est comparée à la valeur critique (f critique ) donnée
dans la table de Fisher-Snedecor au niveau de confiance (1-α) (généralement
95%) , pour k niveaux et pour n répétitions, ce qui correspond aux degrés de
liberté ν1 =k-2 et ν2 =k (n-1)
f(critique = f(1-α ; k-2 ; (k(n-1))
 Si fobs ≤ fcritique : hypothèse acceptée, linéarité non vérifiée avec un niveau de
confiance de 95% (et un risque β de fausse conclusion)
 Si fobs ˃fcritique : hypothèse rejetée, linéarité non vérifiée avec un risque de 5%
de rejeter à tort ; il faut alors
 Soit revoir les limites de la zone de linéarité
 Soit introduire une composante non linéarité lors de l’évaluation de
l’incertitude
Exemple 2
Le dosage du glucose par la méthode enzymatique a été effectuée pour k=5
solutions étalons (indice i) avec n=3 répliques sur chacune (indice j). La droite
de régression est déterminée à partir des valeurs mesurées obtenues. Le
tableau ci -dessous présente les valeurs mesurées, les valeurs estimées sur la
droite (ŷi) et les valeurs des résidus
Valeur de Valeurs mesurées (yij)   Valeurs calculées en mmol/L
référence (xi) en mmol/L Résidus yij - ȳi
en mmol/L
  Essai 1 Essai 2 Essai 3 ŷi Essai 1 Essai 2 Essai 3
2.50 2.44 2.62 2.51 2.51 -0.07 0.11 0.00
5.00 5.12 4.86 5.07 5.01 0.11 -0.15 0.06
7.50 7.39 7.49 7.58 7.51 -0 .12 -.02 0.07
10.00 9.89 9.96 10.07 10.01 -0.12 -0.05 0.06
12.50 12.54 12.31 12.72 12.52 0.12 -0.21 0 .20
          -    
y=ax+b coefficient directeur :
a= 1,0009
Ordonnée à l’origine : b= 0,0043 mmol/L
Coefficient de détermination r2 = 0,999 ˃0,98
Bonne linéarité dans le domaine étudié de 2,5 à 12,5 mmol/L
Résidus bien repartis de part et d’autre de la ligne centrale correspondant à un
résidu nul :
Bonne linéarité dans le domaine étudié de 2,5 à 12,5 mmol/L
 Test de Fisher -Snedecor
Valeur de référence Valeurs calculées en mmol/L Valeurs calculées en mmol/L
(xi) en mmol/L Pour le calcul de s2def Pour le calcul de s2exp
 

ȳi ŷi ȳi - ŷ i yij - ȳi

2.50 2.523 2.507 0.017 -0.083 0.097 -0.013

5.00 5.017 5.009 0.008 0.0103 -0.157 0.053
7.50 7.487 7.511 -0.025 -0.097 0.003 0.093
10.00 9.973 10.014 -0.040 -0.083 -0.013 0.097
12.50 12.557 12.516 0.041 0.083 -0.247 0.0163
Variance du défaut d’ajustement =0,00423 mmol2L-2
Variance expérimentale =0,0184 mmol2L-2
Statistique fobs = = =0,23
Valeur critique issus de la table de Fisher-Snedecor f(0,95 ; 3 ; 10) =3,71
fobs =0,23˂ 3,71
Linéarité vérifiée pour le domaine de concentration de 2,5 à 12,5 mmol/L
avec un niveau de confiance de 95%
Exemple 2
Le dosage du glucose par méthode enzymatique a été effectuée pou k=5
solutions étalons (indice i) avec n= 3 répliques sur chacune (indice j)
Valeur de référence Valeurs mesurées (yij) en mmol/L
(xi) en mmol/L

Essai 1 Essai 2 Essai 3

5.00 5.12 4.86 5.07

10.00 9.89 9.96 10.07
15.00 14.76 14.90 15.27
20.00 19.68 20.28 19.98
25.00 21.07 21.46 20.43
y=ax+b coefficient directeur : a= 0,8389
Ordonnée à l’origine : b= 1, 6027 mmol/L
Coefficient de détermination r2 = 0,964 ˂0,98
Mauvaise linéarité dans le domaine étudié de 5 à 25 mmol/L
Résidus très inégalement répartis de part et d’autre de la ligne centrale
correspondant à un résidu nul :
Mauvaise linéarité dans le domaine étudié de 5 à 25 mmol/L
Test de Fisher -Snedecor
Variance du défaut d’ajustement s2def =6,32 mmol2L-2
Variance expérimentale s2exp =0,0914 mmol2L-2
Statistique fobs = 6,32/0,0914= 69,1
Valeur critique issus de la table de Fisher-Snedecor f (0,95 ; 3 ; 10) =3,71
fobs = 69,1˃˃˃ 3,71
Linéarité non vérifiée pour le domaine de concentration de 5 à 25 mmol/L
avec un niveau de confiance de 95%
Essai de redéfinition du domaine de linéarité
Le test est refait en éliminant le dernier point (xi= 25mmol/l) qui semble exclu
du domaine de linéarité
y=ax+b coefficient directeur : a= 0,9979
Ordonnée à l’origine : b= 0,0133 mmol/L
Coefficient de détermination r2 = 0,999 ˃0,98
Bonne linéarité dans le domaine étudié de 5 à 20 mmol/L
Résidus bien répartis de part et d’autre de la ligne centrale dans le nouveau
domaine
bonne linéarité dans le domaine étudié de 5 à 20 mmol/L
Test de Fisher -Snedecor
Variance du défaut d’ajustement s2def =0, 0098 mmol2L-2
Variance expérimentale s2exp =0,0467 mmol2L-2
Statistique fobs = 0, 0098 /0,0467 = 0,021
Valeur critique issus de la table de Fisher-Snedecor f (0,95 ; 2 ; 8) =4,46
fobs = 0,021˂˂˂˂ 4,46
Linéarité vérifiée pour le domaine de concentration de 5 à 20 mmol/L avec un
niveau de confiance de 95%
 Test de Cochran :
La variance mesure la dispersion des valeurs mesurées autour de leur valeur
moyenne. Le test de Cochran permet de vérifier l’homogénéité des variances
des valeurs individuelles des essais de chaque groupe étudié, c’est-à-dire de
vérifier que ces variances sont peu différentes entre elles. Il consiste à
comparer le critère de Cochran de ces variances avec celui lu sur la table
correspondante à un risque α=5%
Condition de validation : La décision se fait par rapport à une valeur critique
que l’on trouve dans la table de référence

variances expérimentales si2

C =
smax est l’écart type expérimental
Table et test de COCHRAN : le test C de Cochran est un test d’homogénéité des
variances. Il analyse les variances expérimentales de plusieurs séries de
mesurages répétées
- P séries
- Dans chaque série, n répétitions du même mesurage
- Ce test permet d’éliminer les séries présentant une dispersion trop
importante (défaut de fidélité)
- Pour cela, à partir des variances expérimentales si2 obtenues pour chaque
série, la statistique C de Cochran est calculé de la façon suivante
- Où smax est l’écart type expérimental le plus grand obtenu
- la valeur C de Cochran est ensuite comparée aux valeurs critiques établies
pour un nombre de séries (p) et un nombre de répétitions (n) dans chaque
série et correspondant à un risque de 1% ou de 5% de rejeter une série à tort,
en cas de dépassement de la valeur critique correspondante
Conclusion
C valeur theorique à 5%
C> valeur critique à 1%
Valeur critique à 5% ˂ C ˂ valeur
critique à 1%
Bonne homogénéité des variances aucune série
n’est rejetée
La série ayant la dispersion la plus grande est
rejetée et un nouveau calcul de C est effectué
avec les p-1 séries restantes
Cas douteux à gérer
Exemple d’application pour une étude inter laboratoire collaborative
Ce test analyse les variances expérimentales obtenues par les différents
laboratoires (p laboratoires) et permet d’éliminer ceux présentant une
dispersion trop importante pour leur série de n mesurages

C
laboratoire retenu cas douteux laboratoire rejeté

valeur critique à 5% valeur critique à 1%

 XI. Robustesse
XI.1. Définition Robustesse :
 aptitude d’une méthode de mesure à produire de faibles variations du
résultat lorsqu’elle est soumise à des modifications contrôlées des
conditions expérimentales, susceptibles de se produire lors de la mise en
œuvre de la procédure de mesure
XI.2. Principe de l’évaluation de la robustesse
 La robustesse d’une procédure de mesure est testée, lors de la phase de
développement, en introduisant des modifications faibles mais de manière
délibérée des conditions de mise en œuvre et en observant les effets sur la
fidélité et la justesse de mesure de cette procédure
Table et test de GRUBBS. G de Grubbs (ou test des valeurs aberrantes)
permet de déterminer si les valeurs extrêmes d’une série de p valeurs sont
aberrantes ou peuvent être gardées.
Pour cela:
 il faut rechercher la valeur la plus grande ymax et la valeur la plus petite ymin
 Calculer les paramètre statistiques de la série des valeurs ( moyenne et
écart-type Moyenne =

Ecart-type des valeurs : s(y) =

calculer les statistiques de Grubbs

 Gmax = Gmin =

Cela revient à exprimer les écarts les plus grands entre une valeur et la
moyenne des valeurs en multiple de l’écart-type des valeurs
Comparer les valeurs Gmax et Gmin aux valeurs critiques établies pour un
nombre de valeurs (p) et correspondant à un risque de 1% ou de 5% de
rejeter une valeur à tort en cas de dépassement de la valeur critique
correspondante de la statistique du test.
 Conclusion
Gmax ou Gmin valeur critique à 5% Aucune valeur n’est rejetée
Gmax ou Gmin valeur critique à 1% Rejet de la valeur la plus éloignée et
nouveau calcul de Gmax et /ou Gmin avec
les p-1 valeurs restantes
Valeur critique à 5% ˂ Gmax ou Gmin˂ Cas douteux à gérer
valeur critique à 1%
Exemple d’application pour une étude inter laboratoire collaborative
Ce test est appliqué aux mox moyennes expérimentales obtenues par les
différents laboratoires (p laboratoires) participant à l’étude. Il permet d’éliminer
ceux pressentant une moyenne trop éloignée de la valeur de référence qui est ,
dans ce cas, la moyenne des moyennes de tous les laboratoires (défaut de
justesse)
 Moyenne des moyennes des
laboratoires participant à l’étude y
=

𝑝
ത
തത−ȳ)2
σ 𝑖=1(𝑦𝑖
ത
തത=
Ecart-type des moyennes : s(𝑦) ට
𝑝−1

calculer les statistiques de Grubbs

 Gmax = Gmin =
 cas douteux laboratoire rejeté Gmax ou Gmin
laboratoire retenu

valeur critique à 5% valeur critique à 1%

XI.3. Conditions pouvant être modifiées.
 Operateur
 Appareillage
 Réactif (changement de fournisseur , de concentration, de pH)
 Procédure (technique d’homogénéisation, temps imparti à l’achèvement
du processus)
 Conditions ambiantes (température, lumière, pression atmosphérique,
humidité)
 Pré-traitement des échantillons (conditions de prélèvement,
d’extraction, de conservation)

Note: Certaines de ces conditions correspondent aussi à des conditions de

fidélité intermédiaire.
exemple
Dans le cas d’une procédure de mesure où le pH d’un réactif est fixé à 7,5; on
veut savoir si une légère modification de pH (par exemple 7,4 ou 7,6) entraine
une modification significative de la valeur mesurée.
Si tel est le cas, la méthode de mesure appliquée avec cette procédure n’est
pas robuste et il est impératif de contrôler strictement le pH

XI.4. Démarche pour un test de robustesse

 Un plan d’expérience est établi en prenant en compte séparément les
différents facteurs de variation possibles. Eventuellement, si certains
facteurs sont supposés avoir une influence négligeable, il est possible de
faire l’étude en les faisant varier simultanément
 Les facteurs de variation doivent être modifiées dans l’intervalle des
valeurs extrêmes susceptibles d’être rencontrées en laboratoire
 Les valeurs mesurées sont traitées par étude statistique et
l’interprétation est faite par analyse de variances

 Pour chaque facteur étudié, la variance liée à la modification de ce

facteur est comparée à la variance de répétabilité de la procédure de
mesure dans les conditions de base ( la variance de répétabilité par
définition est obtenue par étude inter -laboratoire)
 XI.5. Objectifs des tests de robustesse
Les tests de robustesse ont trois principaux objectifs
XI.5.1. Détection des facteurs influents 
 Si aucun des facteurs n’est déclaré influent, la méthode est dite robuste
 Si un ou plusieurs facteurs sont déclarées influents, plusieurs décisions sont
possibles
 La méthode est déclarée non robuste, il faut la revoir;
 La méthode pourra être appliquée à condition que le facteur influent puisse
être bloqué à un niveau donné ; il faut alors indiquer clairement le niveau
exigé et ses limites dans la procédure de mesure, permettant ainsi que la
procédure soit insensible à ce facteur
 Dans les autres cas, il faut tenir compte de l’effet du ou des facteurs influents
lors de l’évaluation de l’incertitude
 XI.4.2. Optimisation des méthodes de mesure
Les tests de robustesse permettent de déterminer les valeurs à appliquer aux
facteurs influents afin d’obtenir la meilleure robustesse possible de la méthode
concernée. La méthode est alors dite optimale
XI.4.3. Transfert de méthodes
la robustesse permet d’étudier le transfert de la méthode vers d’autre
laboratoires autre que celui où elle a été élaborée, les différences de matériel
et de savoir-faire, d’un laboratoire à un autre, pouvant entrainer des variations
des résultats obtenus, ces variations doivent être négligeables
Les tests de robustesse sont très utiles :
 En vue du transfert des méthodes d’un laboratoire à un autre
 En tant que préalables aux études inter-laboratoires collaboratives
 XII. Conclusion générale
 Objectif. Obtenir un mesurage ayant une bonne exactitude de mesure
 Conditions à remplir par l’ensemble procédure/ système de mesure
1. être sélectif (spécifique)
C’est la première exigence à vérifier afin de ne quantifier que le mesurande.
Elle intervient au moment du développement d’une méthode.
2. Présenter un intervalle de mesure adapté
Cet intervalle doit encadrer les valeurs possibles du mesurande dans le
matériau soumis au mesurage c’est-à-dire :
La limite inferieure de l’intervalle de mesure doit être plus petite que les
valeurs possibles du mesurande
La limite supérieure de l’intervalle de mesure doit être plus grande que les
valeurs possibles du mesurande
 Note : dans le cas où la valeur du mesurande est plus grande que la limite
supérieure, si cela est possible, on peut procéder à une dilution préalable du
matériau d’essai
3. Avoir une sensibilité la plus grande
Ceci permet de mieux différencier deux valeurs proches du mesurande
4. Avoir une bonne résolution adaptée
La résolution doit être adaptée aux exigences du mesurage
5. Avoir à la fois une bonne justesse et une bonne fidélité
Pour cela, le système de mesure doit avoir été étalonné, puis sa justesse et
sa fidélité doivent être contrôlées régulièrement grâce aux opérations de
vérification. Si nécessaire, le système doit être réétalonné
 6. Avoir une bonne robustesse.
C’est une qualité supplémentaire qui permet d’améliorer l’exactitude des
mesurages en cas de petites variations des conditions de mesure dans un
laboratoire, ou lors d’un transfert de la méthode de mesure dans d’autres
laboratoires
Pour s’assurer des bonnes performances de l’ensemble procédure/
système de mesure, différentes vérifications peuvent être effectuées