{"id":22939,"date":"2016-06-03T15:47:33","date_gmt":"2016-06-03T15:47:33","guid":{"rendered":"https:\/\/www.bioanalyt.com\/stories\/en-matiere-de-mesure-definir-lincertitude-accroitre-la-confiance-dans-les-resultats\/"},"modified":"2016-06-03T15:47:33","modified_gmt":"2016-06-03T15:47:33","slug":"en-matiere-de-mesure-definir-lincertitude-accroitre-la-confiance-dans-les-resultats","status":"publish","type":"stories","link":"https:\/\/www.bioanalyt.com\/fr\/stories\/en-matiere-de-mesure-definir-lincertitude-accroitre-la-confiance-dans-les-resultats\/","title":{"rendered":"En mati\u00e8re de mesure, d\u00e9finir l’incertitude = accro\u00eetre la confiance dans les r\u00e9sultats"},"content":{"rendered":"
<\/div>

Par Dr. Anna Zhenchuk, publi\u00e9 le 3 juin 2016 (mis \u00e0 jour en juillet 2025)<\/strong><\/p>\n

Lorsqu’il s’agit de tester des aliments enrichis, des \u00e9chantillons biologiques ou tout autre analyte pertinent pour la sant\u00e9 publique, les chiffres que nous communiquons ont du poids. Un seul r\u00e9sultat de test peut \u00eatre utilis\u00e9 pour approuver ou rejeter un produit, influencer une politique ou d\u00e9cider de la r\u00e9ussite d’un programme. Mais derri\u00e8re chaque chiffre se cache une v\u00e9rit\u00e9 simple : aucune mesure n’est parfaite. <\/span> <\/span><\/p>\n

C’est pourquoi il est si important de comprendre l’incertitude des mesures. Au lieu de saper nos r\u00e9sultats, elle nous donne une image plus claire de leur fiabilit\u00e9 et nous aide \u00e0 prendre des d\u00e9cisions plus \u00e9clair\u00e9es. <\/span> <\/span><\/p>\n

Ces derni\u00e8res ann\u00e9es, alors que je travaillais dans le domaine de la mesure des micronutriments dans les aliments et les \u00e9chantillons biologiques, on m’a souvent demand\u00e9 : \u00ab\u00a0Quelle est la fiabilit\u00e9 d’un r\u00e9sultat de mesure ? \u00ab\u00a0Quelle est la fiabilit\u00e9 du r\u00e9sultat d’une mesure ?\u00a0\u00bb ou \u00ab\u00a0Quelle est la pr\u00e9cision de la m\u00e9thode utilis\u00e9e pour obtenir le r\u00e9sultat ?\u00a0\u00bb <\/span> <\/span><\/p>\n

Selon la litt\u00e9rature et les lignes directrices internationales, il existe diff\u00e9rentes approches pour r\u00e9pondre \u00e0 ces questions, dont certaines sont contradictoires. Dans cet article de blog, je souhaite partager un r\u00e9sum\u00e9 personnel et pratique de ce qui est peut-\u00eatre la mani\u00e8re la plus largement accept\u00e9e et la plus informative d’exprimer la fiabilit\u00e9 d’une mesure : l’incertitude de mesure. <\/span> <\/span><\/p>\n

L’importance de l’incertitude dans la fortification<\/h2>\n

Dans les programmes d’enrichissement des aliments, les d\u00e9cisions r\u00e9glementaires reposent souvent sur un seul r\u00e9sultat d’analyse de laboratoire. Sans une compr\u00e9hension claire de l’incertitude associ\u00e9e \u00e0 ce r\u00e9sultat, il y a un risque de prendre des d\u00e9cisions incorrectes, telles que le rejet d’un lot conforme ou l’approbation d’un lot qui ne r\u00e9pond pas aux normes requises. <\/span> <\/span><\/p>\n

Prenons l’exemple suivant : la teneur en fer d’un \u00e9chantillon de farine de bl\u00e9 enrichie est test\u00e9e. Les sp\u00e9cifications r\u00e9glementaires exigent une teneur minimale de 30 ppm* (1). Le r\u00e9sultat du test indique 25 ppm. Le lot doit-il \u00eatre rejet\u00e9 ? <\/span> <\/span><\/p>\n

Les m\u00e9thodes analytiques sont sujettes \u00e0 la variabilit\u00e9 et chaque r\u00e9sultat d’essai est associ\u00e9 \u00e0 un niveau d’incertitude. Dans le cas pr\u00e9sent, la m\u00e9thode d’essai pr\u00e9sente une incertitude de mesure connue de 20 %. Cela signifie que la valeur r\u00e9elle peut se situer n’importe o\u00f9 entre 25 ppm \u00b120%. 20 % de 25 ppm, c’est 5 ppm, ce qui donne l’intervalle 20-30 ppm, qui correspond au niveau cible de 30 ppm, et l’\u00e9chantillon peut \u00eatre accept\u00e9 (2, 5). <\/span> <\/span><\/p>\n

Dans l’exemple ci-dessus, la valeur de \u00b1 20 % repr\u00e9sente un niveau de confiance de 95 % que la teneur r\u00e9elle en fer se situe entre 20 et 30 ppm (5).<\/span> <\/span><\/p>\n

Cela illustre l’importance d’indiquer l’incertitude des mesures en m\u00eame temps que les r\u00e9sultats des essais. Sans cela, les d\u00e9cisions d’acceptation ou de rejet peuvent devenir arbitraires et manquer de justification scientifique. <\/span> <\/span><\/p>\n

L’incertitude des mesures est un \u00e9l\u00e9ment essentiel de l’assurance qualit\u00e9 et de l’application de la r\u00e9glementation. Elle permet de prendre des d\u00e9cisions transparentes, fond\u00e9es sur des preuves et conformes aux meilleures pratiques internationales. Comme le souligne le Guide ISO\/CEI 98-3:2008 (r\u00e9vis\u00e9 et confirm\u00e9 en 2023), tous les r\u00e9sultats de mesure doivent \u00eatre rapport\u00e9s avec leur incertitude associ\u00e9e (2). <\/span> <\/span><\/p>\n

Aucun r\u00e9sultat n’est parfait<\/h2>\n

Commen\u00e7ons par une v\u00e9rit\u00e9 simple : aucune mesure n’est parfaite. Chaque r\u00e9sultat comporte un certain degr\u00e9 d’imperfection, quel que soit le soin apport\u00e9 \u00e0 la mesure. <\/span> <\/span><\/p>\n

L’incertitude de mesure est le terme utilis\u00e9 pour quantifier cette imperfection. Quelles sont les causes de l’incertitude ? Plusieurs facteurs, tels que (5, 6) : <\/span> <\/span><\/p>\n