GUM est le sigle anglais du Guide pour l’expression de l’incertitude de mesure. C’est le document de référence qui unifie la manière d’estimer et de communiquer l’incertitude dans les laboratoires du monde entier. Son objectif est que deux laboratoires qui mesurent la même chose puissent exprimer leurs incertitudes de façon comparable. Ce résumé est général ; pour les détails, il convient de consulter l’édition en vigueur du guide et ses suppléments.
Principaux éléments
- Modèle de mesure : relation mathématique entre la grandeur mesurée et les grandeurs d’entrée.
- Évaluation de type A : incertitude estimée par des méthodes statistiques sur des séries d’observations.
- Évaluation de type B : incertitude estimée à partir d’autres informations, comme des certificats, des spécifications, l’expérience ou des données antérieures.
- Incertitude type : chaque contribution exprimée sous forme d’écart-type.
- Coefficients de sensibilité : ils indiquent dans quelle mesure chaque grandeur d’entrée influe sur le résultat.
- Incertitude composée : résultat de la combinaison des contributions, normalement par somme quadratique pondérée.
- Incertitude élargie : l’incertitude composée multipliée par un facteur d’élargissement, pour un niveau de confiance déclaré.
Une idée clé
Le GUM traite l’incertitude comme une quantification de ce que l’on sait, et pas seulement des erreurs aléatoires. Même les effets systématiques, une fois corrigés, laissent une incertitude associée à la correction. Et toute l’information disponible, statistique ou non, est traitée selon la même logique probabiliste.
Suppléments et limites de la méthode
La méthode du guide suppose un modèle raisonnablement linéaire et une distribution du résultat proche de la loi normale. Lorsque le modèle est fortement non linéaire ou que les distributions sont asymétriques, on emploie des méthodes complémentaires, comme la propagation de distributions par simulation de Monte Carlo, décrites dans les suppléments du guide.
Ce que l’ingénieur observe en pratique
Les certificats d’étalonnage indiquent une incertitude élargie avec son facteur d’élargissement, selon cette approche. Savoir comment elle a été construite permet de juger si elle est raisonnable, si elle est dominée par un seul facteur et ce qui peut être amélioré.