Incertitude de mesure

et dclaration de conformit

LES LIAISONS DANGEREUSES

Tout ce quil faut savoir avant dappliquer la nouvelle
norme ISO/IEC Guide 98-4:2012
2012 aura vu paratre, en fin danne, la nouvelle norme ISO/IEC
Guide 98-4 Partie 4 : Rle de lincertitude de mesure dans la
dclaration de conformit . Cette norme fait logiquement suite
prs de deux dcennies de discussions autour des incertitudes de
mesure qui ne sont pourtant pas, en gnral, le souci majeur des
utilisateurs.

En effet, elle nest pas, par elle-mme, Avant la norme ISO/IEC

un paramtre qui lintresse directe-
ment, sauf dans le cas particulier des
laboratoires dtalonnage qui doivent
matriser le mieux possible la valeur
de leurs talons (par consquent les
incertitudes associes) pour raliser
leurs prestations. Pour Monsieur tout
le monde, elle intervient, car elle fait
peser un doute sur la dclaration de
conformit. Ce qui intresse relle-
ment le passager dun avion ou le mal-
ade en cours de diagnostic, ce nest
pas la valeur vraie de la caractris-
tique mesure (pour une pice vitale
du moteur de lavion ou dans le cadre
dune analyse de la concentration en
marqueurs tumoraux dans le sang),
mais bel et bien de savoir sil a (ou
non ?) de bonnes chances datterrir ou
de savoir sil a besoin de soins. Dans un
monde o les mesures seraient lexacte
reprsentation de la ralit, cette question
des chances de naurait pas de sens.
Dans ce cas, soit la pice ou lanalyse
est conforme et lutilisateur est
serein, soit elle est non conforme
et il sait quoi sen tenir. Grce aux
dernires annes coules, nous avons
pris conscience que les mesures ne
peuvent pas tre justes et que la r-
alit nous est par consquent inacces-
sible Il nous est seulement possible
de dterminer un intervalle, tabli
partir du rsultat de la mesure et de
lincertitude associe, dans lequel la
valeur recherche devrait se situer,
un niveau de confiance prs et connu.
Cet intervalle des valeurs possibles de
la caractristique recherche peut par-
fois dpasser lintervalle de tol-
rances spcifies. Ce dpassement
fait natre un doute quant la conclu-
sion donne sur la base du rsultat :
conforme ou non conforme ? et le
mtrologue doit pouvoir quantifier
ce doute.
FIGURE 1. La norme ISO 14253-1
Guide 98-4
videmment, cette question ne
survient pas seulement aujourdhui,
avec cette nouvelle norme. Le problme
est connu et a fait lobjet de diffrentes
stratgies, appliques aujourdhui.
La norme ISO 14253-1 (1998) :
Spcification gomtrique des produits
(GPS) -- Vrification par la mesure des
pices et des quipements de mesure
-- Partie 1: Rgles de dcision pour
prouver la conformit ou la non-
conformit la spcification
Le rfrentiel normatif international
pour traiter de cette problmatique
de la prise en compte de lincertitude
dans la dclaration de conformit est,

CONTRLES ESSAIS MESURES FVRIER 2013 PAGE 1

depuis 1998, la norme ISO 14253-1. Cette
norme devrait logiquement disparatre
au profit de la nouvelle ISO/IEC Guide
98-4 (2012), mais il faudra probable-
ment du temps pour que cette dernire
se diffuse rellement dans lindustrie.
LISO 14253-1 sappuie globalement sur
une stratgie quon pourrait qualifier de
risque minimum (ce qui ne signifie
pas risque zro que nous ne pourrons
jamais atteindre !). Le schma de princ-
ipe (Figure 1) de la prise en compte
de lincertitude est devenu un grand
classique, sans pour autant emporter
ladhsion. En effet, il savre que sou-
straire lincertitude la spcification
conduit trs souvent des situations
quasi impossibles. Les cas o la zone
de conformit dcrite par la norme
est trop petite, voire nulle, sont trop
frquents pour que les industriels pui-
ssent rellement la mettre en uvre
Ceci sexplique simplement par le fait
que les exigences spcifies sont rare-
ment les exigences fonctionnelles.
Les industriels savent dexprience
quils peuvent droger (mais de
combien ?) la spcification sans que
la fonction ne soit remise en cause.
Il convient de se rappeler que nos
recettes (spcifications, consignes)
ont souvent t tablies par expri-
ence. Elles sappuient initialement sur
des valeurs mesures (et non sur des
valeurs vraies) dans des processus de
mise au point itratifs. Ds lors quune
recette a fait ses preuves, il suffit,
pour la reproduire, que les mesures
soient dans les consignes donnes
pour que la fonction soit assure.
Sil fallait sintresser maintenant aux
valeurs vraies fonctionnelles, il est
plus que probable que lincertitude de
mesure devrait sajouter aux tol-
rances actuelles plutt qutre sou-
straites. Cela respecterait mieux la
ralit industrielle mme si
laddition prconise nen est pas client , cest--dire le pourcentage de
vraiment une, nous le verrons plus
bas. Cest dailleurs cette logique que
le comit de normalisation de lUnion
de Normalisation de la Mcanique a
suivie dans ltablissement des lim-
ites de classes (pour les instruments
dimensionnels ) depuis la sortie de
lISO 14253-1. Pour pouvoir lappliquer,
il a t dcid dajouter les incerti-
tudes dtalonnage des laboratoires
accrdits Cofrac (sensiblement iden-
tiques pour chaque type dinstruments)
aux anciennes limites de classe pour
dfinir les nouvelles
Mais il existe videmment une lim-
ite ne pas franchir, une limite fonc-
tionnelle pour la valeur vraie. Ainsi,
on ne peut pas vrifier une tolrance
donne avec nimporte quelle incerti-
tude. Cette dernire doit tre adapte
la situation. Ds la version de 1994,
la norme ISO 9001 imposait que les
incertitudes de mesure sont con-
nues et compatibles avec laptitude
requise en matire de mesurage .
Cest ce concept daptitude/compati-
bilit du processus de mesure eu gard
la tolrance vrifier qui se nomme
capabilit , sachant quil ne fait ce
jour lobjet daucune dfinition claire
dans le monde de la mtrologie.
La capabilit
Ce sujet a fait lobjet dun long dvel-
oppement dans lun des derniers
numros de Contrles Essais Mesures
(N39 mai 2012). Il sagit de sassurer
du respect dun ratio contractuel entre
tolrance et incertitude pour conclure
quant la possibilit ou non dutiliser
le processus de mesure pour dclarer
la conformit du produit.
Historiquement, la notion de capabilit,
dveloppe par lindustrie automobile
dans le cadre de la matrise statistique
des procds (MSP ou SPC), concerne
les process de fabrication. Il sagit, dans
le cadre des fabrications en grande
srie pour lesquelles il est impossible
(et trop coteux) de faire du contrle
100 %, de matriser le taux de produits
non conformes inexorablement
raliss. On estime alors le risque
habitude, voire par obligation, le labo-
produits non conformes livrs, connu
et accept par le client. Pour atteindre
cet objectif, la capabilit des process
dispose de deux grandes familles de
paramtres statistiques. La premire
donne une indication sur ladquation
entre la dispersion naturelle du
process et la tolrance (on voque
CONTRLES ESSAIS MESURES FVRIER 2013 PAGE 2
gnralement un coefficient nomm
Cp) et la seconde une indication sur
le dcentrage (Cpk en gnral). Ce
sont ces deux paramtres Cp et Cpk
qui permettent de dterminer le taux
de non conformes gnrs par un
process.
Pour tre estims, ils imposent de
raliser des mesures ce qui induit,
videmment, des incertitudes. Pour ne
pas avoir sen soucier, on impose des
incertitudes de mesure ngligeables.
Un ratio trs svre (10 %) entre lesdites
incertitudes de mesure et la dispersion
du process est alors impos pour que
le processus de mesure permette
de dterminer les paramtres Cp et
Cpk de manire satisfaisante. Cette
exigence comprhensible dans le
contexte a gliss, dans les esprits, vers
une capabilit du processus de mesure
tout court , ce qui na plus beaucoup
de sens. En effet, le seul ratio entre
incertitude de mesure et tolrance ne
permet pas de connatre, ni le risque
client , ni le risque fournisseur .
La nouvelle norme ISO/IEC Guide 98-4
claircit enfin ce point.
Mais force est de constater que ce
concept, dapparence simple, a fait
son chemin dans les esprits et il nest
pas rare aujourdhui que soit impose
une limite ce ratio dans le cadre des
appels doffres pour la ralisation de
la vrification dun parc de moyens
de mesure. Pourtant, telle la qute
de la pierre philosophale, chacun
(re)cherche, en vain, une la valeur
optimale cette limite.
Puisque ce ratio ne rpond pas, et
ne pourra jamais rpondre seul,
la question lgitime : quels risques,
client et fournisseur et au-del
du process, lincertitude de mesure
gnre-t-il ? Il est souvent choisi par
ratoire ne pouvant pas faire mieux.
Mais quid des consquences de ce
choix parfois hasardeux et souvent
coteux ? Nous allons voir ci-dessous
comment la nouvelle norme ISO/IEC
Guide 98-4 peut ouvrir des perspec-
tives qui vont permettre de statuer, en
conscience, sur la stratgie retenir.
La pratique courante
La dernire stratgie disponible, et
srement la plus souvent utilise,
est tout simplement de ne pas tenir
compte des incertitudes pour dclarer
la conformit. Cette pratique est telle-
ment rpandue (comment faire autre-
ment diront certains ?) que le Cofrac
lui-mme lautorise, sous rserve dun
accord entre le client et le laboratoire
et sous conditions dtablissement des
limites de spcifications (cf. notam-
ment le document LAB REF 02, Rev7 ap-
plicable au 1er mai 2012, pages 21 25,
consultable et tlchargeable sur le site
www.cofrac.fr). Il dfinit la notion de
Dclaration de conformit avec
risques dans certains de ses docu-
ments et propose des mentions types
pour signaler si elles ont t ou non
considres : Pour dclarer la conform-
it ou la non-conformit, lintervalle de
spcifications a t rduit de la valeur
de lincertitude associe au rsultat ou
Pour dclarer la conformit ou la non-
conformit, il na pas t tenu compte
de lincertitude associe au rsultat . ralit les deux risques Pour ce qui
On remarquera quen proposant de
rduire lintervalle de spcification de
la valeur de lincertitude associe au
rsultat, le Cofrac invite simplement le
laboratoire et son client respecter les
prconisations de la norme ISO 14253-1,
telles que dcrites ci-dessus.
Le Cofrac reconnat le caractre dlicat
de cette question dans une note in-
formative la fin du paragraphe 9.2.4.1.
Il introduit lui aussi les notions de
risque client et risque fournis-
seur , car, au regard des incertitudes,
les intrts de lun sont en contradiction
avec les intrts de lautre. Le risque
client se dfinit, dans le monde de la
mtrologie, comme le risque de dclarer
conforme un objet qui serait, en
ralit, non conforme . Le risque Dans le cadre de cette relation spci-
fournisseur , quant lui, est le risque
de dclarer non conforme un objet
qui serait conforme .
Sans faire de mathmatiques pour
linstant, on comprend intuitivement
que diminuer lun des risques fait aug-
menter lautre (et de faon non propor-
tionnelle !). Il convient donc de trouver
un compromis entre client et four-
nisseur pour dterminer une rgle
quitable
Remarque fondamentale : le poids
des mots
Dans lindustrie, il est habituel de
sinscrire dans une relation client-
fournisseur et ces mots viennent
aisment lesprit. Ainsi, les notions
de risque client et de risque
fournisseur sont directement et
implicitement associes lun ou
lautre des cocontractants. Cette
association quasi inconsciente conduit
par exemple le Cofrac crire, dans sa
note informative, selon les risques
que le laboratoire et son client sont
prts partager . Mais quen est-il
rellement du partage des risques ?
Dans le cadre de toute prestation
mtrologique (vrification dun
instrument de mesure) et dans de
nombreux cas lis aux essais, cest le
demandeur (le client) qui supporte en
est des consquences lies au risque
client , elles pourraient gnrer des
non-conformits dans sa produc-
tion alors quil utilise, de bonne foi
et en confiance, un moyen rput
conforme qui ne lest pas. Mais ct
risque fournisseur , le client devra
assumer les cots directs et indirects
dus une non-conformit qui nen
est pas une !
Jai personnellement le souvenir de
cots astronomiques, dans lindustrie
pharmaceutique, lis la gestion de
non-conformits apparentes de
moyens de mesure alors quil sagissait
le plus souvent de leffet incertitude
dtalonnage, le moyen talonn tant
lui-mme parfaitement conforme .
fique, les risques ne sont donc pas
partags, mais ils incombent ex-
clusivement au client. lextrme,
ce qui se nomme intuitivement
risque fournisseur pourrait plutt
se transformer en opportunit de
business pour le laboratoire en gn-
rant des ajustages et des rtalonnages
inutiles
CONTRLES ESSAIS MESURES FVRIER 2013 PAGE 3
La norme ISO/IEC Guide 98-4 :
la solution optimale ?
Rdig par le JCGM(1), le document
JCGM 106 (2012) est devenu la norme
ISO/IEC Guide 98-4 lanne mme de sa
parution. Cela dmontre, sil le fallait,
le poids du JCGM dans les orientations
de la mtrologie internationale. Tous
ceux qui ont lu le G.U.M (Document
JCGM 100:1995 corrig en 2008 : Guide
pour lexpression des incertitudes de
mesure), rdig par le mme comit,
ont probablement gard le souvenir
dun document trs technique et dif-
ficilement abordable. Il en va de mme
pour ce nouveau document et il faut
bien reconnatre que sans un mini-
mum de connaissances et de pratiques
en statistiques, ces documents trs
spcialiss sont quasi inabordables...
Au-del des formules et des thormes
(notamment celui de Bayes qui ne
manquera probablement pas de
marquer les prochaines annes)
auxquels cette norme fait appel, il
est ais dexpliquer les bases de la
rflexion qui orientent cette norme
et les conclusions auxquelles elle
aboutit. Il serait en effet dommage de
refermer ce document, susceptible
de rebuter mme les plus courageux,
sans en avoir peru le fond, car
il aborde la problmatique de la
conformit sous un angle nouveau
et plein de promesses. Par ailleurs, la
commission mtrologie (X07B) de
lAfnor, qui a vot avec enthousiasme
le statut de norme internationale
pour ce guide, a dores et dj runi
un groupe dexperts charg de rdiger
un fascicule de documentation sur le
sujet. Lobjectif de ce fascicule est de
rendre comprhensibles les concepts
du guide et la premire runion de
travail est programme pour le mois de
fvrier 2013.
Fait remarquable, cette norme a le
mrite de concilier les approches pr-
cdemment exposes et permettra
donc de glisser tranquillement dune
(1)
http://www.bivi.metrologie.afnor.org/
layout/set/popin/dictionnaire/jcgm-joint-
committee-for-guides-in-metrology
pratique actuelle, peut tre non ou mal
matrise, une approche plus rig-
oureuse et responsable.
Elle sappuie sur la notion de
risque client pour dfinir la
stratgie retenir, stratgie con-
sistant dfinir une bande de
garde qui permettra de garantir le
risque client contractuel. Notons
tout de mme, pour la bonne forme,
que cette approche nest pas vraiment
nouvelle, car les Amricains lutilisent
depuis longtemps (cf. norme NCSL/
ANSI Z540, volution de la norme
MIL STD 45662A (1988)) et que lAfnor
voque aussi ces notions dans le fasci-
cule FD X 07-022 - 2004 Utilisation des
incertitudes de mesures : Prsentation
de quelques cas et pratiques usuelles .
FIGURE 2. Vision traditionnelle du risque client
FIGURE 3. (extraite du fascicule FD X 07-022) : Distributions de probabilits associes au processus
de production ET au processus de mesure.
FIGURE 4.Dtermination du risque client (o x reprsente la valeur vraie et t la valeur mesure)
Dfinition du risque client
Il est temps maintenant de rentrer
dans le vif du sujet en dfinissant le
risque client , tel que prsent dans
la nouvelle norme. Trop souvent en ef-
fet, cette notion de risque sest limi-
te la dtermination de la probabil-
it quune valeur vraie soit en dehors
des limites de la spcification, compte
tenu dun rsultat de mesure et de
lincertitude associe. Cette vision est
illustre Figure 2. Or, pour quexiste le
risque client , cest--dire pour
quun produit non conforme pui-
sse tre livr, il faut videmment que
le process le produise ! Le risque cli-
ent nest donc pas uniquement un
risque li la mesure, mais il nat de
CONTRLES ESSAIS MESURES FVRIER 2013 PAGE 4
la conjonction de deux phnomnes
caractre alatoire : la ralisation de
lobjet dune part et lerreur de mesure
qui se produit lors de son contrle
dautre part. Cette vision des choses,
plus conforme la ralit, a le mrite
de faire porter la rflexion non seule-
ment sur la mesure (mtier du mtro-
logue), mais aussi (et peut tre surtout)
sur le process. Elle est illustre la Fig-
ure 3. Pour faire simple, le risque cli-
ent se calcule comme tant le produit
de la probabilit de raliser un produit
non conforme (proprit du process
de production) par la probabilit (con-
ditionnelle) de le mesurer conforme
(cest--dire dans la tolrance). Ce
produit nest pas une simple multipli-
cation, mais un produit dintgrales, ce
qui rend rapidement lcriture math-
matique mystrieuse pour le com-
mun des mortels (la Figure 4 donne
lquation du risque client pour un
process suivant une loi normale cen-
tre). Le risque fournisseur , quant
lui, se dfinit comme le produit de la
probabilit de mesurer non conforme
un produit conforme . Il fait lobjet
dun calcul similaire
Pour sortir le plus vite possible de
la difficult mathmatique, et ne
pas passer ct de lessentiel, il est
possible denvisager les choses sous un
angle plus simple, presque ludique : la
simulation numrique.
Simulation et dtermination
des risques
Si la thorie est indispensable pour
penser les phnomnes et en dmon-
trer les proprits, la simulation num-
rique permet de matrialiser/visual-
iser les phnomnes en prsence. On
peut, avec cette technique voir les
choses dont la ralit nous prive. On
ne connatra probablement jamais les
valeurs vraies dun process, on ne con-
natra pas plus lerreur de mesure qui
se produit chaque mesure, mais on
peut tout fait utiliser leurs proprits
respectives pour simuler des possibili-
ts de lune et de lautre laide dun
simple ordinateur. Il est alors possible
de reproduire ce qui se passe dans la
ralit (qui ne reste malgr tout que
thorique) et de compter, tout sim-
plement compter, le nombre de fois
o la conjonction du process et de la
mesure font prendre une mauvaise
dcision, dans un sens (risque client)
ou dans lautre (risque fournisseur).
Rapports au nombre de simulations
ralises, on dtermine le taux de mau-
vaises dcisions et ce sont ces taux que
les formules compliques telles que
celle de la Figure 4 estiment. Le cot
de la simplicit se compte alors, mal-
heureusement, en temps de calculs. Il
faut en effet prvoir un nombre con-
squent de simulations pour obtenir
des rsultats suffisamment prcis(2).
Risque et capabilit
Le souci qui se pose maintenant est de
pouvoir passer du concept de capa-
bilit (rapport entre tolrance et in-
certitude) au concept de risque client
. Lide est donc de transformer la
capabilit (souvent contractuelle) en
risque client et de considrer que
(2)
Delta Mu a mis en ligne, sur son site
(www.deltamu.fr), une application Excel
qui permet de raliser ces simulations.
Les rsultats ont t compars aux valeurs
obtenues par les formules thoriques. Une
confrence a t propose dans le cadre du
prochain Congrs de Mtrologie (octobre
2013). Elle dtaillera laspect thorique
de la problmatique et les rsultats de la
comparaison Thorie/Simulation.
cest principalement le risque client
quil faut garantir, la capabilit du
processus de mesure ntant quun
indicateur sans sens vritable, comme
nous lavons vu. La dtermination du
risque client associ un coeffi-
cient de capabilit quelconque se fait
simplement, lorsque les proprits du
process sont connues. Lorsquelles ne
sont pas connues, il est frquent de les
admettre pour pouvoir conduire les
calculs. videmment, ces approxi-
mations peuvent avoir de lourdes
consquences (cf. Figure 6).
Lorsque la capabilit du processus de
mesure ne peut pas tre tenue, il est
possible de calculer des bandes de
garde qui rduisent la tolrance ini-
tiale et qui permettent de respecter
le risque client initialement ac-
cept (Figure 5). Mais attention, cette
stratgie peut faire considrablement
augmenter le risque fournisseur et
nous avons vu prcdemment que ce
dernier pouvait aussi tre au dtriment
du client ! La simulation numrique
permet l encore de dterminer, par
itrations, les bandes de garde et les
risques associs(3).
Risque client , risque fournisseur ,
bande de garde , comment choisir?
Il nest pas toujours ais de statuer sur
le risque quil est possible daccepter,
en tant que client, lorsquon doit
statuer sur la conformit dun moyen
de mesure ou dun essai.
Le risque client , au sens de lISO/IEC
Guide 98-4, commence ds que lerreur
de linstrument dpasse la limite de
spcification, appele gnralement
erreur maximale tolre (E.M.T) dans le
cadre des vrifications mtrologiques.
Mais la connaissance de cette limite
est-elle vraiment conforme au besoin
rel de fonctionnalit ? De plus,
lutilisation, cette E.M.T est ensuite
thoriquement ramene sous
forme dcart-type par une mthode
de type B et introduite dans un calcul
dincertitude. Cette transformation
E.M.T->Ecart-type souffre elle
aussi dapproximations puisque le
mtrologue doit envisager une loi de
distribution (sans avoir la dmontrer!)
pour la raliser. Un doute nouveau
pse alors sur lcart-type rsultant,
doute d la mconnaissance de la loi
relle de distribution de lerreur. Pour

(3)
La notion de bandes de garde rejoint
la stratgie propose par lISO 14253-1.
Elles sont alors dfinies directement par
lincertitude de mesure et conduisent, l
encore, un risque client qui peut se
calculer comme indiqu prcdemment. FIGURE 5. Stratgie des bandes de garde
Sil est clair que ce risque sera faible
(sauf process de fabrication totalement
dgrad), le risque fournisseur est
considrablement augment. La figure 6
propose diffrentes dterminations des
risques client et fournisseur partir
de diffrentes hypothses sur le process et
sur lincertitude de mesure. On pourra noter
que les hypothses sur le process impactent
de faon considrable la valeur de chacun
des risques dtermins. Il convient donc
dtre trs attentif auxdites hypothses... FIGURE 6. Risques Client et Fournisseur suivant diffrentes configurations

CONTRLES ESSAIS MESURES FVRIER 2013 PAGE 5

se couvrir, on utilise frquemment
une loi uniforme qui a pour objectif de
majorer lcart-type. On peut calculer
facilement quune erreur sur la loi,
normale au lieu de uniforme par
exemple, induit un cart sur l cart-
type de plus de 40 % ! Certes, dans ce
sens, les 40 % sont majorants, mais qui
peut garantir que cette erreur na ja-
mais lieu dans lautre sens (si la loi re-
lle est une loi en drive darc-sinus ,
lerreur, minorante cette fois-ci, est de
plus de 20 %) ? On accepte donc ce type
derreur aujourdhui (voire plus !), et
sans que cela semble poser rellement
de problme
Le risque client conduit laisser
passer certaines erreurs relles, mais
sont-elles vraiment significatives
devant les autres approximations
ralises ? La simulation nous per-
met l encore de visualiser les erreurs
vraies des instruments qui ne sont
pas dtectes cause des incertitudes
dtalonnage et qui participent au
risque client . On peut alors dter-
miner lerreur maximale ( un niveau
de confiance donn) qui risque de nous
chapper La Figure 7 montre la distri-
bution des erreurs non dtectes dans
une configuration donne. Il est possi-
ble de dterminer, grce ce graphique,
FIGURE 7. Distribution des erreurs vraies
qui ont t vues conformes . Process
centr, tolrance 10, sans bande de garde,
6 carts-types dans la tolrance.
les erreurs maximales non dtec-
tes lors de la vrification. Dans cette
configuration, il y a une probabilit
de 5% que lerreur non vue soit sup-
rieure 11,5 (au lieu de 10) et infrieure
-11,5 (au lieu de -10). On peut lgi-
timement se demander si ce dpasse-
ment de 1,5 au-del de la limite fixe
est vraiment significatif par rapport la
connaissance relle du besoin en mat-
ire dE.M.T ? Dans le cas prsent, ce
dpassement ne reprsente que 15 %
de lE.M.T. Or, on a vu prcdemment
que lors de lutilisation de lE.M.T par
une mthode type B, on peut faire une
erreur de plus 40 % sans compter que
ce sont les variances qui devraient tre
compares. On aurait alors une majora-
tion de 70 % si la loi est normale au
lieu de uniforme , une minoration de
50 % si elle est en drive arc-sinus .
Dans ces conditions, le risque client
correspondant 15 % de lEMT parat
bien modeste par rapport ces erreurs (4).
Le risque fournisseur , quant
lui, reste et demeure. Il ne peut tre
combattu quau prix de la rptition
des vrifications sur le mme moyen,
donc de laugmentation des cots. Le
client le subit sournoisement et il
gnre des actions inutiles quon ne
peut pas identifier aisment.
lpoque o il devient impratif
dtre efficient, ces dpenses indues ne
sont srement pas les bienvenues
Attention donc ne pas se laisser trop
facilement glisser vers les propositions
de la norme ISO/IEC Guide 98-4. Le
risque est grand que les laboratoires
prestataires appliquent le principe de
la bande de garde, en toute bonne foi
et en pensant, comme intuitivement,
que le risque fournisseur est en
fait le leur. En imposant un coefficient
de capabilit, le client risque donc de
sinfliger des surcots lis lajustage
et la revrification de moyens qui ne le
mriteraient pas. Le lecteur aura bien
compris que le risque fournisseur
nest, finalement, pour le laboratoire
que le risque de travailler plus pour
gagner plus, pour reprendre une
formule bien connue !
Il existe une solution simple pour sortir
CONTRLES ESSAIS MESURES FVRIER 2013 PAGE 6
de cette situation, il suffit simplement
de rechercher une bande de garde
qui conduit au meilleur compromis
entre risque client et risque
fournisseur . Pour cela, il convient de
rflchir au poids de chacun des deux
risques dans lorganisation de chaque
client, il ny aura pas de rgle dor.
La solution : la minimisation
de la somme pondre des
deux risques
Le meilleur compromis doit tenir
compte de limpact conomique (au
sens large) de la ralisation de ces
risques. Quel risque court lentreprise
si elle utilise un moyen non con-
forme alors quelle pense quil est
conforme ? Combien cote la ges-
tion des non-conformits sur les
moyens de mesure concerns (tudes
dimpact, ajustages, rtalonnages, im-
mobilisation, achats, ) ? Il ne sagit
pas, bien sr, de calculer au centime
deuros prs les cots rels induits,
mais de pondrer les deux risques
pour avoir une vision objective de la
problmatique. On peut par exemple
dfinir que le risque client (Rc) a,
soit un impact du mme ordre que le
risque fournisseur (Rf) (pondra-
tions, note P, telles que PRc = 1 et PRf
= 1), soit quil est cinq fois plus impor-
tant (PRc = 5- PRf = 1), soit encore cinq
fois moins grave (PRc = 1 -PRf = 5).
partir de ces pondrations, il est pos-
sible de dfinir la bande de garde
qui minimise la somme pondre des
deux risques, indpendamment dun
ventuel coefficient de capabilit,
mais en tenant compte bien sr de
lincertitude dtalonnage. Dun point
de vue mathmatique, cette minimi-
(4)
Il faut ici prciser quune erreur
grossire de linstrument qui naurait
pas t dtecte au cours dun talonnage/
vrification ( cause de lincertitude
dtalonnage) peut souvent tre mise en
vidence par lutilisateur lui-mme, dans
le cadre doprations de surveillance. Ainsi,
en mettant en place de telles oprations (tel
que demand par les rfrentiels qualit),
le client peut prendre un risque plus
important dans le cadre des vrifications
mtrologiques.
sation conduit lquation donne Tous ces calculs sont conditionns en routine sur des objets de mme
Figure 8. Mais l encore, il est possible une vision objective du process. nature. En analysant les donnes ex-
de rsoudre ce problme par la simula- Changer une hypothse sur ce dernier primentales obtenues, et en tenant
tion numrique. suffit modifier sensiblement les con- compte des incertitudes (dtalonnage
clusions et les choix. Aprs des annes ou dessais) qui sont venues perturber
Une fois la bande de garde passes estimer des incertitudes de lesdites donnes exprimentales, il est
dtermine, on estime les risques mesure, il va donc falloir maintenant possible dextraire les distributions
client et fournisseur associs et se poser la question des proprits des des caractristiques recherches. En
ces deux informations permettent de process pour calculer les risques. Il me mutualisant ces informations, il serait
comparer objectivement la qualit de semble nanmoins que ce travail peut possible de mettre disposition des
la prestation propose. Il conviendrait tre relativement simple raliser. En laboratoires les donnes ncessaires,
galement de prciser quelle est effet, dans le cadre des vrifications ct process, lvaluation des risques.
lerreur maximale qui risque de ne mtrologiques, les laboratoires talon- Voil un beau programme de travail
pas tre vue dans le cas o le moyen nent chaque jour des quantits impor- pour des organismes/institutions/as-
est dclar conforme , tel que vu tantes dinstruments de mme type. Il sociations tels que le Cofrac, lAfnor ou
prcdemment. en va de mme pour certains labora- le Collge franais de mtrologie, par
toires dessais qui ralisent des essais exemple l
En effet, un laboratoire qui aurait une
incertitude sensiblement diffrente
dun autre dterminerait les bandes
de garde qui minimisent la somme
pondre (comme son confrre), mais
lvaluation des risques eux-mmes
dans les nouvelles limites de tolranc-
es (limites initiales de spcifications
corriges par la bande de garde )
donnerait des rsultats diffrents qui FIGURE8. Formule donnant la bande de garde minimisant la somme pondre des 2 risques.
permettraient de faire un choix en
conscience . La Figure 9 donne des
valeurs numriques pour des labora-
toires virtuels qui auraient des incerti-
tudes diffrentes pour les mmes para-
mtres Process. La Figure 10 montre les
rsultats quobtiendraient les mmes FIGURE 9. Exemple comparatif des risques obtenus aprs minimisation de la somme pondre.
laboratoires sils se contenter de d-
terminer les bandes de garde pour
respecter le risque client induit par
un coefficient de capabilit arbitraire
(C=3 dans lexemple) (5).
FIGURE 10. Exemple comparatif des risques obtenus aprs dtermination dune bande de garde
Conclusion et perspectives prservant le risque client induit par capabilit = 3.

La norme ISO/IEC Guide 98-4 ouvre

donc de nouveaux horizons pour la
mtrologie. En effet, trop concentr
sur la mesure, le mtrologue ne sest
peut-tre pas encore assez investi
dans le process. Or, pour matriser
ses dcisions, cette nouvelle norme
impose au mtrologue de connatre
ledit process puisque les risque
client et risque fournisseur en
dpendent trs fortement.

(5)
Pour les calculs des figures 9 et 10, la
pondration des risques a t fixe PRc = 1
et PRf = 1.

CONTRLES ESSAIS MESURES FVRIER 2013 PAGE 7