Géomatiques et

géostatistiques
L’échantillonnage en géologie appliquée

Modifié par Hugo Bourque d’après un cours de Luc Barbanson*

*Maitre de conférence à l’université d’Orléans

 Echantillonnage et transaction : un exemple

Soit un minéralier avec une cargaison de concentré de

zinc:
200 000 t dans la cale
Echantillonnage  teneur concentré 50% Zn.
Tonnage Zn de la cargaison = 200 000 . 0,5 = 100 000 tZn
A 200 US$/t
Valeur de la cargaison: 20 M$US

Erreur lors de l’échantillonnage 50% Zn  40% Zn

Tonnage Zn de la cargaison = 200 000 . 0,4 = 80 000 tZn
A 200 US$/t
Valeur de la cargaison: 16 M$US
Perte de 4 M$US
Perte de 20% 2
 Partie I : Définitions et caractéristiques

1.1 Définitions
1.2 Caractéristiques des géomatériaux du point de vue de
l’échantillonnage
1.2.1 Types de matériaux
1.2.2 Les grandeurs
1.2.3 Les hétérogénéités
1.3 Le paradoxe de l’échantillonnage
1.4 Flow sheet d’un échantillonnage: principe et exemples
1.5 Les erreurs
1.6 Rappel: erreurs absolue et relative, moyenne, écart
type, loi normale
1.7 Les problèmes à résoudre

3
 Partie I : 1.1 Définitions
L’échantillonnage est l’opération cherchant à représenter un objet d’une certaine
étendue que l’on désigne sous le nom de lot (= contenu d’un wagon, d’un train,
production d’une journée, …) par une fraction réduite appelée échantillon, au regard
d’une grandeur que l’on veut déterminer. C’est sur cet échantillon que vont être
effectuées, par procuration, observations, essais, mesures ou analyses, dont les
résultats seront étendus à l’intégralité du lot.
Échantillon n°1 Mesure de la grandeur G = a1

Échantillon n°2 Mesure de la grandeur G = a2

Échantillon n°i Mesure de la grandeur G = ai

Lot Mesure de la grandeur G = an

Échantillon n°n

Valeur de G dans le lot: aL

 Partie I : 1.2 Caractéristiques des géomatériaux du point
de vue de l’échantillonnage

Type de matériaux

Massif rocheux

Composition minéralogique
Texture
• Taille des grains
Matériaux granulaires • Forme des grains
• Distribution des tailles
• Agencement des grains

Composition minéralogique des fragments

Texture des fragments
Granularité des fragments
Partie I : 1.2 Caractéristiques des géomatériaux du point
de vue de l’échantillonnage

Type de matériaux

Matériaux granulaires Massif rocheux

Manipulable Non - Manipulable

Les grandeurs
Teneurs  en g de minéral par g de solide.
métal
Tsolide (%) = t métal
min éral ( %) × Tsolide ( g de minéral / g de solide)
min éral

Humidité, porosité, fraction granulométrique, …

6
 Partie I : Les hétérogénéités
- un exemple : échantillonnage d’une solution aqueuse métallifère -

Un échantillon représentatif = une goutte

Ceci parce que:
 Toutes les unités aurifères
 Même volume
Solution  Même forme
aqueuse  Taille des unités aurifères << taille
d’or de l’outil d’échantillonnage

[AuCl2]-  HOMOGENEITE DE CONSTITUTION

 Homogénéité spatiale de l’objet à

échantillonner

 HOMOGENEITE DE DISTRIBUTION

Nous savons que les produits minéraux sont très différents.

 Partie I : Les hétérogénéités
- La cause du problème est la minéralogie. -

Dans un minerai les métaux ont un support physique:

les grains de minéraux utiles
Grains de sphalerite (ZnS) dans un minerai de Zn

Les grains ont:

 Formes différentes
 Tailles distinctes

 HETEROGENEITE DE CONSTITUTION

 Une distribution spatiale hétérogène

 HETEROGENEITE DE DISTRIBUTION
100 m
8
Partie I : Les hétérogénéités - matériaux granulaires

Homogénéité de Constitution
Homogénéité de Distribution Echantillon
représentatif

Hétérogénéité de Constitution
+
Hétérogénéité de Distribution
Echantillon représentatif constitué par incréments

Hétérogénéité de Constitution
Homogénéité de Distribution à
l’échelle d’observation
considérée
Echantillon représentatif et échelle d’observation à laquelle le
9
matériel présente une distribution homogène
 Partie I : Les hétérogénéités - massifs rocheux

Volume d’un échantillon représentatif.

Effet de la taille des grains des minéraux utiles.

Même texture (disséminée).

Même teneur en minéral utile (22%).
Même minéral utile.
Taille des grains de minéral utile Echantillon
différente. représentatif

On impose un volume d’échantillon représentatif grand par

rapport aux grains de minéral utile
10
 outil de prélèvement >> grains de minéral utile
 Partie I : Les hétérogénéités - massifs rocheux

Volume d’un échantillon représentatif.

Effet de la teneur en minéral utile.

Même texture
(disséminée).
11%
Teneurs différentes (11%
et 3% en minéral utile).
Echantillon
Même minéral utile. représentatif
Même taille de grains de
3%
minéral utile.

On impose un volume d’échantillon représentatif grand

11
par rapport aux grains de minéral utile
 Partie I : Les hétérogénéités - massifs rocheux

Volume d’un échantillon représentatif.

Effet de la texture du minerai.

A condition
de connaître
Textures différentes (massive la texture du
corps
versus stockwerk). minéralisé.
Même teneurs en minéral utile.
Même minéral utile.
Même taille de grains de
minéral utile. Echantillon
représentatif

On impose un volume d’échantillon représentatif grand

par rapport aux grains de minéral utile 12
 Partie I : Les hétérogénéités - massifs rocheux

Volume d’un échantillon représentatif.

Effet de la nature minéralogique du minéral utile.

Même textures (disséminée).

Même teneurs en métal (2% Ag).
Minéral utile différent.
Même taille de grains de minéral Echantillon
utile. représentatif

Argent natif à 100% Ag

Cuivre gris saturé en Ag: 15% Ag

13
 Partie I : Les hétérogénéités - évaluation

Evaluation de l’hétérogénéité de constitution

- cas des matériaux granulaires -
- définition et trois exemples (TD) -
A chaque fragment i, on associe un paramètre hi =
• Apport d’hétérogénéité du fragment i
• Contribution du fragment i à la valeur de la grandeur dans le lot.

ai valeur de la grandeur étudiée dans le fragment i.

aL valeur de la grandeur étudiée dans le lot.
Mi masse du fragment i.
n nombre des fragments dans le lot.
M moyenne des masses des fragments.

Hétérogénéité de Constitution = HC = variance (hi)

La variance en statistique permet d’évaluer la dispersion des données. 14
 Partie I : Les hétérogénéités - évaluation

Evaluation de l’hétérogénéité de constitution

-cas des matériaux granulaires -
- définition et trois exemples (TD) -

Ecart en teneur entre le

fragment i et le lot.

Hétérogénéité de Constitution = HC = variance (hi)

15
 Partie I : Les hétérogénéités - évaluation

Evaluation de l’hétérogénéité de constitution

-cas des matériaux granulaires -
- définition et trois exemples (TD) -

Importance du fragment
i dans le lot.

Hétérogénéité de Constitution = HC = variance (hi)

16
 Partie I : 1.3 Le paradoxe de l’échantillonnage

Pour bien échantillonner un matériau, il faut bien le

connaître.
Pour bien connaître un matériau, il faut l’échantillonner.
Sortie de ce cercle vicieux : la modélisation
Quelques paramètres:
Modèle du • Pertinents du point de vue de
matériau l’échantillonnage.
• Faciles à mesurer.

Matériaux Massif
granulaires rocheux

Probabilités géométriques
Théorie de Géostatistique
P. Gy 17
 Partie I : 1.4 Flow sheet d’un échantillonnage - principe

Lot Prélèvement
Masse  10 t
Echantillon
Dmax  50 cm
Masse  100 kg
Dmax  50 cm

Réduction

Echantillon réduit
Masse  1 kg
Dmax  150 à 100 m
Analyse

Une opération d’échantillonnage est correcte si tous les fragments

constituant le lot ont la même probabilité d’être prélevés.
18
 Partie I : 1.4 Flow sheet (organigramme) d’un
échantillonnage
- exemple d’une mine de bauxite -
Echantillon 3
Lot : barge de 1200 t
Analyse chimique
Échantillonneur 1 12 kg

Echantillon 1 - 12 t Silo tampon

Silo tampon
Concasseur giratoire
Concasseur à mâchoires - 50 mm 2 mm

Échantillonneur 2 Échantillonneur 4

Echantillon 2 - 250 kg Echantillon 4 - 1200 g

Echantillon
Mesure humidité Silo tampon Broyeur vibrant
7,5 kg 50 m
Concasseur à mâchoires - 10 mm
Pesée humide Échantillonneur à secteurs
Échantillonneur 3

Séchage 6 échantillons de 200 g

Pesée matériau sec Analyse
 19
% humidité
Partie I : 1.5 Erreurs susceptibles d’être commises lors
d’un échantillonnage

Erreurs d’échantillonnage s.s.

Erreurs fonctions des caractéristiques du matériau échantillonné
au regard de la grandeur étudiée.

Erreurs de ségrégation
Dues à l’Hétérogénéité de Distribution
Réduite par: homogénéisation ou échantillonnage
par incréments

Erreurs fondamentale d’échantillonnage

Dues à l’Hétérogénéité de constitution
C’est une caractéristique intrinsèque du matériau
 Elle est donc irréductible
 Elle peut être évaluée
20
Partie I : 1.5 Erreurs susceptibles d’être commises lors
d’un échantillonnage
Erreurs de préparation 1/3
Elles correspondent à une altération de la grandeur à mesurer lors des
manipulations effectuées antérieurement à toute l’échantillonnage proprement
dite (broyage, séchage, homogénéisation,…).

Erreurs par perte

• Emission de poussière
• Mauvais nettoyage de l’appareillage après utilisation

Erreurs par apport étranger

• Réception de poussière
• Mauvais nettoyage de l’appareillage avant utilisation
• Corrosion ou abrasion de l’appareillage

21
Partie I : 1.5 Erreurs susceptibles d’être commises lors
d’un échantillonnage
Erreurs de préparation 2/3

Erreurs par altération de la grandeur à mesurer

La grandeur est une teneur

• Destruction du composant à analyser  sous estimation -(sublimation

soufre natif)
• Destruction d’un composant qui n’est pas analysé  sur estimation -
(destruction de minéraux de gangue)
• Altération d’un constituant  sur ou sous estimation (oxydation sulfures
en sulfates)

La grandeur est l’humidité

• Exposition de l’échantillon au soleil ou à la pluie

La grandeur est une fraction granulométrique

• Bris de fragments  fractions fines surestimées

• Agglomération  fractions grossières surestimées 22
Partie I : 1.5 Erreurs susceptibles d’être commises lors
d’un échantillonnage
Erreurs de préparation 3/3

Erreurs matérielle involontaires

• Mélange d’échantillons
• Perte partielle ou totale d’échantillons
• Fautes ou défauts d’étiquetage

Erreurs matérielle volontaires

La lutte contre les erreurs de préparation nécessite:

 Une formation du personnel aux enjeux et aux
bonnes pratiques de l’échantillonnage.
 Des locaux bien conçus.
 Un appareillage adapté
Partie I : 1.5 Erreurs susceptibles d’être commises lors
d’un échantillonnage

Erreurs d’analyse

Erreurs de mesure

• En général connues

Erreurs de protocole opératoire

• Difficiles à quantifier

Au bons soins des chimistes

24
 Partie I : 1.6 Rappels: erreurs absolue et relative,
moyenne, écart type, loi normale
Toute mesure est entachée d’une erreur
Soit à mesurer la longueur d’une table avec : un mètre à ruban, un laser.
Quelle erreur commet-on dans les deux cas?
1mm 1mm 0,01mm 0,01mm
2m 2m

Méthode : mètre à ruban Méthode : laser

Erreur absolue = ∆l = ± 2 mm Erreur absolue = ∆l = ± 0,02 mm
Longueur = l = 2000 ± 2 mm Longueur = l = 2000 ± 0,02 mm
1998 mm ≤ Longueur ≤ 2002 mm 1999,98 mm ≤ Longueur ≤ 2000,02 mm
Erreur relative =  = (∆l/l).100 Erreur relative =  = (∆l/l).100
Erreur relative =  = (2/2000) x 100 Erreur relative =  = (0,02/2000) x 100
Erreur relative =  = 0,1 % Erreur relative =  = 0,001 %
Erreur absolue caractérise la valeur d’une mesure
Erreur relative caractérise une méthode: le laser (0,001%) est
25
plus précis que le mètre à ruban (0,1%).
 Partie I : 1.6 Rappels: erreurs absolue et relative,
moyenne, écart type, loi normale
Soit tm la mesure d’une teneur. tm est un chiffre déduit d’une expérience.
Soit ∆t l’erreur absolue commise dans la détermination de la teneur.
La valeur de t (t est une caractéristique du matériau étudié) = de la teneur est
comprise dans l’intervalle [tm - ∆t , tm +∆t], soit:
t = tm ± ∆t
tm - ∆t ≤ t ≤ tm + ∆t

L’erreur relative correspondant à la mesure de la teneur est:

L’erreur relative caractérise la méthode utilisée pour déterminer la

teneur:
 La méthode d’analyse.
 Le protocole d’échantillonnage, c’est à dire:
 les caractéristiques du réseau d’échantillonnage utilisé,
 et/ou la masse d’échantillon prélevée.

On notera que : 26
 Partie I : 1.6 Rappels: erreurs absolue et relative,
moyenne, écart type, loi normale
Souvent les paramètres qui contrôlent une mesure sont nombreux et
difficiles à évaluer. Dans ces conditions, pour calculer une erreur on a
recourt aux statistiques.

Notions de : moyenne, écart type et loi normale.

On cherche à déterminer la longueur d’une table.

Pour ce faire, on mesure n fois la longueur de la table en utilisant une
méthode fixée au départ.
Chaque mesure individuelle est notée li, i variant de 1 à n, c’est-à-dire
que les n mesures seront notées: l1, l2, l3, l4,…li,…ln-2, ln-1, ln.

La moyenne lm de ces mesures est:

Ou encore: avec:

27
 Partie I : 1.6 Rappels: erreurs absolue et relative,
moyenne, écart type, loi normale
Du mètre à ruban et du laser, quelle est la méthode la plus précise?
n mesures au mètre à ruban, notées li, i = 1 à n.
n mesures au laser, notées l’i, i = 1 à n.
moyenne

Histogramme fréquences
des mesures La dispersion des
« mètre à
ruban » mesures autour de la
moyenne est plus
l
lm faible pour la
méthode laser.
lm = l’m
fréquences

Histogramme La méthode laser est

des mesures plus précise.
laser

l’
l’m 28
 Partie I : 1.6 Rappels: erreurs absolue et relative,
moyenne, écart type, loi normale
La dispersion d’une série de mesures est estimée par la variance.
Soit n mesures de longueur notées li et soit lm la moyenne de ces n
mesures. La variance de ces mesures est égale à:

Problème d’unité.
Si l’unité des mesures est le mètre m, l’unité de la variance est m2.
Pour obtenir un paramètre de dispersion autour de la moyenne exprimé
dans les mêmes unités que les mesures, on définit l’écart type :

Dans l’exemple précédent on a:

var(l’) < var(l) ou (l’) < (l)
29
 Partie I : 1.6 Rappels: erreurs absolue et relative,
moyenne, écart type, loi normale
Souvent l’histogramme d’une série de mesures peut être décrit par une
équation appelée « loi normale » ou « loi de Gauss ».
Soit n mesures de teneurs notées ti, i = 1 à n. Soit
tm la moyenne des n mesures et (t) l’écart type.
fréquences

m En prenant un risque de se tromper de

m-2. m+2. 5%, la teneur t est:
95% des
mesures t = tm ± 2.(t)
m-3. m+3.
99% des
mesures
En prenant un risque de se tromper de 1%, la teneur t est: t = tm ± 3.(t)
30
 Partie I : 1.6 Rappels: erreurs absolue et relative,
moyenne, écart type, loi normale
Erreurs absolue, erreur relative et leurs équivalents statistiques: écart
type et coefficient de variation.

Erreurs Equivalents statistiques Caract

(lm = valeur mesurée) (lm = moyenne des mesures) érisent

la valeur d une
± 2.(l) Risque de 5%

mesure
Erreur absolue ± ∆l
± 3.(l) ’
Risque de 1%

de mesure
méthode
Erreur relative Coefficient de

une
(en %) variation (en %)

31
 Partie I : 1.7 Problèmes à résoudre

Mode de prélèvement des échantillons lors des travaux miniers ou

d’exploration et dans les unités de traitement / (dé)chargement Partie II

Densité d’échantillonnage ou calcul de réseau d’échantillonnage - méthode a

priori : probabilités géométriques - méthode à posteriori : géostatistiques -
statistique classique  Partie III

Masse d’un échantillon représentatif - théorie de l’échantillonnage de la

matière granulaire de P. Gy  Partie IV

Réduction d’un échantillon  Partie V

Contrôle des erreurs analytiques  Partie VI

Les formules ne seront pas démontrées, par contre elles seront

largement commentées et utilisées au cours d’exercices.
A l’occasion de ces exercices vous pourrez vous confectionner des
feuilles de calcul qui vous permettront de résoudre des problèmes
d’échantillonnage. 32
 Partie I : 1.7 La formalisation de la chaîne analytique: la
formule de Visman
var∑ = variance totale
varech = variance d’échantillonnage s.s.
varconst = variance due à l’hétérogénéité de constitution
vardistrib = variance due à l’hétérogénéité de distribution
varreduc = variance de réduction de l’échantillon
varana = variance dues aux erreurs d’analyse

Formule de Visman:
var∑ = varech + varreduc + varana
var∑ = (varconst + vardistrib) + varreduc + varana
Une forte valeur d’un des termes ruine les efforts faits pour baisser les
valeurs des autres termes. Il faut considérer l’ensemble de la chaîne et
donc collaborer.
On notera que c’est la variance qui apparaît dans la formule et pas l’écart
type. Les variances s’additionnent et pas les écart types, de façon
générale les variances sont plus commodes à manipuler que les écart types.
33
Bibliographie

Alliot L., Bonnet J. et Sarcia J.A., 1961. Les levés radiométriques de détail, essais d’amélioration des
rendements. Chronique des Mines et de la Recherche Minière, 1961, 3-11.
Bustillo Revuelta M. y López Jimeno C., 1987. Manual de evaluación y diseño de explotaciones
mineras. Entorno Grafico S.L., Madrid, 705pp.
Castañon Fernández C. et Arias Prieto D. 2010. Control de leyes en las explotaciones de oro a cielo
abierto de « Valle-Boinas ». In Nuevos retos en la prospección e investigación de los recursos
minerales, Libro Homenaje al Prof. Jesús García Iglesias, Loredo Pérez J. (ed), Oviedo, ISBN
978-84-614-4631-5, 127-171.
Callaba de Roa A., Mazadiego Martínez L.F., Chacón Oreja E. y Llamas Borrajo J.F. 1995. Aplicación
del cálculo de probabilidades geométricas al diseño de redes de muestreo para la localización de
depósitos de residuos y suelos contaminados. En López Santiago F. Y Ayala Caicedo F.J. (ed),
Contaminación y depuración de suelos. Instituto Geológico y Minero de España, Madrid, 209-
217.
Chaussier J.B., 1981. Manuel du prospecteur minier. Collection manuels et méthodes n°2, Editions
du BRGM, Orléans, 273p.
Drew L.J., 1979. Pattern drilling exploration: Optimum pattern types and holes spacings when
searching for elliptical shaped targets. Mathematical Geology, 11, 2, 223-254.
Gy P. 1982. Sampling of particulate materials. Elsevier, Amsterdam, 431pp.
Gy P. 1988. Hétérogénéité, échantillonnage, homogénéisation. Masson, Paris, 607pp.
Matheron G. 1962. Traité de géostatistique appliquée. Tome I. Editions Technip, Paris, 333pp.
Singer D.A. and Wickman F.E., 1969. Probability tables for locating elliptical targets with square,
rectangular and hexagonal point-nets. Pennsylvania State University Mineral Science Experiment
Station Special Publication 1-69, 100p.
Wavrer P. 1997. Apport de la théorie de l’échantillonnage des solides hétérogènes - Applications à
des grandeurs mesurées sur matières premières 265, Editions BRGM, 211pp.
34