See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/285745781

Validation interne des méthodes d'analyse

Article · January 2001

CITATION
S READS

49 27,358

1 author:

Max H. Feinberg

45 PUBLICATIONS 423 CITATIONS

SEE PROFILE

All content following this page was uploaded by Max H. Feinberg on 12 June 2018.

The user has requested enhancement of the downloaded file.

Validation interne des méthodes
d’analyse

par Max FEINBERG

Docteur ès sciences
Directeur de recherche à l’Institut national de la recherche
agronomique (INRA) – Laboratoire de chimie analytique
Professeur à l’Institut national agronomique Paris-Grignon
(INAPG)

1. Qualité des méthodes d’analyse.......................................................... P 224 – 3

1.1 Logique de l’assurance qualité................................................................... — 3
1.2 Organisation de la traçabilité des mesures ............................................... — 3
2. Principes de validation d’une méthode ............................................. — 5
2.1 Objectifs et moyens..................................................................................... — 5
2.2 Cycle de vie d’une méthode d’analyse ...................................................... — 5
2.3 Critères de validation .................................................................................. — 6
3. Méthodes statistiques de validation .................................................. — 7
3.1 Caractéristiques d’étalonnage .................................................................... — 7
3.2 Limites de détection et de quantification .................................................. — 8
3.3 Recherche des limites du domaine de linéarité — 9
........................................
3.4 Contrôle de la qualité d’un étalonnage...................................................... — 10
3.5 Incertitude, fidélité et justesse.................................................................... — 11
3.6 Capacité de mesure ..................................................................................... — 15
3.7 Justesse d’une méthode ............................................................................. — 15
3.8 Spécificité ..................................................................................................... — 17
3.9 Robustesse ................................................................................................... — 18
3.10 Cartes de contrôle........................................................................................ — 19
4. Procédures formalisées de validation des méthodes .................... — 20
4.1 Guides pour l’industrie pharmaceutique................................................... — 20
4.2 Normes ......................................................................................................... — 20
5. Informatisation des calculs................................................................... — 21
6. Conclusion ................................................................................................. — 23
Pour en savoir plus........................................................................................... Doc. P 224

vec la mise en place des systèmes d’assurance qualité dans les

laboratoires, la validation des méthodes d’analyse est aujourd’hui
un objectif important.
Elle est souvent perçue comme une contrainte car elle fait appel à des
démarches statistiques mal maîtrisées par les analystes. Il faut regretter
cette attitude car, le laboratoire a tout à gagner en utilisant des méthodes
qui fournissent des résul- tats dans lesquels leurs « clients » peuvent avoir
confiance. C’est une consé- quence du passage de méthodes d’analyse
qualitatives à des méthodes quantitatives. Ainsi, trop souvent on associe
l’achat d’un nouvel appareil plus
« performant » à un progrès, sans se soucier si cette performance est
réelle au niveau du rendu du résultat.
C’est pourquoi, il existe encore de nombreuses zones d’ombre dans
la défini- tion, et en conséquence l’évaluation, des critères de
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  1
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 performance des méthodes.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  2 interdite.
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

Le meilleur exemple est celui de la limite de détection qui est

abondamment employé (en particulier par les constructeurs
d’appareils) alors qu’il existe plu- sieurs dizaines de mode de calcul qui
conduisent tous sur des valeurs diffé- rentes. Ces critères soulèvent
aussi des problèmes statistiques complexes qui n’ont pas toujours reçu
de solutions satisfaisantes. C’est aux analystes qu’il incombe de poser
correctement ces questions afin d’obtenir des réponses clai- res. C’est
pourquoi, nous pensons que la normalisation des modes de calcul des
critères de validation des méthodes représente une approche qui, à
l’heure actuelle, permettra de mieux poser ces problèmes.

Principales notations Principales notations

Symbol Définition Symbol Définition
e e
a blanc-ordonnée à l’origine de la droite de SPE Somme des Produits des Écarts aux moyennes

0 régression sensibilité-pente de la droite de

SPExy =
i
xi – x yi – y 

a1 régression ordonnée à l’origine de la droite

v teneur ajoutée
b0 d’ajouts
w teneur après
b1
pente de la droite d’ajouts ajout
x
Ce
concentration corrigée d’échantillon x concentration de la
C x
coefficient de variation solution teneur avant
V
différence des moyennes entre une méthode y ajout moyenne des xi
alternative et une méthode de référence
di y réponse instrumentale mesurée
bruit de fond, résidu
y
e moyenne sur les i et j de yij
nombre de solutions
i moyenne des valeurs yij sur les répétitions j
étalons coefficient de
yˆi valeur théorique de la réponse
p
corrélation
ij erreur expérimentale
r
limite de répétabilité ou répétabilité
1
r valeur vraie de a1
teneur retrouvée 2
r
limite de reproductibilité ou
R
reproductibilité écart-type résiduel
se Liste des indices
estimateur de la variance
se
2 0 ordonnée à l’origine LD limite de détection
résiduelle écart-type de a0
1 pente NC niveau critique
sa0
écart-type de a1
sa Hor Horwitz bl blanc
1
variance du blanc a0
s
2 Lim limite LQ limite de
quantification
a0
variance de la sensibilité a1
2
s

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  3
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

1. Qualité des Figure 1 – Logique de l’assurance qualité

méthodes d’analyse
Le lecteur pourra se reporter aux articles suivants :
— Qualité et assurance qualité en chimie analytique [P 280] ;
— Matériaux de référence [P 240].

1.1 Logique de l’assurance qualité

La qualité d’une analyse n’existe pas dans l’absolu mais se
définit à partir des besoins explicites ou implicites des
utilisateurs ou des clients du laboratoire. Elle s’exprime donc
à plusieurs niveaux.
■ La qualité métrologique. Un besoin évident est que le
résultat soit juste et qu’il reflète exactement le contenu de
l’échantillon. À travers cette exigence de justesse, il apparaît
qu’il faut mettre en place des systèmes de contrôle assurés par
des structures indépen- dantes du laboratoire.
■ La qualité technique ou de capacité de mesure. Les
analyses sont faites pour prendre des décisions, il faut donc
que la fidélité de la méthode soit adaptée au type
d’échantillon à contrôler.
■ La qualité commerciale. C’est une exigence de rapidité
dans la fourniture du résultat et une recherche de prestations
au coût le plus faible possible.
■ La qualité d’usage social. Ce dernier besoin s’est
exprimé à la suite de considérations d’hygiène et de
sécurité. Ainsi, on peut exi- ger l’innocuité d’une technique vis-
à-vis de l’utilisateur ou de l’envi- ronnement.
Pour être sûr d’atteindre ces objectifs, une logique
commune a servi à élaborer les différents modèles et
référentiels d’assurance de la qualité. En effet, leur but final
est de mettre en place et de faire fonctionner un système
qui garantisse au client les différents niveaux de qualité du
résultat d’analyse. Il faut donc que les diffé- rentes
opérations qui ont permis de produire le résultat soient iden-
tifiables à tout moment : elles doivent être traçables. La
figure 1 schématise la logique des systèmes d’assurance
qualité.
Par définition, le point de départ est le besoin du client.
Pour être opérationnel celui-ci doit être traduit sous la forme
de spécifications techniques propres, comme : une limite
de détection, un temps de réponse ou un domaine
d’application. Ensuite, le laboratoire pourra mettre en œuvre
des moyens techniques (les instruments et les réactifs) et
un mode opératoire (la procédure) qui permettront
d’atteindre ces spécifications. Enfin, pour être, parfaitement
sûr que les spécifications sont atteintes, il faut valider la
procédure, c’est-à- dire apporter les preuves formelles que
les résultats sont conformes aux objectifs.

Besoin

Spécification

Documentatio Archivage
n Moyens et procédure

Documentatio Archivage
Validation de la
n
procédure

Preuves

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  3
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES D’ANALYSE

Sur la figure 1 apparaissent deux opérations qui étaient certifiés et caractérisés ;

générale- ment peu prises en compte dans les laboratoires, — un essai ou un étalonnage par une méthode alternative ;
à savoir la docu- mentation et l’archivage. En effet, — des mesurages fondés sur les rapports et la réciprocité ;
l’assurance de la qualité exige qu’à tout moment on puisse — des normes ou des méthodes d’accord clairement
retrouver les éléments qui ont servi à la production d’un spécifiées et convenues par toutes les parties concernées.
résultat : numéros de lot des réactifs, données
d’étalonnage, conditions de fonctionnement des appareils…
C’est ce qu’on appelle la traçabilité des mesures.
Exemple : un laboratoire de l’industrie pharmaceutique
qui appli- que les Bonnes pratiques de laboratoire (BPL) doit
garder pendant au moins 10 ans les traces des mesures
effectuées dans le cadre de l’étude d’un nouveau
médicament. Cette obligation réglementaire est lourde,
surtout si le système d’archivage est informatisé et doit
suivre l’évolution des systèmes informatiques.
Cette nouvelle organisation du travail des laboratoires
peut avoir des conséquences techniques intéressantes car
elle montre qu’il n’est pas toujours nécessaire d’appliquer
une méthode sophisti- quée et onéreuse pour répondre
correctement à une demande. Ainsi, à partir des
spécifications, le laboratoire doit pouvoir établir les moyens
analytiques optimaux à utiliser.
Exemple : l’analyse du calcium dans un verre, avec une
incertitude de 1,0 g.kg– 1, ne requiert pas la même approche
que l’analyse du cal- cium à 0,2 g.kg– 1 dans un échantillon de
terre.
Une autre conséquence de la logique qualité est de
considérer que la production des résultats d’analyse
implique trois acteurs : un producteur et un client mais aussi
un organisme de contrôle qui intervient pour vérifier que la
logique qualité est bien respectée. Son rôle est
particulièrement net dans les domaines de la traçabilité et
de la métrologie.
Exemple : l’organisme de contrôle enverra des auditeurs
qui véri- fieront si le laboratoire utilise un système
d’étalonnage reconnu, archive ses résultats et gère
correctement ses documents.

1.2 Organisation de la
traçabilité des mesures
Établir la traçabilité consiste à fournir à tout moment les
informa- tions et les documents qui permettent de savoir
comment un résul- tat a été obtenu. On doit pouvoir
remonter de proche en proche et sans interruption jusqu’à
des systèmes d’étalonnage qui auront été certifiés par des
organismes officiels. Ainsi, tout équipement utilisé pour
effectuer des essais ou des étalonnages doit être étalonné
ou vérifié avant d’être mis en service. Le laboratoire doit
disposer d’un programme et d’une procédure établis pour
l’étalonnage et la vérifi- cation de son équipement, y
compris l’utilisation des matériaux de référence et des
étalons de référence (encadré 1).
■ La traçabilité du mesurage doit être assurée en ayant
recours aux services d’étalonnage de laboratoires qui
peuvent apporter la preuve de la traçabilité et de leur
compétence. Les certificats d’éta- lonnage délivrés par ces
laboratoires doivent montrer qu’il existe un lien avec un
étalon primaire ou une constante naturelle reliée à l’unité SI
(Système International d’unités) (encadré 1) par une chaîne
continue d’étalonnages. Les certificats doivent contenir les
résultats de mesure, y compris l’incertitude de mesure ou
une décla- ration de conformité à une spécification
métrologique identifiée.
Lorsqu’il est impossible d’établir la traçabilité aux unités
de mesure SI ou lorsqu’elle n’est pas pertinente, d’autres
moyens d’obtenir la confiance dans les résultats doivent
être appliqués, comme :
— la participation à un programme approprié de
comparaisons inter-laboratoires ou d’essais d’aptitude ;
— l’utilisation de matériaux de référence appropriés,
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  4 interdite.
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

D’une façon générale, le laboratoire doit avoir rédigé des

Encadré 1 : étalons et matériaux de procédu- res qui décrivent la manutention, le transport, le
référence stockage et l’utilisa- tion des étalons de référence, tels que
■ Système international d’unités ou système SI : il les poids, et matériaux de référence afin de prévenir toute
fut créé en 1960 par la Conférence Générale des Poids et contamination ou détérioration. Dans le cas où on ne
Mesures. Dans le système SI, on distingue trois classes pourrait utiliser que des matériaux de référence, comme lors
d’unités : les sept unités de base ; les unités dérivées et d’un étalonnage d’une méthode en fluorescence X, ils
les unités supplémentaires. Les unités de base sont : le doivent, si possible, être raccordés à des unités de mesure SI
mètre, le kilogramme, la seconde, l’ampère, le kelvin, la
ou à des matériaux de référence certifiés internationaux ou
candela et la mole.
nationaux.
■ Étalons primaires : étalons matériels conservés par
le Bureau International des Poids et Mesures (BIEM) qui ■ Le laboratoire doit établir un système coordonné pour
servent à matéria- liser, quand c’est possible, les unités identifier les échantillons d’essai et d’étalonnage.
de mesure. Par exemple, la masse en platine iridié du L’identification doit être conservée durant toute la durée de
Pavillon de Breteuil sert à étalonner toutes les masses de vie de l’échantillon dans le labo- ratoire. Le système doit être
1 kg utilisées dans le monde, à travers un ensemble conçu et géré de façon à garantir l’impossibilité de
d’étalons secondaires traçables. Toutes les unités de confondre les échantillons, physiquement ou lorsqu’il y est
mesure ne possèdent pas une forme matérialisée. fait référence dans les enregistrements ou autres
documents. Le cas échéant, le système doit prévoir
■ Étalons de référence : ils doivent être étalonnés par comment se fera la subdivision ou le transfert des
un orga- nisme capable de fournir la traçabilité de leur échantillons à l’intérieur ou hors du laboratoire lorsque
valeur de réfé- rence, à partir d’étalons de référence plusieurs mesures doivent être effectuées sur des prises
primaires. C’est pourquoi on les appelle aussi étalons d’essai différentes.
secondaires extérieurs. Par exem- ple, ce sont des
masses qui serviront, à intervalle régulier, à véri- fier Dans ce but, l’étape de réception d’un échantillon prend
l’exactitude des balances. Ces masses pourront aussi un rôle prépondérant. Ainsi, à la réception de l’objet d’essai,
faire l’objet d’un étalonnage régulier, réalisé par un toute anomalie ou écart par rapport aux conditions normales,
organisme com- pétent. Les étalons de mesure de telles qu’elles sont spécifiées dans la méthode d’essai ou
référence doivent être utilisés seulement pour d’étalonnage pertinente, doit être enregistré. S’il y a le
l’étalonnage et à nulle autre fin, sauf si l’on peut montrer moindre doute quant à l’adéquation d’un échantillon ou s’il
que leur performance en tant qu’étalons de référence ne n’est pas conforme à la description fournie ou encore si
sera pas invalidée. l’essai demandé n’est pas spécifié avec une précision suf-
fisante, le laboratoire doit consulter le client pour obtenir de
■ Matériaux de référence certifiés (MRC) : nouvel- les instructions avant de procéder à l’essai. Le
matériaux de réfé- rence dont la valeur est établie par un laboratoire doit établir si l’objet a été convenablement
organisme compétent comme le Bureau National de préparé ou si le client exige que la préparation soit réalisée
Métrologie (BNM), le Bureau Communautaire de par le laboratoire. Il n’est donc pas surprenant que la mise
Référence (BCR) ou le National Institute for Sciences and en place d’un système qualité commence souvent par une
Technology (NIST). Ils servent à matérialiser, pour un réorganisation de la salle de réception des échan- tillons.
analyste et une matrice donnés, la mole. Une procédure
Le laboratoire doit disposer de procédures et
clas- sique consiste à déterminer la valeur de référence
d’installations appropriées pour éviter la détérioration
au moyen de méthodes d’analyse basées sur des
ou l’endommagement de l’échantillon de travail lors de
principes variés, afin d’évi- ter les biais systématiques.
son stockage, de sa manutention, de sa préparation et de
Par exemple, on utilisera la spectro- métrie d’absorption
l’essai. Lorsqu’il est nécessaire de stocker ou de conditionner
atomique, la polarographie impulsionnelle, l’activation
des objets dans des conditions ambiantes spécifiées, ces
neutronique et la spectrométrie d’émission plasma pour
dernières doivent être maintenues, surveillées et
certifier la teneur en nickel ou en fer d’un acier.
enregistrées. Lorsqu’un échantillon ou une partie de cet
■ Matériaux de référence : ils sont utilisés par les objet doit être mis en sécurité (par exemple pour des raisons
laboratoires d’analyse comme étalons de référence pour d’enregistrement, de sécu- rité ou pour permettre des essais
établir indirecte- ment la traçabilité de la plupart des ultérieurs), le laboratoire doit pré- voir des dispositions de
analytes vis-à-vis de la mole, pour laquelle il n’existe pas stockage qui protègent la condition et l’intégrité de l’objet ou
d’étalon matériel. En général, leur valeur de référence est des parties de l’objet.
établie par consensus, si plusieurs labo- ratoires ont
participé à son élaboration, mais elle peut aussi être ■ La traçabilité doit devenir un souci permanent des
analystes et du personnel du laboratoire. Il est alors évident
obtenue par des répétitions multiples. Chaque fois que
que les moyens infor- matiques permettront de simplifier
Le laboratoire doit avoir un programme et une procédure ces différentes opérations.
pour l’étalonnage et la vérification de ses étalons de
référence. Plusieurs situations peuvent alors se présenter, en Exemple : il n’est pas rare d’utiliser un système
fonction du type de matrice ou de l’analyte recherché : d’étiquettes à code-barres pour identifier un échantillon.
Dès réception, le nombre convenable d’étiquettes est
— si des étalons de référence (cf. encadré 1) peuvent être imprimé en fonction de la demande qui accompagne
obte- nus auprès d’organismes de métrologie compétents l’échantillon et à tout moment on peut savoir l’état
qui peuvent fournir la traçabilité jusqu’aux étalons de d’avancement des analyses d’après les enregistrements
référence universels, ils doivent être utilisés seulement pour réalisés par chaque cellule analytique.
l’étalonnage et à nulle autre fin ;
— lorsque des matériaux de référence (cf. encadré 1)
C’est pourquoi, lorsque des ordinateurs ou un équipement
traçables ne sont pas disponibles ou si l’on est en présence
auto- matisé sont utilisés pour la saisie, le traitement,
d’étalons internes (préparés par le laboratoire) ou
l’enregistrement, le rapport, le stockage ou la recherche de
extérieurs (par exemple, utilisés dans un essai d’aptitude), il
données d’essai ou d’étalon- nage, le laboratoire doit
convient de montrer que ces matériaux sont vérifiés dans
s’assurer que :
toute la mesure des possibilités techniques et
économiques. — les logiciels sont documentés avec une précision
suffisante et convenablement validés ou vérifiés quant à leur
aptitude à l’emploi ;

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  5
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
VALIDATION INTERNE DES MÉTHODES D’ANALYSE

— des procédures sont mises en place et appliquées pour

proté- ger l’intégrité des données ; de telles procédures
doivent inclure, mais non exclusivement, l’intégrité de la
saisie ou du recueil des données, leur stockage, leur
transmission et leur traitement ;
— les ordinateurs et appareils automatisés sont
entretenus afin de garantir un bon fonctionnement et
disposent des conditions ambiantes et opérationnelles
nécessaires à la préservation de l’inté- grité des données.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  6 interdite.
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

2. Principes de laboratoire possède les moyens pour appliquer les méthodes

de référence normalisées (verrerie, réactifs, équipement)
validation d’une sans toujours se soucier des résul- tats. Par contre, dans les

méthode pays du Nord de l’Europe, l’accréditation consiste à vérifier

que les résultats de la méthode employée (qui est
quelconque) permettent bien d’atteindre un niveau de
performance donné. Aujourd’hui, il y a une certaine
2.1 Objectifs et moyens convergence des deux appro- ches mais l’attachement aux
méthodes dites de référence reste une obligation forte pour
■ Il est assez facile de se mettre d’accord sur une les laboratoires français.
définition de la validation d’une méthode d’analyse.
Comme l’indique la norme ISO/IEC 17025 [1] : « Le
laboratoire doit valider des méthodes […] pour confirmer
[qu’elles] conviennent à l’emploi prévu. La validation doit être
aussi étendue que l’impose la réponse aux besoins dans
l’application ou le domaine d’application donné ». Valider,
c’est apporter des preuves que la méthode est adaptée à ses
objectifs.
■ En fait, on ne va pas s’intéresser à la validation en tant
que telle mais à la procédure qui permettra de conduire
cette démonstration. Comme l’indique le même texte [1] « le
laboratoire doit enregistrer les résultats obtenus et la
procédure utilisée pour la validation ». Et c’est là que les
désaccords vont apparaître car on confond souvent
validation et procédure de validation. Cette confusion
apparaît dans une définition de la Pharmacopée américaine
[2] : « La validation d’une méthode d’analyse est une
procédure permettant d’établir, par des études
expérimentales, que les critères de performance de la
méthode satisfont aux exigences prévues par les
applications analytiques de la méthode. Les critères de
performance sont expri- més en termes de caractéristiques
analytiques. Les caractéristiques classiques qui devraient
être prises en compte pour la validation des types d’essais
décrits dans ce document sont […] la précision, l’exactitude,
la limite de détection, la limite de quantification, la
sélectivité, l’intervalle de linéarité, la robustesse »
(traduction de l’auteur).
C’est pourquoi dans la norme Afnor V 03-100 on propose
de défi- nir le processus de validation d’une méthode
d’analyse comme
« l’action de confirmer par examen et apport de preuves
tangibles obtenues par des études statistiques
intralaboratoires et/ou inter- laboratoires que les exigences
particulières pour un usage spécifi- que prévu de la méthode
d’analyse sont satisfaites. En général, les exigences
particulières portent sur le domaine d’application, la linéarité,
la spécificité, la fidélité et la justesse ». Derrière cette défi-
nition vient une note qui précise que « le processus de
validation d’une méthode d’analyse peut s’appuyer sur : une
étude interlabo- ratoire… ; une étude intralaboratoire menée
par comparaison à une méthode de référence… ; une étude
intralaboratoire basée sur l’uti- lisation de matériaux de
référence ».
Par contre si on s’inspirait de la procédure proposée pour
la pro- duction des logiciels, la validation d’une méthode
d’analyse consis- terait à valider séparément chacun de ses
éléments : l’échantil- lonnage, le mode opératoire,
l’équipement, et enfin le résultat [3]. Ainsi la procédure de
validation consisterait en une somme de pro- cédures
intermédiaires de validation.
L’intérêt de cette dernière approche – bien qu’elle soit
moins classique – est de montrer qu’une procédure de
validation peut conduire à deux types d’obligations : une
obligation de moyens lorsque l’on décrira la méthode
d’échantillonnage ou le mode opé- ratoire et une obligation
de résultats lorsque l’on calculera des cri- tères quantitatifs
de performance. Cette dualité apparaît si l’on s’intéresse aux
diverses implémentations de la norme sur l’accrédi- tation
(EN 45001) en Europe. Dans un pays de droit latin, comme la
France, la Comité français d’accréditation (Cofrac) a
subdivisé l’accréditation en « programmes » qui se réfèrent
à des normes et conduit son contrôle en vérifiant si le
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  7
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES D’ANALYSE

Concrètement, la validation va se solder par la

préparation d’un dossier qui contiendra deux types
d’information :
— une description écrite des moyens (appareils et
réactifs) et du mode opératoire à mettre en œuvre pour
appliquer la méthode d’analyse ;
— les résultats numériques d’un ensemble d’expériences
et de calculs statistiques qui serviront à établir que ces
moyens et ce mode opératoire sont efficaces.
Cependant, avant de s’intéresser plus en détail aux
différents outils statistiques qui pourront être utilisés pour
traiter les données expérimentales, il est utile de replacer la
procédure de validation par rapport au cycle de vie d’une
méthode d’analyse.

2.2 Cycle de vie d’une méthode

d’analyse
On a trop souvent tendance à décrire les méthodes
d’analyse comme des procédures immuables et figées.
C’est un peu l’impres- sion que donnent les manuels et
autres recueils de normes techni- ques. Or, comme tout
procédé de production, les méthodes d’analyse naissent,
évoluent et meurent. Pour clairement compren- dre le rôle
et la place de la validation dans la vie d’une méthode
d’analyse, il est intéressant de décrire son cycle de vie
depuis le moment où elle est choisie jusqu’au moment où
on l’abandonne.
■ La figure 2 résume les différentes étapes de ce cycle.
● D’abord on va sélectionner la méthode, c’est-à-dire
de choisir parmi toutes les méthodes physico-chimiques
connues ou maîtri- sées par le laboratoire celle qui doit
permettre de déterminer un ou plusieurs analytes
représentatifs du problème analytique à traiter.
● Ensuite, il convient de développer la méthode, c’est-à-
dire met- tre au point le mode opératoire et adapter la
méthode aux condi- tions pratiques où elle va être utilisée.
Exemple : il peut être nécessaire d’automatiser une
méthode manuelle ou bien d’améliorer ses performances
pour qu’elles soient compatibles avec le problème
analytique à traiter. En général, le déve- loppement d’une
méthode est synonyme d’optimisation.
Lorsque la mise au point est terminée, on dispose de ce
que l’on appelle dans le cadre BPL un mode opératoire
normalisé ou Stan- dard Operating Procedure (SOP). En
particulier, il faut préciser le domaine d’application de la
méthode, c’est-à-dire l’ensemble des matrices auxquelles
elle s’applique ainsi que la gamme de concen- trations
utilisables.
● C’est à ce moment, et seulement à ce moment, que doit
interve- nir la validation. On a aujourd’hui pris l’habitude
de distinguer la validation intralaboratoire de la
validation interlaboratoires. La pre- mière est universelle
et obligatoire pour toutes les méthodes. La seconde –
souvent plus lourde – n’intéresse en principe que les
méthodes qui seront utilisées par plusieurs laboratoires ou
dont les résultats peuvent servir à des décisions
économiques.
Utilisatio Revalidatio Validation
n en Sélection
n Développement
intralaboratoir
Figure 2 – Cycle de vie d’une méthode d’analyse
routine e
Validation
interlaboratoires

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  8 interdite.
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

Exemple : dans l’industrie pharmaceutique, il sera inutile Figure 3 – Critères et procédures de validation liés au cycle de vie
(voire impossible) de procéder à la validation interlaboratoires d’une méthode d’analyse (les sujets traités dans cet article sont en
d’une méthode qui sert, en interne, à l’étude d’une molécule gras)
non encore mise sur le marché. Par contre, dans les industries
agroalimentaires, il faudra tou- jours procéder à une validation
interlaboratoire pour une méthode qui servira à mesurer la
conformité d’une denrée. Dans ce cas, il peut y avoir une
contre-expertise et, pour interpréter son résultat, il importe de
savoir selon quelle amplitude deux résultats fournis par deux
labora- toires indépendants peuvent « normalement » différer
(cf. § 3.5.1).
● Si la validation se révèle conforme, le cycle de vie va se
poursui- vre par une utilisation de la méthode en routine.
Au bout d’un cer- tain temps, on peut être amené à abandonner
la méthode et à entamer un autre cycle car elle est devenue
obsolescente. Dans d’autres cas, on peut simplement faire
des modifications et, selon leur importance, appliquer une
procédure plus ou moins complète de revalidation de la
méthode. En effet, on doit effectuer une revali- dation toutes
les fois où l’on introduit une modification « mineure » de la
méthode. Par contre, si l’on fait une modification « majeure »,
il faut appliquer à nouveau la procédure complète de
validation. Il est délicat de définir une échelle exacte
d’importance des modifications : cette appréciation peut être
laissée au savoir-faire de l’analyste. Toutefois, les organismes
d’accréditation ont-ils tendance à juger mineur un
changement de réglage, comme laisser « 20 min au bain-
Marie » au lieu de « 15 min », et majeure toute modification qui
affecte le principe de la méthode. Mais la question peut être
déli- cate. Ainsi, un changement de solvant d’extraction doit-il
être consi- déré comme mineur ou majeur ? C’est selon le
contexte.

2.3 Critères de validation

Si on entre plus dans le détail du contenu des diverses
étapes de la figure 2, il est possible de mieux appréhender
ce que l’on attend des deux types de validation [4]. La figure
3 précise un ensemble de critères ou de procédures propres
à chaque étape du cycle de vie.

Plans
d'expériences

Sélection Optimisatio
n
Choix des
analytes Type Développement
de méthode Réglages
Type de signal instrumentaux
optimisés
Savoir-faire Mode
opératoire
normalisé
Utilisation
en routine
Plan de contrôle Validation
intralaboratoire
Procédure
Plan d'échantillonnage de Justesse
Spécificité
validation
Linéarité
Capacité de mesurage Répétabilité interne
Sensibilité
Limite de détection
Validation Limite de
interlaboratoires quantification
Reproductibilité
Répétabilité Analyse
interlaboratoir
es

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  9
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
VALIDATION INTERNE DES MÉTHODES D’ANALYSE

■ Lors de la sélection, on va d’abord poser clairement le C’est en confrontant les performances de la méthode aux
problème analytique à résoudre. Il s’agit de le transformer exigen- ces du plan d’échantillonnage proposé par le
en une recherche d’un ou plusieurs analytes, ce qui peut client qu’on pourra vérifier la capacité de mesure (§ 3.6).
être une opération difficile. Ce critère, bien connu dans l’industrie est directement lié à la
Exemple : pour appréhender le niveau de pollution d’une technique des cartes de contrôle. Il est défini de façon assez
rivière, il faut choisir un ou plusieurs analytes qui mesurent la abstraite dans la norme ISO/IEC 17025 [1] comme « la
qualité de l’eau sous différents aspects, comme la capacité du meilleur mesurage … normalement infé-
concentration en carbone organique total, la demande rieure à l’incertitude de mesure réelle en raison du
biologique en oxygène ou l’oxydabilité au KMnO4. comportement non idéal de l’objet étalonné ».
Les résultats de ces déterminations pourront être
combinés en un
indice global ou utilisés séparément.
Pour sélectionner une méthode d’analyse, la littérature
spéciali- sée propose des solutions plus ou moins pratiques :
il faudra en choisir une qui réalise un bon compromis
technique et économique.
Exemple : ainsi, il existe plusieurs centaines de
publications sur la détermination des vitamines dans les
aliments, alors que seulement quelques méthodes sont
aujourd’hui reconnues comme pouvant être utilisables en
routine.
Dans tous les cas, l’analyste procédera en fonction de son
savoir- faire et du matériel dont il peut disposer, quitte à
investir dans un nouvel appareillage. C’est cette notion de
savoir-faire qui est indi- quée sur la figure 3.
■ Ensuite intervient l’étape de mise au point qui
permettra d’adap- ter et de stabiliser le mode opératoire ;
on va optimiser le mode opé- ratoire et le réglage de
l’instrument de mesure en recherchant les meilleures
conditions de fonctionnement. L’optimisation conduit à un
mode opératoire normalisé.
Les diverses techniques en relation avec la méthodologie
de la surface de réponse, comme les plans d’expériences ou
le simplexe, sont sûrement les moyens les plus efficaces –
bien que peu utilisés – pour conduire cette étape. À ce
propos, il faut signaler le test de robustesse qui est une
application de la méthode des plans d’expé- riences (cf. §
3.8). Il est parfois présenté comme partie intégrante de
l’étape de validation ce qui est une erreur. En effet, si la
méthode se révèle non robuste, on ne peut pas la valider.
Le test de robustesse doit donc intervenir dans la phase
finale du développement ou comme procédure efficace de
revalidation.
■ Les critères qui seront calculés lors des étapes de
validation intra- ou interlaboratoires présentés en
caractères gras figure 3 seront définis en détail dans la suite
du texte (§ 3).
Pratiquement, il faut que la fidélité de la méthode
permette de mettre en évidence les variations naturelles de
l’objet de l’analyse.
Exemple : si on accepte une tolérance de 1 g/100g dans
la fabrica- tion de steak haché à 5 g/100g de matières
grasses, il faut que la capa- cité de mesurage de la méthode
de contrôle, soit au moins de 1 g/100g.
Avant de décrire quelques procédures de validation qui
ont fait l’objet d’une harmonisation (§ 4), nous présenterons
les principaux critères pour lesquels il existe des méthodes
relativement bien éta- blies de calcul (§ 3).
■ Enfin, lors de l’utilisation en routine de la méthode, il
faudra met- tre en œuvre des outils de contrôle de la
qualité. On sait qu’un grand principe méthodologique du
contrôle de qualité est la Maîtrise Sta- tistique des
Procédés ou MSP (Statistical Process Control ou SPC). Il
conduit à l’établissement de cartes de contrôle et concerne
la fidélité [5]. Mais il existe aussi une autre technique pour
maîtriser la justesse qui consiste, pour le laboratoire, à
participer à un test d’aptitude aussi appelé essai
d’aptitude ou test de compétence (proficiency tes- ting).
Cette méthode sera évoquée à propos des différentes
analyses interlaboratoires (cf. § 3.5.2).

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  interdite.
10 © Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

3. Méthodes
statistiques de Réponse
y

validation Observé
e
yi
Le lecteur pourra aussi se reporter aux articles suivants : Prédit
— Plans d’expériences [P 230] ; yi e
Distance : y –
— Modélisation et calcul de l’incertitude d’un résultat [P 260] ; ^ i i
— Limite de détection [P 262].

a
3.1 Caractéristiques d’étalonnage 1 Pente
(sensibilité)

3.1.1 Sensibilité et blanc Ordonnée à

a0
l'origine (blanc)
Les méthodes quantitatives d’analyse nécessitent un
étalonnage dont le but est de construire un modèle
mathématique qui sert à prédire les concentrations 0 Concentration
xi
d’échantillons. Dans ce cas, l’instrument de mesure est vu x
comme une boîte noire dont l’entrée est l’analyte pur,
souvent introduit sous la forme d’une solution étalon. La
fonc- tion de réponse de l’instrument le transforme en un Figure 4 – Principe de la méthode des moindres carrés
signal électri- que qui représente la sortie du système. Ce
système subit des perturbations aléatoires dues à son
environnement, comme les variations de température, les
pollutions externes, l’instabilité de la tension électrique, les Le principe de la méthode des moindres carrés consiste à
vibrations… L’ensemble de ces perturbations forment le calculer les coefficients a0 et a1 en minimisant la somme S
bruit de fond. On va ainsi pouvoir proposer un modèle
des carrés des distances entre valeurs observées yi et les
mathématique dans lequel on désigne par :
valeurs prédites yˆ . Cette condition – qui a donné son nom
• x la concentration de la solution étalon ; i
• y la réponse instrumentale mesurée ; à la méthode – est posée sous la forme :
• e le bruit de fond ;
• ƒ la fonction de réponse de l’instrument. S =  (yi – yˆ i )2  minimum
Une partie du modèle est déterministe et peut s’écrire y
= ƒ(x). Mais pour tenir compte du bruit de fond, on doit lui
ajouter une variable aléatoire e, supposée normale. Ainsi,
pour une solution éta- lon de concentration xi , la réponse
Pour conduire les calculs, on suppose que les valeurs
observée yi est modélisée de la façon suivante : res du bruit de fond ei sont distribuées selon des lois
yi = ƒ(xi) + ei de moyennes nulles et de même variance théorique 2.
normales
Pour différencier les deux parties de ce modèle, on note yˆ i la Elles sont indépendantes, ce qui signifie qu’elles ne sont
valeur théorique fournie par la partie déterministe. La pas liées entre elles et que, par exemple, on a préparé
différence entre yi et yˆ i s’appelle le résidu et elle est égale à chaque solution étalon indépendamment les unes des
ei : autres. Cette remarque est importante car il peut arriver
que les solutions étalons soient préparées par dilutions
ˆ successives, à partir d’une seule solu- tion, ce qui est en
yi = y i + e i

ˆ
ei = yi – y i
Le point de départ d’un étalonnage repose sur le choix Finalement, le calcul des estimations des coefficients se
d’un modèle correct. Dans la majorité des cas, les méthodes ramène aux deux formules suivantes :
s’appuient
sur des phénomènes physico-chimiques qui peuvent se SPE
ramener à un modèle linéaire, au moins pour une certaine a = (2)
----------------- xy
gamme de concen- tration. Mais, pour certains types de 1 SCEx
détermination, les mécanismes sont moins bien connus et on
(3)
doit utiliser des modèles plus compli- qués non linéarisables. a0 = y – a1
Finalement, le modèle le plus fréquemment x
utilisé est du type : p
1
yi = a0 + a1xi + ei avec x moyenne des xi : = ---  x ,
p i
x i=1
(1) p
La valeur théorique devient : 1

ˆ =a +a x
y i 0 1 i y p  yi ,
moyenne des yi : = ---
y i=1

La figure 4 illustre l’interprétation physique des deux SCE Somme des Carrés des Écarts à la moyenne :
coef-

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  11
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES D’ANALYSE

ficients : a0 le blanc qui correspond à la réponse en absence p

2
d’ana- lyte et a1 la sensibilité ou la pente du modèle SCEx
d’étalonnage. Le pro- blème de l’étalonnage revient à  xi – x  ,
calculer a0 et a1 à l’aide des = i=1

réponses de p solutions étalons xi (1 ≤ i ≤ p). Pour cela SPE Somme des Produits des Écarts à la moyenne :
on utilise la méthode de régression linéaire selon le critère p
des moindres car- rés [6]. Elle est bien adaptée à ce problème
car il existe une relation SPExy =  xi – x yi – y  .
de causalité entre les deux variables. On dit que y est une i=1
variable expliquée ou dépendante et que x est une Dans ces formules, p représente le nombre de solutions
variable explicative ou indépendante. étalons.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  interdite.
12 © Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

■ Il est aussi possible de fournir un estimateur de la

On peut ainsi calculer une approximation de l’écart-type
variance rési- duelle 2, noté s2 et calculé à partir de la de la valeur prédite xk en appliquant la formule suivante qui
e fait intervenir l’écart-type résiduel se déjà décrit (4) :
formule suivante :
p 2 se
 y – yiˆ   1 1  y – ------ y 2
sx  -----  ---- + ----- + -------k 
i
2 SCEy – a1 N
SPExy a  SCE
2
a 1 x
se = -i--=----1-------------------------- = --------------------------------------------- (4) 1 m 
p–2 p–2
Un intervalle de confiance de la valeur vraie de la
concentration
■ La variance résiduelle sert ensuite à calculer les de l’échantillon k, s’écrit
variances de la sensibilité et du blanc. En effet, les alors :
coefficients a0 et a1 ne sont pas des constantes mais bien des yk – a0
yk – a0
variables
lonnage aléatoires
valeurs :on ; si on
ne trouvera répète
pas deuxl’éta-
fois les mêmes ------------------- – t1 –   2 sx ≤ k ≤---+ t1 –   2 sx
a1 a1

2 avec t1 variable de Student à N – 2 degrés de liberté,

s2 se
= --------------- – /2
a1 (5)
SCEx N nombre de solutions étalons utilisées pour
calculer a0
1 2 et a1.
2 2
 (6) Au premier abord, cette méthode pour calculer
s = s x --- +-------
a0
p l’incertitude d’un résultat d’analyse semble simple mais elle
SCE
x présente l’inconvénient d’obliger à multiplier les mesures,
puisqu’il faut faire des répétitions sur l’échantillon inconnu
et connaître le nombre de solutions éta-
■ Puisque l’on peut calculer des variances, on va pouvoir prendre m = 3. On peut alors calculer
calculer des intervalles de confiance. Ils font intervenir une réponse moyenne yk :
une variable de Stu- dent à  = p – 2 degrés de liberté pour
un niveau de confiance réparti de chaque côté de l’intervalle 1 m
– /2, notée t1 – /2, . Si on appelle 1
et 0 les valeurs vraies de la pente et de l’intersection :  ykj
y = j---=----1----------
a0 – t 1 – /2,  sa0 ≤  0 ≤ a0 + t 1 – /2,  sa0 (7) k m

a1 – t 1 – /2,  sa1 ≤  1 ≤ a1 + t 1 – /2,  sa1 (8)

Avec l’intervalle de confiance du blanc, on peut vérifier très

facile- ment si la droite passe par le zéro. Si la valeur 0 est
contenue dans cet intervalle, on peut accepter l’hypothèse que
la droite passe effec- tivement par le blanc. Il serait alors
possible de se ramener à un modèle plus simple, du type yi
= a0 + a1xi . Mais avant de prendre cette décision, il ne faut
pas perdre de vue que le blanc est souvent une mesure
aléatoire, liée à une remise à zéro volontaire de l’instru-
ment de mesure. Le bruit de fond peut donc modifier sa
valeur, même si, en moyenne, il est égal à 0.
Nota : d’un point de vue pratique, il ne sera pas nécessaire de développer
ces différen- tes formules car de nombreux moyens de calcul informatisés
contiennent les fonctions nécessaires. Ainsi, le tableur Microsoft Excel®
propose une fonction DROITEREG qui per- met d’obtenir tous les résultats d’un
seul coup comme on va le voir au paragraphe 5.

3.1.2 Étalonnage inverse

La procédure qui a été décrite est utilisable pour ce que

l’on appelle l’étalonnage direct d’une méthode.
L’étalonnage inverse consiste à prédire la concentration xk
, d’un échantillon inconnu k qui donne une réponse mesurée
yk . Pour faire cette prédiction, on va utiliser les mêmes
coefficients que ceux de la formule (1) mais en les
combinant dans un modèle différent :
y – a0
= k
xk-----------------------k
-+
e a1

L’erreur ek est plus grande que le bruit de fond ei, utilisé
dans la méthode des moindres carrés, puisqu’elle contient le
bruit de fond et l’erreur sur l’échantillon ; ce qui pose un
problème délicat si on veut estimer l’intervalle de confiance xk
. Une solution consiste à répéter les mesures de yk . On va
noter ykj ces répétitions avec 1≤ j ≤ m. En général, on peut

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  13
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
VALIDATION INTERNE DES MÉTHODES D’ANALYSE

lons qui ont été utilisées. C’est pourquoi, cette approche n’a
jamais connu un grand succès dans les laboratoires. Nous
verrons com- ment il est possible de proposer une approche
plus globale à partir de la notion de répétabilité.

3.2 Limites de
détection et de
quantification
Le lecteur pourra aussi se reporter à l’article Limite de détection [P 262] du
présent traité.

■ Bien que la limite de détection (LD) soit un critère très

utilisé en chimie analytique, on rencontre malheureusement
de très nom- breuses définitions qui créent des confusions
[9]. Celle proposée par la norme FD V 01-000 est la suivante
:
« La limite de détection est la plus petite concentration de
l’ana- lyte pouvant être détectée, mais non quantifiée, dans
les conditions expérimentales décrites de la méthode. »
On peut essayer de traduire la définition de la LD en
termes statis- tiques en disant qu’elle correspond à la
concentration au-dessus de laquelle on a une faible
probabilité de se tromper en acceptant l’hypothèse qu’un
échantillon qui ne contient pas l’analyte (blanc échantillon)
contient en fait l’analyte. Ce risque d’erreur (dit type I) est
habituellement noté  dans les livres statistiques.
De même, il est aussi possible d’introduire le risque
d’erreur (dit type II) noté  pour définir ce que l’on appelle
généralement le niveau critique (NC). C’est la
concentration au-dessous de laquelle on a peu de risque
d’affirmer qu’un échantillon qui contient réelle- ment
l’analyte est un échantillon blanc. Le niveau critique est,
bien sûr, plus élevé que la limite de détection. La figure 5
illustre ces deux concepts complémentaires.
Pratiquement, le calcul de la limite de détection revient à
faire un test d’égalité entre la valeur de la réponse
instrumentale et la réponse pour un échantillon blanc. Puis
on recherche la limite, notée yLD, à partir de laquelle on
rejetterait l’hypothèse au niveau de confiance 1 – .
Finalement, on obtient les deux formules suivantes :
yLD = t1 –  sbl

yNC = yLD + t1 –  sbl = (t1 –  + t1 – ) sbl

avec sbl écart-type d’un

blanc,
t1 –  et t1 –  variables de Student.
Dans ce cas, le nombre de degrés de liberté de la variable de
Stu- dent est égal à n – 1 ou n représente le nombre de
mesures effec- tuées pour calculer sbl. Cependant, les
valeurs yLD et yNC sont exprimées dans les mêmes unités
que la réponse. Il faut donc les

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  interdite.
14 © Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

■ En conclusion, ces recommandations restent délicates

Répons d’applica- tion dans bien des cas. En fait, elles posent la
e notion de « blanc ». On peut en distinguer plusieurs types :
— le blanc instrumental qui correspond au bruit de fond
moyen de l’appareil de mesure et est souvent non
mesurable sur les instru- ments modernes qui subissent un
y 1 – β = 99 lissage très énergique du signal ;
N
% — le blanc réactif qui peut être très important pour les
méthodes de recherche des traces et qui viendra fausser le
y α=1 calcul de la LD ou de la LQ ;
L
% — le blanc matrice ou blanc échantillon qui est censé
représenter l’effet de matrice et dont l’écart-type prend en
compte la variabilité naturelle des échantillons.
Devant cette situation complexe et mal maîtrisé sur le plan
statis- tique, les procédures formalisées de validation
proposent générale- ment plusieurs solutions et l’analyste
0 x x Concentratio
Échantillon L N
n
doit appliquer celle qui est la mieux adaptée à la méthode
blanc employée, c’est-à-dire celle qui donne une mesure de LD ou
Limite de Niveau LQ la plus en rapport avec sa propre évalua- tion subjective
détection critique des capacités de détection.

Figure 5 – Limite de détection et niveau critique

3.3 Recherche des limites du
domaine de linéarité
diviser par la sensibilité a1, afin d’avoir une expression de la
limite de détection et du niveau critique dans la même unité
que la concentration, soit : Le lecteur pourra se reporter utilement à la référence [4].

y t s ■ Pour la grande majorité des méthodes, le choix d’un

-------- ------------------ modèle linéaire est souvent correct mais pour une gamme
xLD a
LD
= 1- = 1–
1 (9
) de concentration donnée ; au-delà d’une certaine limite,
y t +t s cette hypothèse est fausse. Une des premières étapes de
--------- -----------------------------------------
xNC = NC- = 1 –  1 –  b- validation d’une méthode va donc consister à définir le
(10 domaine de concentration où on peut affirmer,
)
a1 a1 avec un faible risque d’erreur, que le modèle d’étalonnage
L’application pratique des formules (9) et (10) soulève est bien linéaire. Si on observe une courbure, il sera
deux pro- blèmes : indispensable de réduire la gamme étalon de façon à
obtenir un véritable domaine de linéarité. Cette limite
— le choix d’un échantillon pour calculer sbl l’écart-type du deviendra une frontière que l’on s’interdira absolument de
blanc ; franchir et qui sera un des éléments fondamental du
— le nombre de mesures qui sert à calculer le nombre de domaine d’application de la méthode. Pour certaines
degrés méthodes, il peut arriver qu’on choisisse un modèle
de liberté. d’étalonnage plus complexe : nous ne traiterons pas ce cas
Pour simplifier les formules, on peut supposer qu’on a fait de figure.
beau- coup de mesures (n > 20) et que  =  = 1 % et ainsi Selon la norme FD V 01-000 la « linéarité est la capacité
remplacer t1 –  d’une méthode d’analyse, à l’intérieur d’un certain intervalle à
= t1 –   3,0 ou une valeur approchante. En ce qui fournir une réponse instrumentale ou des résultats
concerne sbl on proportionnels à la quantité en analyte à doser dans
peut utiliser l’écart-type du blanc obtenu lors de l’échantillon pour laboratoire. Cette propor- tionnalité
l’étalonnage et s’exprime au travers d’une expression mathématique définie
fourni par la formule (6). Cette solution très commode est a priori ». En outre, « les limites de linéarité sont les limites
d’autant plus exacte que l’étalonnage a été réalisé, comme expérimentales de concentrations entre lesquelles un
c’est parfois le cas, en présence d’une matrice, par ajouts modèle d’éta- lonnage linéaire peut être appliqué avec un
dosés (§ 3.7). On obtient ainsi les formules (11) et (12) : risque d’erreur connu
a0 + 3sa
xLD = (11) (généralement pris égal à 1 %) ».
a
-------------------- ■ La méthode proposée pour réaliser cette vérification
0
- utilise des concepts introduits par la méthode des moindres
1 (12) carrés. La recher- che de la limite de linéarité met en œuvre un
a0 + 6sa test d’erreur d’adéqua- tion du modèle (lack-of-fit test),
xNC = ---------------------- basé sur l’analyse de variance. Ce
a1
■ En outre, on rencontre dans la littérature une autre test consiste à décomposer la somme des carrés des
caractéristi- que, appelée limite de quantification (LQ), écarts des réponses, notée SCEy , selon l’équation suivante :
définie de la manière sui- vante dans la norme FD V 01-000 : 2 2
« La limite de de
concentration quantification est la plus petite 
y
2 y –y  y – y 2 n  y – yˆ  n yˆ –

l’analyte pouvant être quantifiée avec une incertitude Selon [10], il c centration ij S
acceptable, dans les conditions expérimentales décrites de la s’agit de la o que l’on i j
C















méthode. » plus petite n peut E

= i j
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  15
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES D’ANALYSE

y i i i i i
SCEe + + i (14)
SCEe















ij
m SCEreg
quantifier avec sûreté comme étant différente du blanc. Elle avec i numéro du niveau d’étalonnage, varie de 1 à p,
n’a pas de signification statistique mais correspond plutôt à j numéro de répétition, varie selon le niveau
une pratique des analystes qui font la différence entre un d’étalonnage de 1 à ni,
échantillon réellement blanc et un échantillon non
quantifiable. Selon les mêmes notations sa valeur est : y moyenne sur i et j des yij,

a0 + 10sa moyenne sur j des yij,

= yi
xLQ a (13)
--------------------------- yˆ i valeur théorique de
1

yi .

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  interdite.
16 © Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

Si on utilise la notation SCE, on peut réécrire la formule (14)

sous une forme plus condensée : Ce critère a été développé pour mesurer la
corrélation, c’est- à-dire la liaison entre deux variables
SCEy = SCEe + SCEem + SCEreg et non pas la qualité de la régression. Le coefficient de
SCEreg représente la somme de carrés des écarts due à la corrélation est toujours compris entre –1 et +1. Un test
régres- sion et SCEem celle due à une erreur de modèle. permet de montrer s’il est significative- ment différent de
0 : on dit alors que les deux variables sont cor- rélées.
Dans ce cas, SCEem sera interprétée comme une mesure de
Mais en aucun cas ce test ne permet de dire s’il est
la non-linéarité puisque le modèle choisi est une droite mais significativement égal à 1 ! C’est donc une grave erreur
ce test est applicable à tout type de modèle. SCEe désigne la que
Dansdelel’utiliser pour ce type de conclusion.
somme de carrés des écarts due à l’erreur pure. cas d’un modèle d’étalonnage, la forte corrélation
entre la réponse et la concentration ne peut pas être mise
Ainsi, on construit le tableau 1 où N désigne le nombre en doute puisqu’elle est à la base théorique de la méthode
total de mesures, soit : d’analyse employée. C’est pourquoi, le coefficient de
p
corrélation r est en géné- ral (et heureusement) très élevé ; il
est encore plus élevé si les solu- tions étalons, choisies par
l’expérimentateur, sont regroupées aux
(15)
N =  ni deux extrémités du domaine d’étalonnage : il est plus facile
i=1 de faire passer une droite par deux points. Mais on ne peut
pas déduire que de légères variations de r soient
représentatives de la qualité de l’étalonnage, car ce critère
est très peu sensible à des variations aléatoires. Il est donc
tout à fait illusoire de penser qu’une baisse ou une
augmentation du coefficient de corrélation permettra de
Tableau 1 – Test de linéarité vérifier si l’étalonnage est correct.
■ Par contre, une approche plus intéressante consiste à
Somme calculer l’intervalle de confiance joint du blanc et de la
Sources Degrés sensibilité. Dans les formules (7) et (8) on avait proposé de
de Variances F de
de de calculer des intervalles de confiance séparés pour le blanc et
carrés Fisher
variation liberté la sensibilité. La formule de l’intervalle de confiance joint est
des
écarts la suivante :
Vr na –  2 + 2x a
F = -e--- –  a –  2 + – 2 2 =
Régressio SCEreg 1 Vreg = SCEreg g x a 2s F 6)(1
n -- 0 0 i 0 0 1 1 i 1 1 e 2 n 
reg ----- i i
Ve
SCEem Vem avec 0 et 1 valeurs vraies de la sensibilité et du blanc,
Erreur F = ---------- valeurs qu’on obtiendrait en faisant un nombre
SCEem p–2 Vem = ------------------ -
de p–2 em
infini de mesures,
modèle Ve
F2, n’,  valeur d’une variable de Fisher au risque , pour
SCEe 2 et
Erreur SCEe N – p Ve = -------------- -
pure N–p n’ = N – 2 degrés de liberté,
N nombre total de couples de mesures.
Lorsque 0 et 1 varient, on obtient une ellipse centrée sur le
Ce tableau va permettre de vérifier deux hypothèses : point de coordonnées a0, a1. Cette ellipse est un peu
— si la valeur de Freg définie dans le tableau 1 est délicate à dessiner mais elle donne un moyen très
supérieure à la valeur limite lue dans la table de efficace pour vérifier si un nouvel
Fisher pour F1 %, 1, N – p, on peut conclure que la étalonnage est conforme à ceux obtenus précédemment.
régression explique bien une grande partie de la
variation. C’est une conclusion normale puisque les À titre d’exemple, l’ellipse de confiance jointe de la
variations de x sensibilité et du blanc d’un étalonnage est présentée sur la
sont censées expliquer celle de y ; figure 6. Elle repré- sente la zone d’acceptation d’un
— si la valeur de Fem est inférieure à la valeur limite nouveau couple sensibilité, blanc. Les valeurs situées en
lue dans la table de Fisher pour F1 %, p – 2, N – p, on dehors, comme le rond, indiquent que l’éta- lonnage n’a pas
peut conclure qu’il n’y a pas de courbure et accepter la donné les résultats attendus et une action correc- trice doit
gamme étalon choisie comme domaine de linéarité. être entreprise pour rectifier cette erreur. Par contre, si un
couple de valeurs est situé à l’intérieur de l’ellipse, comme
Nota : les calculs, apparemment compliqués, sont en fait simples à conduire si
on utilise un tableur comme le décrit le paragraphe 5. celui symbolisé par une étoile, on considère que les résultats
d’étalon- nage obtenus sont acceptables et traçables par
rapport à des résul- tats antérieurs.

3.4 Contrôle de la qualité d’un

étalonnage

La méthode des moindres carrés permet aussi de proposer

une procédure pour contrôler la qualité d’un étalonnage à
chaque fois qu’on utilisera la méthode d’analyse.
■ Avant d’aller plus loin, il est intéressant d’évoquer un
critère sou- vent présenté comme très efficace pour
contrôler un étalonnage : le coefficient de corrélation
noté r et dont la formule de calcul est la suivante :

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  17
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 3,0
2,5
2,0 Acceptabl
e
1,5
VALIDATION INTERNE DES MÉTHODES D’ANALYSE
1,0
Inacceptabl
0,5 e

0
SPExy 40,4 40,5 40,6 40,7 40,8 40,9 41
r = =
SCE x xi – x2 yi – y  2
Sensibilité
θ1
 xi – x   yi – y Figure 6 – Contrôle de qualité d’une droite étalon


Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  interdite.
18 © Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

3.5 Incertitude, fidélité et justesse

Le lecteur pourra se reporter à l’article Modélisation et calcul de l’incertitude
d’un résultat [P 260].

3.5.1 Incertitude de mesure

Le fait qu’un résultat varie, si on répète les mesures, est Ni juste ni Fidèle mais pas
un pro- blème connu de tous les expérimentateurs. Pour fidèle juste
caractériser cette variabilité, on a introduit la notion
d’incertitude. Ce terme doit être préféré à celui de
précision qui a été utilisé dans trop d’acceptions différentes
pour être encore clairement compris.
Selon une définition récente, l’incertitude est un «
paramètre associé à une mesure ou à un résultat pour
caractériser la disper- sion raisonnable que l’on peut associer
au mesurande » [11]. En outre, les textes les plus récents Juste mais pas Juste et
fidèle fidèle
sur l’assurance qualité prévoient que le laboratoire doit
disposer d’une procédure pour estimer l’incertitude de Figure 7 – Image pratique de la justesse et de la fidélité
mesure « chaque fois que le client demande les incertitudes
de mesure se rapportant à des essais spécifiques ou lorsqu’il
est probable que l’incertitude compromettra la conformité à
une spécification ». se calcule à partir d’un écart-type. Une fidélité moindre est
reflétée par un grand écart-type. Les résultats d’essai sont
Il est facile de voir que cette définition est proche de celle
de l’intervalle de confiance. En effet, ce critère permet de indépendants s’ils sont obtenus sur le même matériau
calculer un intervalle de variation où il est vraisemblable que d’essai d’une façon non influen- cée par un résultat
se trouve la valeur vraie d’une statistique (moyenne, précédent ou similaire ;
sensibilité, blanc…) en prenant le risque noté  que — la justesse qui mesure « l’étroitesse de l’accord entre la
l’intervalle ainsi formé ne la contienne pas. Les formules (7) valeur moyenne obtenue à partir d’une large série de résultats
et (8) montrent comment le calcul d’un intervalle de d’essais et une valeur de référence acceptée ». La mesure
confiance revient à multiplier l’écart-type d’une statistique de la justesse est généralement exprimée en termes de
par un coefficient qui tient compte de . biais ou d’écart à une moyenne.
La préparation d’une procédure pour l’expression de La valeur de référence acceptée – aussi appelée la valeur
l’incertitude va principalement porter sur le calcul de l’écart- conven- tionnellement vraie de l’échantillon – est fournie
type. Une approche métrologique traditionnelle consiste à par consensus à partir des valeurs de mesures répétées.
décomposer les différentes sources d’erreur et à la combiner Ça peut être une valeur théorique ou établie, fondée sur
de façon à prévoir l’incertitude du résultat. On l’utilise le plus des principes scientifiques, une valeur assignée ou
souvent pour les mesures physiques. Elle part du principe certifiée, fondée sur les travaux expérimentaux d’une
que la variable aléatoire x est une fonction quel- conque de organisation nationale ou internationale, une valeur de
deux variables aléatoires u et v (ou plus). Sa variance est consensus ou certifiée, fondée sur un travail expérimental en
obtenue par la formule (17) : colla-
x = ƒu  x 2  x 2
 xv  s2 =x  - --- -- s2 +  - --- -- s2 + 2covu
v - --- --  - --- -- (17
) boration et placé sous les auspices d’un groupe scientifique
ou tech-
x u u v nique ou, encore, la moyenne d’une population spécifiée
u v
de mesures.
v

avec - Cette nécessité de recourir à une valeur de consensus va

 x dérivée partielle de x par rapport justifier l’organisation des analyses interlaboratoires. En
--- -- à u,
u effet, la traçabilité
cov(u, v) covariance entre les deux variables. et le modèle du tir sur cible est qu’on connaît rarement le
Dans la pratique, il est rare qu’on connaisse la fonction qui centre de la cible et qu’il faudra l’estimer. Finalement, on
lie x à u et v et on ne peut pas calculer les termes de cette retient la définition de deux critères de validation très
somme. C’est pourquoi, on a introduit une autre approche importants [12] :
plus statistique de l’estimation de l’incertitude qui sera — la fidélité qui est « l’étroitesse d’accord entre des
toujours applicable aux mesu- res de la chimie analytique. résultats d’essai indépendants obtenus sous des conditions
Pour en comprendre les fondements, on peut utiliser la stipulées ». La mesure de fidélité est une mesure de la
comparaison du tir à la carabine sur une cible. Cha- que dispersion des mesures et
impact de balle représente une mesure et le centre de la
cible est la valeur vraie de l’échantillon.
Plusieurs situations se présentent :
— un tireur peut utiliser une arme réglée et
systématiquement rater le centre : on dit que son tir n’est pas
juste ;
— il peut être maladroit et disperser les différents impacts
: on dit que son tir n’est pas fidèle ;
— ces deux types d’erreur peuvent se combiner.
La figure 7 illustre les quatre situations auxquelles ces
défauts conduisent.
Mais une différence fondamentale entre l’analyse chimique
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  19
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES D’ANALYSE

des mesures chimiques ne permet pas de remonter

simplement à l’étalon primaire qu’est la mole. Par contre,
comme le prévoit les normes et comme on l’a décrit au
paragraphe 1.2, lorsqu’il est impossible d’établir la
traçabilité aux unités de mesure SI, le labora- toire doit soit
participer à un programme approprié de comparai- sons
interlaboratoires ou d’essais d’aptitude, soit utiliser des
matériaux de référence appropriés ou certifiés.

3.5.2 Analyses interlaboratoires

Nous désignerons par analyses interlaboratoires toute

étude expérimentale qui implique la participation de
plusieurs laboratoi- res. Cependant, il faut distinguer
plusieurs situations en fonction des objectifs recherchés.
■ Les analyses interlaboratoires, au sens de la norme NF
ISO 5725, doivent réunir au moins huit laboratoires qui vont
recevoir un ou plusieurs échantillons sur lesquels ils feront
de deux à quatre répé- titions. L’objectif principal est alors
de mesurer la répétabilité et la reproductibilité de la
méthode comme nous le verrons au paragra- phe 3.5.3. Ces
études sont généralement lourdes et coûteuses et ne sont
entreprise que pour une validation interlaboratoires de la
méthode. Elles peuvent être organisées par n’importe quelle
struc- ture, par exemple, un laboratoire ou une entreprise
qui veut pro- mouvoir une méthode et publier ses
caractéristiques dans la

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  interdite.
20 © Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

littérature. La normalisation est un contexte très classique

Ces deux concepts ont été introduits pour des raisons
d’organi- sation d’analyses interlaboratoires puisque les
économi- ques afin de comparer des mesures faites par deux
méthodes normali- sées doivent être accompagnées de
laboratoires dif- férents qui représentent chacun les intérêts
valeurs de reproductibilité.
de deux partenaires commerciaux. C’est pourquoi, à partir
■ Les essais d’aptitude, comme ceux décrits dans la de ces deux notions, on défi- nit deux caractéristiques de la
norme X 06-049 ou le Guide ISO/IEC 43 [13], réunissent de fidélité :
nombreux labo- ratoires, parfois plusieurs milliers. Les — la limite de répétabilité ou répétabilité (notée r) qui
participants n’auront pas à faire de répétition sur le ou les est l’écart- type maximal au niveau de confiance de 95 %
échantillon(s) qu’ils reçoivent car le but est de calculer par entre deux résultats obtenus selon des conditions de
consensus une valeur de référence acceptée qui servira à répétabilité ;
vérifier si un laboratoire est compétent pour exécuter — la limite de reproductibilité ou reproductibilité
un type de détermination. Ce bilan d’aptitude se fera après (notée R) qui est l’écart-type maximal au niveau de
avoir classé les laboratoires d’après leurs résultats et en confiance de 95 % entre deux résultats obtenus sur un
vérifiant quels sont ceux qui se trouvent en dehors de limites échantillon commun par deux opérateurs ou deux
de tolérance, elles aussi consensuelles. Les tests d’aptitude laboratoires différents selon des conditions de reproducti-
sont généralement organi- sés par des structures bilité.
interprofessionnelles et les laboratoires y par- ticipent de
façon volontaire en fonction d’un programme analytique Le modèle mathématique utilisé pour mesurer les écarts-
propre à une branche d’activité. types de répétabilité et de reproductibilité d’une analyse
interlaboratoires est le suivant :
Exemple : on trouve des tests d’aptitude pour les produits
céréa- liers, les liants hydrauliques, l’analyse œnologique, les xij =  + Li + ij
analyses de bio- logie clinique, etc.
■ Les études collaboratives pour préparer des où chaque répétition xij est la somme de trois éléments :
matériaux de réfé- rence certifiés ou non suivent des  la valeur vraie de l’échantillon,
protocoles très variés qui peuvent s’inspirer des analyses Li le biais aléatoire du laboratoire,
interlaboratoires classiques. Cependant, d’une part, on va
ij l’erreur expérimentale.
utiliser plusieurs types de méthodes d’analyse afin de
détecter un principe analytique qui générerait un biais Dans ce modèle, l’indice i repère le laboratoire et j le numéro
systéma- tique, d’autre part, les laboratoires participants ne de répétition.
seront pas choisis au hasard mais d’après leur haut niveau Puisque chaque laboratoire a fait des répétitions, on peut
de compétence (a priori). Les matériaux de référence calculer
certifiés pourront être assimilés à des étalons primaires et
servir à vérifier la justesse d’une méthode interne. une variance intralaboratoire notée
i s2. Si on suppose que
Malheureusement, il n’existe pas encore de matériau de les variances intralaboratoires ne sont pas statistiquement
référence certifié pour chaque domaine d’application. différentes les unes des autres (§ 3.5.5), on peut calculer
une variance com-
Quel que soit le type d’étude, chaque participant reçoit un mune qu’on appelle variance de répétabilité :r on la
prélève- ment d’un échantillon homogène. Sur le plan note s2. Si, au contraire, les variances intralaboratoires sont
technique, la prépara- tion d’un tel échantillon – parfois en assez différentes, on peut également définir une variance de
grande quantité – exige un savoir- faire et un soin bien répétabilité selon la formule (21). Par ailleurs, on peut
spécifique. On peut regretter qu’il n’existe pas encore de calculer les moyennes des labora-
procédure normalisée pour vérifier la qualité d’un matériau
qui servira à une analyse interlaboratoires. En outre, le mode toires, notées x i . On va supposer qu’elles se distribuent
de con- selon une
loi normale dont la variance est notée s2 . Elle est appelée
variance
L
ditionnement devra prendre en compte la stabilité de interlaborato car elle représente aussi la façon dont se
l’analyte et/ou ire dispersent
de la matrice : cette remarque est particulièrement
importante pour les matériaux biologiques qui se dégradent les estimations des = x i – x , où est la moyenne
facilement. biais Li x géné-
rale.
Exemple : pour les matrices biologiques, on utilise de
préférence des matériaux séchés ou lyophilisés ; si La figure 8 résume ces concepts et on peut remarquer
l’analyte est sensible à la lumière ou à l’oxygène le que, même si les variances intralaboratoires sont assez
conditionnement sera opaque ou étanche, sous atmosphère différentes, on va les ramener à une variance unique, la
contrôlée ; si c’est une poudre, elle est répartie grain par variance de répétabilité.
grain dans chaque flacon, à l’aide d’un distributeur spécial. En supposant, en outre, que les distributions sont
normales et que le nombre de résultats est suffisant, on
3.5.3 Répétabilité et peut alors démontrer
reproductibilité selon la que la variance de reproductibilité, Rnotée s2 , est égale à
norme NF ISO 5725 la somme de la variance interlaboratoires et de la variance
de répétabilité :
Étant donné que la fidélité mesure la dispersion des
mesures et s22 = s2 + (18)
s
que cette dispersion dépend de diverses sources de R L r
variation, on a proposé deux situations extrêmes dans
lesquelles deux répétitions peuvent être réalisées sur un Pour estimer ces différentes variances, on va s’appuyer sur
échantillon commun : à savoir les conditions de répétabilité l’équation suivante, obtenue par une analyse de variance à
et les conditions de reproductibilité. Elles sont définies de la un seul facteur à effet aléatoire :
façon suivante dans [12] :
— les conditions de répétabilité sont réalisées lorsque « même de
les résul- tats d’essai indépendants sont obtenus par la métho sur p ni
x – x 2 p
x – x 2
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  21
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
VALIDATION INTERNE DES MÉTHODES D’ANALYSE

ni
– x 2
p x
des individus d’essai identiques dans le même laboratoire,   ij
=
 i +   ij i
(19)
par le même opérateur, utilisant le même équipement et i=1 j=1 i=1 i=1 j=1



























pendant un court intervalle de temps » ; SCEt SCEL SCEr
— les conditions de reproductibilité sont réalisées
lorsque « les
résultats d’essai sont obtenus par la même méthode sur des
indivi- dus d’essais identiques dans différents laboratoires, avec x i moyenne du laboratoire i,
p
avec différents opérateurs et utilisant des équipements
différents ». N =  ni nombre total de mesures,
Les conditions de répétabilité vont donc caractériser la plus
petite
dispersion possible des mesures puisque toutes les i=1
modalités de réalisation sont constantes, alors que les ni nombre de répétitions par
conditions de reproducti- bilité intègrent la plupart des x laboratoire, moyenne générale.
sources de variation.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  interdite.
22 © Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

Si les mesures suivent une loi normale, les différences

se distri- buent selon une loi de Student à N – p degrés de
liberté. Comme N est généralement grand, pour un risque de
Laboratoire 5 % on prend2 t0,975  2,0.
sr 1 Puisque 2 = 283 , on obtient finalement :

r = 2,83
sr Laboratoire sr R =
2
2,83 sR

s Laboratoire
r
p 3.5.4 Conformité d’un écart-
type de reproductibilité

Le mode de calcul de la norme NF ISO 5725 s’applique à un

s seul échantillon. Cependant, comme la validation d’une
méthode d’ana- lyse doit porter sur l’ensemble de son
L
domaine d’application, il est classique de faire parvenir aux
participants plusieurs échantillons avec des niveaux de
Moyenne générale concentration couvrant tout le domaine. Ces résultats vont
permettre de vérifier si la fidélité est une constante ou si elle
Répétion dépend du niveau de concentration de l’échantillon.
moyenne du Exemple : le tableau 2 présente les mesures de fidélité
laboratoire d’une méthode de détermination de l’azote Kjeldahl utilisant
une technique de minéralisation par micro-ondes [14]. En fait,
cinq analyses interlabo- ratoires sont présentées pour des
Figure 8 – Modèle théorique de l’analyse interlaboratoire matrices dont la concentration moyenne varie entre 0,4 g/100
g et 8 g/100 g d’azote. On peut noter que, dans tous les cas,
l’écart-type de reproductibilité est plus élevé que celui de la
L’équation (19) peut être réécrite en utilisant la notation répétabilité. Ce résultat est logique si on se réfère à la formule
SCE (18).
(sommes de carrés d’écarts) :
SCEt = SCEL + SCEr
avec SCEt somme totale des carrés des écarts à la
Tableau 2 – Analyses
moyenne générale, interlaboratoires pour l’azote
SCEL somme des carrés des écarts interlaboratoires, Kjeldahl
SCEr somme des carrés des écarts de répétabilité. (g/100 g)
Ensuite, les variances interlaboratoires s2 et de répétabilité Niveau p x sR sr CVR CVLim
s2
L r
sont obtenues en divisant les sommes de carrés des écarts Lait 11 0,484 0,013 0,011 2,60 % 4,46 %
par des nombres de degrés de liberté appropriés. Pour cela, Farine 11 1,773 0,038 0,023 2,13 % 3,67 %
il est nécessaire d’introduire le nombre moyen corrigé de
répétitions par cellule, que l’on note N ’ : Dactyle 11 2,060 0,056 0,029 2,70 % 3,59 %
p 2 Viande 11 2,997 0,078 0,052 2,59 % 3,39 %
 ni Œuf 11 7,609 0,173 0,111 2,27 % 2,95 %
N = N – i---=----1--------- (20
N )
On obtient
: Pour illustrer les variations de la reproductibilité, on va
2
sr = projeter les écarts-types en fonction de la moyenne comme
SCE
-------------- (21 l’indique la figure 9. On voit ainsi que la fidélité d’une méthode
r N ) n’est pas constante mais varie avec la concentration de
–p l’échantillon analysé : cette observa- tion est générale.
SCEL 2
p – 1 sr

 ---------------
p –1
2
sL --------------------------------------------------
– (22

= N )
Lorsque les résultats de l’analyse interlaboratoires doivent
faire l’objet d’un dossier officiel de validation, la norme NF Deux conclusions importantes s’imposent :
ISO 5725 pro- pose un mode de calcul des limites de — il est donc fondamental de valider une méthode sur
répétabilité r et de reproduc- tibilité R. Pour cela on va tout son domaine d’application, sinon on peut obtenir une
considérer la variance de la différence entre deux mesures. estima- tion fausse pour un niveau de concentration
qu’on n’a pas étu- dié ;
Si s2 désigne la variance d’une mesure, la variance de la
— on ne doit pas exprimer la fidélité d’une méthode
différence vaut 2s2. Par conséquent son écart-type est sans se référer à une concentration.
égal à 2s . D’après la définition des limites de répétabilité et de
reproductibilité, on recherche la différence maximale entre
deux mesures pour un risque d’erreur de 5 %. On calcule
ainsi les deux critères de fidélité : Une façon de synthétiser ces résultats peut consister à
calculer le
2 coefficient de validation (CV ). Il s’agit de l’écart-type relatif
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  23
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES D’ANALYSE

à une
r = k  moyenne exprimé en % et calculé selon la formule :
sr
R = k 2  sR
CV = 100 -- (23)
où k est un coefficient qui rend compte du risque s
d’erreur. ---
x

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  interdite.
24 © Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

Par ailleurs, Horwitz a montré que la grande majorité des

Écart-type de reproductibilité CVR ne dépassent pas une valeur limite CVLim calculée ainsi :
sR (g/100g) lgx 
2–
0,25 CVLim = 2 2 (26)
Les valeurs obtenues à partir des modèles (25) et (26)
0,20 pour des concentrations allant de 10 – 9 kg.kg– 1 (soit 1
g.kg –1 ou 1 ppb) à
0,15 0,1 kg.kg– 1 (soit 10 %) sont présentées dans le tableau 3.

0,10 Tableau 3 – Coefficients de variation (en %)

donnés par les modèles de Horwitz pour
0,05 quelques concentrations caractéristiques

0,00 Concentration CVHor CVLim

0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0
(kg.kg– 1) (%) (%)
Moyenne x
(g/100g) 10– 1 2,83 5,66
10– 2 4,00 8,00
Reproductibilité sR 10– 3 5,66 11,31
Valeur limite de Horwitz sR Lim 8,00 16,00
Figure 9 – Relation entre la moyenne et la fidélité pour l’azote 10– 4
Kjeldahl (§ 3.5.4) 11,31 22,63
10– 5
10– 6 16,00 32,00
10– 7 22,63 45,25
Ce critère présente un inconvénient car c’est une mesure
relative qui dépend de deux valeurs : le numérateur et le 10– 8 32,00 64,00
dénominateur. On constate que : 10– 9 45,25 90,51
— si l’écart-type est constant lorsque la moyenne varie, le
coeffi- cient de variation n’est pas constant. La courbe
obtenue est une hyperbole ; Il est important de noter que les concentrations doivent
— si l’écart-type varie avec la moyenne – comme sur la être exprimées avec les unités SI pour que le résultat soit
figure 9 – le coefficient de variation est constant. Il peut alors directe- ment exprimé en %.
être utile pour exprimer simplement la fidélité.
Le coefficient de variation de la reproductibilité, (CVR) Exemple : pour une concentration de 1 g/100 g, on a 10– 2
reporté dans le tableau 2 a ainsi été calculé selon la formule :
kg.kg– 1, ce qui donne :
–
s
2R lg 10  2


CVR = 100 (24) 1– 1 – –

---
---------- CVHor ------------------------ = 22 = 4 %
x = 2 2
= 2 2

■ Dans l’exemple de l’azote Kjeldahl (tableau 2), on

constate que les CVR sont relativement constants puisqu’ils On s’aperçoit aussi que CVLim est le double de CVHor. C’est
varient entre 2,6 % et 2,7 % et on pourrait proposer pour- quoi, on a proposé, comme méthode de contrôle de la
d’exprimer la fidélité de cette méthode sous la forme d’un conformité d’une reproductibilité pour une concentration
pourcentage. Cependant, son domaine d’appli- cation est donnée, de vérifier si le rapport HorRat :
relativement étroit et on peut se demander si le CVR reste CV
constant lorsque le domaine d’application de la méthode est HorRat= ----------------
R
CVHor
plus large. Par exemple, on sait que le CVR d’une méthode
d’analyse de traces est généralement plus élevé que celui aussi appelé Horwitz Ratio, est bien inférieur à 2,0 [17].
d’une méthode pour les macroéléments. C’est-à-dire qu’il y a
aussi une relation entre le coefficient de variation de la Les conclusions fournies par ce critère doivent toujours
reproductibilité et le niveau de concen- tration [15]. être pri- ses à titre indicatif, car ce modèle reste empirique
et n’a pas été retenu dans la norme NF ISO 5725.
Plusieurs modèles ont été proposés pour décrire cette
relation mais celui qui a connu le plus de succès est celui de Pour illustrer les données du tableau 3, on a pris l’habitude
Horwitz [16]. Il l’a construit à partir de plusieurs milliers d’uti- liser une échelle logarithmique pour la moyenne afin
qu’une large gamme de concentrations puisse être portée
d’analyses interlaboratoi- res, d’abord en calculant les sR
sur le même graphi- que. La figure 10 illustre l’allure des
selon le protocole de la norme NF ISO 5725, puis en
deux modèles.
ajustant un modèle par la méthode des moin- dres carrés.
Si on compare ces valeurs à celles obtenues lors de l’étude
Il a pu ainsi montrer que, sur une large gamme de sur l’azote Kjeldahl (tableau 2), on voit que les valeurs de
concentrations, de CVR observé se situe, en moyenne, autour
CVR sont tou- jours compatibles avec celles proposées par le
d’une valeur CVHor calculée selon la formule suivante :
modèle d’Horwitz. Une autre façon de visualiser cette
l g  x 
1 – --- ---- -- conclusion consiste à utiliser les
formules (25) et (26) pour calculer les valeurs limites de
l’écart-type
CVHor = 2 2 de reproductibilité en posant :
(25)
avec x concentration moyenne exprimée en unité SI lgx 
2–
(kg.kg– 1).
Il est important de noter que ce modèle est empirique car il résulte d’un traitement statistique d’observations
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  25
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
VALIDATION INTERNE DES MÉTHODES D’ANALYSE

expérimentales. Il ne peut en aucun cas être mis en relation sRLim = 001  x  2 2

avec une théorie de l’incertitude ou de la fidélité.

Les valeurs de sRLim ainsi obtenues sont représentées
par la courbe en noir sur la figure 9.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  interdite.
26 © Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

CVR (%) Valeur

mesuré
50 Incertitude
e
Incertitude élevée faible capabilité
5 capabilité de 75 % de 10 %

4
25

Toléranc
2

e
0
+0 –1 –2 –3 –4 –5 –6 –7
10 10 10 10 10 10 10 10
1
–1
Moyenne (kg. kg )

CV CV 0
Hor Lim
1 6 1 1
Figure 10 – Illustration des modèles proposés par Horwitz 1 6 Numéro
de
l'échantillon
3.5.5 Recherche des données non conformes 3.6 Capacité de mesure du lot

Pour démontrer les formules (19), (20), (21) et (22), il a fallu Une façon d’appréhender l’utilité d’une méthode d’analyse
faire les assertions suivantes : consiste à vérifier si les résultats qu’elle fournit permettent
— les répétitions d’un laboratoire doivent suivre une loi effective-
normale ;
— les variances intralaboratoires
i s2 doivent être
statistiquement égales ;
— les moyennes des laboratoires x i doivent être
statistiquement
égales ;
— les moyennes des laboratoires doivent suivre une loi
normale.
Il est donc nécessaire de contrôler si elles sont vérifiées
avant de valider une valeur de répétabilité ou de
reproductibilité. C’est pour- quoi différents tests sont
proposés dans la norme NF ISO 5725 qui vont permettre de
conduire cette étude préliminaire. Ils ne consis- tent pas à
vérifier si les données se distribuent effectivement selon une
loi normale mais plutôt à repérer celles qui sont aberrantes.
Ces tests vont donc permettre d’éliminer, soit une répétition
aberrante, soit une variance aberrante, soit une moyenne
aberrante. D’une façon générale, lorsqu’on applique un test,
si on voit qu’il est signi- ficatif au niveau de risque de 5 %,
on dit que la donnée est suspecte. S’il est encore significatif
au niveau de risque de 1 %, on dit qu’elle est aberrante.
Il n’est pas rare que l’étape d’élimination des aberrants
pose des problèmes : on ne détecte pas un résultat
visiblement aberrant, on élimine trop de laboratoires, on
sous-estime la fidélité… Et finale- ment, l’estimation de la
répétabilité et de la reproductibilité n’est pas satisfaisante.
C’est pourquoi, la dernière partie de la norme pro- pose un
ensemble d’estimateurs robustes qui, comme la médiane,
présentent l’intérêt de ne pas être influencés par la présence
de don- nées aberrantes. Ils reviennent à transformer de
manière itérative les données et à utiliser des estimateurs de
position et de dispersion robustes. Ensuite, il est possible de
calculer les trois paramètres caractéristiques d’une analyse –
à savoir x , r et R – sous des formes robustes.
Nous ne développerons pas ces méthodes mais on peut
se repor- ter aux travaux de la Royal Society of Chemistry
qui a publié des méthodes tout à fait comparables [18].
L’expérience montre qu’il est, en général, intéressant de
comparer les valeurs obtenues par le mode de calcul classique,
avant et après élimination des aberrants, avec ceux du mode
de calcul robuste. On obtient des valeurs inter- médiaires
qui reflètent sans doute mieux la réalité. Nous avons
signalé cette évolution car elle marque l’introduction des
méthodes robustes en chimie analytique ainsi que leur
intérêt pratique.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  27
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES D’ANALYSE

Figure 11 – Rôle de la capacité de mesure sur l’aptitude

d’une méthode à contrôler un lot

ment de prendre une décision. C’est le concept de capacité

de mesure (ou capabilité de mesure) qui permet
d’atteindre ce but en intégrant la variabilité du phénomène
ou du lot qu’on veut contrôler et l’incertitude des
mesurages. Il se définit comme le rapport suivant :
T o lé r a n c e a c c e p
Capacité = - --- ---- - ---- -- --- ---- --- ----- --- --- --- ---- ---
t é e
-- --  100
Incertitude
La figure 11 illustre comment des valeurs faibles de la
capacité de mesure (10 %) permettent de prendre des
décisions alors qu’une capacité de mesure de 75 % ne le
permet pas. Elle illustre les varia- tions réelles d’un lot. Les
limites de tolérance sont représentées par deux traits en
pointillés et les mesures sont encadrées par leur incertitude.
On a simulé des variations de l’incertitude pour montrer
comment des mesures avec une incertitude élevée ne
permettent pas de détecter une non-conformité.

3.7 Justesse d’une méthode

■ Comme l’indique sa définition (cf. § 3.5.1), la justesse est
mesu- rée en comparant le résultat obtenu avec la méthode
en cours de validation et la valeur vraie de l’échantillon. Il
faut donc disposer de cette valeur. On a déjà vu (§ 3.5.1)
comment deux techniques parti- culières permettent de le
faire.
● L’utilisation de matériaux de référence certifiés (MRC)
est la méthode la plus simple. Il suffit d’en acheter un
similaire ou proche du type d’échantillon auquel la méthode
s’applique. Il existe une norme qui décrit comment procéder
à la comparaison entre la valeur certifiée et la valeur
trouvée (19).
De nombreux distributeurs vendent quelques-uns des 10
000 MRC disponibles sur le marché et proposés par
différents organismes internationaux [5]. Même s’il est
élevé, le nombre de MRC est limité et il n’est pas toujours
possible d’obtenir celui ou ceux qui corres- pondent à la
méthode qu’on veut valider.
● C’est pourquoi, l’autre méthode consiste à fabriquer un
maté- riau de référence en commun avec d’autres
laboratoires, en partici- pant à un essai d’aptitude. Les
essais d’aptitude vont donc avoir un double intérêt :
— d’une part, pour la validation de la méthode, ils
permettent de se procurer des matériaux de référence (non
certifiés) qui serviront à vérifier la justesse ;
— d’autre part, lors de l’utilisation en routine, on pourra
contrôler la justesse de la méthode dans le temps, comme
l’indique la figure 3.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  interdite.
28 © Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

Tableau 4 – Organisation des essais pour vérifier la justesse et la fidélité d’une

méthode de substitution par rapport à une méthode de
référence
Méthode alternative

Répétitions Effectifs Moyennes Variances

1 2 … ni s2x
Échantillons x i i

1 x11 x12 … n1 s2x

x 1 1

… … … … … … … Différences
i xij … xi, ni … s2x des
x i i moyennes
… … … … … … …
p xp1 xp2 … np s2 x
xp p

Méthode de référence

Répétitions Effectifs Moyennes Variances

1 2 … mi s2z
Échantillons zi i xi –z i

1 z11 z12 … z1, m1 s2z

z1 1 x 1 –z 1

… … … … … … … …
i zij … zi, mi … s2z
zi i xi –z i

… … … … … … … …
p zp1 zp2 … zp, mp s2 z
zp p x p –z p

Étant donné leur importance pour assurer la qualité

d’une — si s2x < s2z, il est possible de conclure que la méthode
méthode, une exigence classique des organismes d’accréditation alter-
r r

est que le laboratoire participe régulièrement à un essai native présente une fidélité au moins aussi bonne que la
d’aptitude. méthode de référence ;
■ existe un cas particulier, traité par la norme NF V 03-110, où le s2x
Il 2 2
laboratoire peut évaluer la justesse d’une méthode en cours — si sr x > sr z, on calcule le rapport q = ----r et on le
de validation : c’est lorsque l’on compare une méthode compare
alternative (ou de substitution) à une méthode de sr2z
référence [20]. La procédure consiste à effectuer une série à une valeur critique d’une variable de Fisher au niveau de
de mesures avec la méthode alterna- tive et la méthode de confiance 1 – , avec N (x) – p et N (z) – p degrés de
référence. Le même plan d’expérience permet- tra de liberté. Dans ce cas, N (x) et N (z) représentent les
comparer des écarts-types de fidélité et des moyennes nombres totaux de répétitions.
(justesse). Dans ce but, on va sélectionner au moins dix
échantillons représentatifs du domaine d’application et La règle de décision est la suivante :
effectuer ni répétitions pour chaque échantillon avec la — si q est inférieur ou égal à la valeur critique au risque 1
méthode alternative et mi répéti- tions avec la méthode de %, il est possible de conclure que la méthode alternative
référence (il se peut que ni soit différent de présente une fidé- lité compatible avec la méthode de
mi), de façon à construire le tableau 4. référence ;
— si q est supérieur à la valeur critique au risque 1 %, la
Le nombre d’échantillons p et le nombre moyen de fidélité n’est pas satisfaisante.
répétitions n ou m recommandés sont p “ 10 et m = n
● En ce qui concerne la justesse, on va comparer les
“ 2. Si les échantillons choisis ont déjà été utilisés dans des
différences di = x i – z i entre les moyennes obtenues pour
analyses interlaboratoires, des essais d’aptitude, ou sont des
matériaux de référence, leurs valeurs de référence peuvent chaque échantillon. On obtient ainsi le rapport w défini par :
être utilisées pour remplir la partie du tableau relative à la
méthode de référence, sans avoir à refaire les mesures. De w = --
même si le laboratoire estime qu’il maîtrise mal la d sd
méthode de référence, il peut faire appel à un laboratoire ------
extérieur pour réaliser les mesures par la méthode de avec sd écart-type des écarts des différences,
référence. Cependant, la traçabilité de ces mesures doit
2
être assurée et leur origine indiquée.  di – d
● On va d’abord calculer une variance de répétabilité, sd = --- 
selon le principe de la norme NF ISO 5725, séparément sur i p–1
----------------------------
chaque série de données, ce qui donne les deux variances
de répétabilité, notées
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  29
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
VALIDATION INTERNE DES MÉTHODES D’ANALYSE

s2x et s2z respectivement pour la méthode alternative et moyenne des différences,

et la
d
r r
méthode de référence.
2
di
Ensuite, on peut comparer sr x à sr z afin de vérifier
● d = ---
si les deux méthodes ont la même fidélité. Deux cas se i
--------
présentent : p

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  interdite.
30 © Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

La règle de décision est la suivante :

— si w est inférieur ou égal à 3,0, il est possible de Réponse Droite
conclure que les deux méthodes ont la même justesse, y d'ajout
avec un risque d’erreur
=1% ; 4
— si w est supérieur à 3,0, il est possible de conclure que
la méthode alternative n’est pas juste par rapport à la
méthode de référence, avec un risque d’erreur  = 1 %.
Droite
En fait, cette procédure permet de démontrer que la étalon
3
justesse (et en même temps la fidélité) d’une méthode
b0 a
alternative est statisti- quement équivalente à celle d’une
méthode de référence. Mais on ne montre pas que la Teneur 1
b
méthode est juste, dans l’absolu. On part du principe que la extrapolé 2
1
méthode de référence fournit la valeur vraie et, dans bien e
des cas, c’est parfaitement suffisant.
Ce a
■ La comparaison de méthodes est une technique 1
0
classique pour détecter le biais éventuel d’une méthode. On Ce = – b 0 0 Concentration
utilise une approche expérimentale similaire à celle décrite /b1 x
par le tableau 4, c’est-à-dire qu’on applique deux méthodes Figure 12 – Méthode des ajouts dosés classique
(ou plus) à une série d’échantillons. Ensuite, on essaye de
trouver une relation entre les mesures x et z de la forme de
l’équation (27) ou b0 désigne un biais constant et b1 un biais
proportionnel :
x = b0 + b1z + e
■ Ainsi, la méthode des ajouts dosés classique est
constituée de quatre essais :
(27)
— 1. un blanc sans matrice ni analyte qui ne contient que
Une difficulté dans cette approche est de choisir une les sol- vants et les réactifs purs ;
méthode pour calculer b0 et b1 car la méthode des moindres — 2. un étalon de concentration connue ;
carrés, comme elle est décrite au paragraphe 3.1.1 ne peut — 3. un échantillon de concentration inconnue ;
pas s’appliquer. En effet on ne peut pas décider quelle — 4. le même échantillon auquel on ajoute une quantité
variable est explicative et quelle varia- ble est expliquée. On connue
peut donc écrire un deuxième modèle qui don- nera d’autres
valeurs du biais constant et du biais proportionnel :
z = b 0 + b 1 x + de l’étalon.
(28)
e On peut ainsi construire deux droites, l’une mesurée avec
l’étalon
La solution – délicate du point de vue des calculs – l’excipient, une technique globale et commode de mise en
consiste à rechercher une relation fonctionnelle entre x et évidence est la méthode des ajouts dosés. Elle consiste à
z qui prend en compte les erreurs sur les deux variables. Une additionner dans l’échantillon avant, pendant ou après sa
étude assez complète sur cette question peut être trouvée préparation, des quantités connues de l’analyte pur. En
dans les références [21] et [22]. quelque sorte, on construit une courbe d’étalonnage dans un
milieu équiva- lent à celui où se fait la mesure et non plus
dans le seul solvant.
3.8 Spécificité On trouve dans la littérature plusieurs protocoles possibles
d’ajouts dosés. Ce qui les différencie c’est un volume final
Le manque de spécificité d’une méthode peut être
constant ou variable, un nombre d’ajouts unique ou multiple,
d’origine phy- sique, comme on l’a décrit avec
une matrice unique ou multiple. Le mode opératoire le plus
l’élargissement des raies d’absorp- tion en
classique consiste à faire un ou deux ajouts à une prise
spectrophotométrie d’absorption atomique, mais la plupart
d’essai constante de l’échantillon et à ajouter au même
du temps il est dû à la présence d’analytes indésirables
volume final la solution préparée.
qui vont
« répondre » comme l’analyte recherché ou, au contraire,
gêner sa réponse. Ces analytes sont divers constituants de la
matrice et/ou les réactifs utilisés pour préparer l’échantillon :
on peut donc parler d’effets de matrice. Les effets de
matrice viennent brouiller le signal et entraînent deux
conséquences néfastes :
— soit, une surestimation de la concentration de
l’échantillon car la réponse est plus élevée que ce qu’elle
devrait être ;
— soit, une sous-estimation car le signal est partiellement
masqué.
Exemple : en chromatographie, une mauvaise
séparation de l’ana- lyte peut induire une interférence. En
spectrophotométrie d’absorption atomique, on a décrit de
nombreuses interférences pour le calcium dues à d’autres
éléments qui absorbent à la même longueur d’onde.
Lorsque l’on ne peut pas évaluer l’influence de chaque
constituant de la matrice, comme c’est le cas dans la
recherche pharmaceutique où on connaît parfaitement
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  31
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES D’ANALYSE

pur (la droite étalon) et l’autre en présence de la matrice (la

droite d’ajout). Si les deux droites sont parallèles, on dit qu’il
n’y a pas d’interférences, comme l’illustre la figure 12. Par
simple jeu de règles de trois on va pouvoir calculer la
pente b1 et l’ordonnée à l’origine b0 de la droite d’ajout et
obtenir par extrapolation la concentration corrigée Ce de
l’échantillon :
b 0
----- Ce = –
b1 -
Cependant, cette technique a plusieurs inconvénients, si
on veut s’en servir pour valider une méthode. D’abord, elle
ne s’applique qu’à un seul échantillon et il faudrait faire une
série de droites d’ajout pour couvrir le domaine
d’application. Ensuite, l’extrapola- tion est peu
recommandée car elle engendre toujours de très fortes
erreurs : l’incertitude sur Ce est très grande. Enfin, elle ne
donne pas une réponse globale sur la spécificité.
■ Une approche plus globale de la recherche des effets de
matrice est décrite dans la norme NF V 03-110 [20]. Elle
consiste à effectuer p ajouts dosés sur des échantillons
choisis de façon à couvrir le domaine d’application de la
méthode et dont les teneurs xi sont déjà connues. Ça peut
être des matériaux de référence ou des échan- tillons ayant
servi à établir la justesse de la méthode, comme ceux du
tableau 4. Le plan d’expérience est décrit au tableau 5.

Tableau 5 – Organisation des essais

pour vérifier la spécificité d’une
méthode
Échantillo Teneur Teneur Teneur Teneur
n avant ajoutée après retrouvée
ajout (v) ajout (r)
(x) (w)
1 x1 v1 w1 r1 = w 1 –
x1
… … … … …
i xi vi wi ri = wi – x i
… … … … …
p xp vp wp rp = w p –
xp

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  interdite.
32 © Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

Les ajouts sont réalisés avec une solution étalon pure. Il

est conseillé de choisir le niveau des ajouts du même ordre Teneur 7,0
de grandeur que la teneur de l’échantillon sur lequel ils sont retrouvée r
effectués. C’est pourquoi les échantillons les plus concentrés 6,0
(mg/g)
doivent être dilués pour rester dans le domaine d’application 5,0
de la méthode. Là encore, le nombre d’échantillons p doit
4,0
être au moins de 10.
Ensuite, on va calculer une droite globale de recouvrement 3,0
d’ajout, en portant sur un diagramme les valeurs d’ajouts v 2,0
et les valeurs retrouvées w, ce qui revient à calculer la droite
des moin- dres carrés : 1,0

0,0
ri = c0 + c1vi + ei 0,0 1,0 2,0 3,0 4,0 5,0 6,0 7,0
Teneur ajoutée v (mg/g)
(29)
Droite d'ajout globale d'équation r = 0,904 v –
Le principe de la vérification de la spécificité consiste à
0,031 Droite de pente 1
tester l’hypothèse que la pente c1 est égale à 1 et que
l’ordonnée à l’ori- gine c0 est égale à 0. En généralisant les
notations introduites dans les formules (2) et (3) du Figure 13 – Exemple d’étude de la spécificité selon la procédure
paragraphe 3.1.1, on a : proposée par la norme NF V 03-110 [20] (sur cette figure, les unités
sont les mêmes pour r et v)
SPE vr
c1 =
----------------
SCEv Exemple : la figure 13 illustre les résultats d’une étude
de spécifi- cité pour une méthode de détermination des
et c0 = r – c1v sucres totaux dans les produits carnés (en mg/g), tels que les
De même, les formules (4), (5) et (6) fournissent la pâtés, le jambon ou le produits de charcuterie. La pente est
variance 2 égale à 0,904 et statistiquement non diffé- rent de 1,0 et
e rési- duelle s et les variances des deux coefficients l’ordonnée à l’origine (– 0,031) n’est pas différente de 0 : on
: peut donc conclure que la méthode est spécifique.

2 2
s
s c = ---------------
e
1 SCE v
 2 
1 v
et s2 = s2  - -- + ---- 
 p SCEv
e
c0
3.9 Robustesse
Pour vérifier si la pente de la droite d’ajout globale est
●
égale à 1, on va effectuer un test en calculant le critère tobs
qui suit une loi de Student à p – 2 degrés de liberté : La robustesse d’une méthode d’analyse peut être définie
comme une mesure de sa capacité à ne pas être affectée par
c –1 de petites varia- tions des conditions opératoires. Ces
t = 1
----------------- variations doivent refléter cel- les qu’on rencontre lorsque
obs s
c1 l’on transfère la méthode d’un laboratoire à un autre ou
lorsque on la remet en route. Son intérêt
— Si est de fournir une indication sur la stabilité des mesures
t est inférieur ou égal à la valeur critique lue dans la
ob dans des conditions normales d’utilisation.
s
table
de Student au risque 1 – /2 avec p – 2 degrés de liberté, il est
possi- Le principe du test de robustesse est donc de créer de
ble de conclure à l’absence d’interférences et que la légères modifications des valeurs sélectionnées pour le
spécialité est acceptable. mode opératoire normalisé et de vérifier si elles ont une
— Si tobs est supérieur à la valeur critique, la méthode influence sur le résultat. Ces modifications sont définies en
n’est pas spécifique. fonction des difficultés classiques de contrôle des
● Pour vérifier si l’ordonnée à l’origine est égale à 0, on paramètres opératoires.
calcule le critère t obs qui suit une loi de Student à p – 2 Exemple : si on dit que la réaction doit être effectuée au
degrés de liberté : bain-marie à 35 °C et si on suppose que le système de
thermostat peut varier de
c
tobs
 = ------- ± 1 °C, on va vérifier que le résultat reste inchangé lorsque la
0
- s tempéra- ture varie entre 34 et 36 °C : en d’autres termes on
c0
va vérifier que la température n’a pas d’effet sur la réponse.
— Si t obs est inférieur ou égal à la valeur critique lue dans Les paramètres ainsi étudiés dépendent du type de
la table de Student au risque 1 – /2 avec p – 2 degrés de méthode. Classiquement, on trouve la température, le pH,
liberté, il est possi- ble de conclure que l’ordonnée à l’origine
un volume ou un débit, comme paramètres quantitatifs. Mais
n’est pas différente de 0.
on peut aussi considé- rer des paramètres qualitatifs, comme
— Si t obs est supérieur à la valeur critique, il est possible une marque de réactif ou d’appareil de mesure, au cas où la
de conclure que l’ordonnée à l’origine est différente de 0 et méthode doit être employée par des laboratoires ayant des
que la méthode n’est pas spécifique. équipements variés.
Comme le nombre de paramètres à vérifier peut être
À partir de ces résultats, on pourrait calculer un taux
● important (souvent proche de 10) et qu’une vérification
de recouvrement moyen permettant de quantifier la paramètre par paramè- tre demanderait beaucoup d’essais,
spécificité. Cependant, en aucun cas, il ne doit être on va s’appuyer sur la méthode des plans d’expériences
employé pour Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite.
« corriger » les résultats. En effet, si un biais significatif P 224  33
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
est mis en évidence, la méthode ne peut pas être
validée.
● Puisque le principe du test consiste à calculer une
droite, il est important de prendre au moins 3 niveaux
d’ajout et de choi- sir correctement leur valeur afin
VALIDATION INTERNE DES MÉTHODES D’ANALYSE

pour réduire le nombre de mesures [23]. C’est pourquoi on

parlera de facteurs plutôt que de paramètres. En général,
on utilise des plans factoriels fractionnaires saturés car :
— on ne cherche pas à évaluer les interactions entre
facteurs ;
— chaque facteur ne prend que deux niveaux, seulement.
Exemple : le premier test de robustesse décrit dans la
littérature consistait à évaluer les effets de 7 facteurs à l’aide
d’un plan factoriel saturé 27–4 comportant 8 essais [24].

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  interdite.
34 © Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

Le résultat d’un test de robustesse consiste en un tableau

qui indi- que si tel ou tel facteur a un effet significatif. On n’a
donc pas une mesure globale de la robustesse mais des
xi – x
avec s écart-type défini par s =------------------------------
mesures par rapport à dif- férents facteurs. 2 n –
1
Un point important à considérer est l’interprétation finale ■ Pour un contrôle basé sur m répétitions les limites de
qu’on fournit à l’issue d’un test de robustesse. Si un seul contrôle sont définies par :
facteur a un effet significatif, la méthode ne peut pas être s s
validée et il est inutile de mesurer les autres caractéristiques LCS = x + 3 ---- ----- LCI = x + 3 ---- -----
m m
de validation. En effet, si un fac- teur n’est pas robuste cela n m
signifie que la méthode n’est pas robuste et ne peut pas
être appliquée en routine puisque les niveaux sont
  xij
choisis de façon à refléter les légères variations que va « -i--=----1-----j---=----1
=-----------------------
avec moyenne définie
norma- lement » subir la méthode. Il faut alors recommencer ,
l’étape d’opti- misation pour mieux contrôler le facteur gênant. x par x n m
C’est pourquoi, il apparaît que le test de robustesse se situe à
l’interface entre le déve- loppement et la validation –
comme l’indique la figure 3 – et doit précéder toute
validation.
De ce fait nous pensons que la description du test de mesures isolées.
robustesse s’intègre mieux à la présentation des plans ■ Pour un contrôle basé sur une mesure isolée on définit les
d’expériences et nous conseillons aux lecteurs de se reporter limites de contrôle et d’alarme de la façon suivante :
à des textes plus complets comme les références [23] et LCS = x + 3 s LCI = x – 3
[25]. Cependant, comme ce test est évoqué par plusieurs
normes ou procédures normalisées il fallait le présenter, s LAS = x + 2 s LAI = x
dans son principe.
–2s

3.10 Cartes de contrôle

Le lecteur pourra se reporter à l’article Maîtrise statistique des processus (MSP).
Utilisa- tion des cartes de contrôle [R 290] dans le traité Mesures et Contrôle.

■ Les cartes de contrôle sont des outils utilisés pour

contrôler la stabilité d’une méthode d’analyse dans le
temps. Ce ne sont donc pas des outils de validation mais
des outils de contrôle de la qualité.
Elles sont conceptuellement simples : un matériau étalon,
dont on a défini la teneur moyenne, est analysé régulièrement
et les répon- ses obtenues sont reportées, dans l’ordre
chronologique sur un gra- phique (cf. figure 14). Si la carte
montre qu’il y a des variations autres que celles liées au
hasard, autour de la valeur moyenne, on peut supposer que le
système de mesure est perturbé. Pour faciliter cette prise de
décision, des limites de contrôle sont dessinées de chaque côté
de la valeur attendue. Il faut que les réponses restent entre ces
limites. En complément, on définit les règles qui permet- tent
de décider si la répartition n’est plus aléatoire et les actions
cor- rectrices à entreprendre pour revenir à une situation
normale.
Initialement, les cartes de contrôle ont été proposées vers
1920 par Shewart pour le contrôle des processus industriels
de fabrica- tion. Le point de départ de ces travaux consiste à
supposer qu’un système de mesure est stable s’il ne
présente que des variations aléatoires autour d’une valeur
de référence et que l’amplitude de ces variations, mesurées
en nombre d’écarts-types, reste entre des limites fixées. On
dit alors qu’il est sous contrôle statistique.
La théorie sous-jacente aux cartes de contrôle est que les
mesures obtenues sous maîtrise statistique doivent se
répartir selon la loi normale. Celles qui sont en dehors des
limites de contrôle sont des mesures qui ont une très faible
probabilité d’existence et sont équi- valentes à des données
aberrantes.
D’un point de vue pratique, on prend comme valeur cible
la moyenne arithmétique x du matériau de référence,
calculée sur un grand nombre de répétitions (n > 30). On
peut aussi utiliser un maté- riau ayant servi dans un essai
d’aptitude. Les limites de contrôle supérieure et inférieure
(LCS et LCI) vont être calculées de façon différentes si
chaque point est obtenu à l’aide d’une seule mesure ou de m
répétitions. En effet, il est souvent conseillé d’utiliser un
contrôle basé sur des mesures répétées, plutôt que sur des

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  35
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES D’ANALYSE
m

n  xij – x i 2
 --- m j =
---- –
i 1----------------------------
s écart-type s = . --- ---- 1
=
1
--------------------------------------
Il est évident qu’un contrôle basé sur des répétitions sera n
plus effi- cace mais aussi plus coûteux. Il n’est justifié que
dans le cas où les mesures sont rapides et simples, c’est
pourquoi on le met en place pour des mesures physiques,
telles que des mesures de tempéra- ture ou des pesées.
On a aussi proposé d’utiliser l’écart-type de répétabilité
pour évi- ter d’avoir à calculer s mais les limites ainsi
construites sont très étroites, ce qui peut conduire à de
fréquentes actions correctrices. Il serait préférable d’utiliser
un écart-type de reproductibilité interne. Un point délicat est
de prévoir la fréquence de passage du matériau de contrôle.
Afin d’économiser le nombre d’analyses, on peut rédi- ger
une procédure évolutive qui permet de diminuer la
fréquence aussi longtemps que le système de mesure reste
stable. Il est en effet classique de constater une
amélioration de la stabilité au bout de quelque temps qui
indique une meilleure maîtrise, il est donc logique d’en tenir
compte. De toute façon, il faut prévoir au moins un contrôle,
toutes les fois qu’on utilise la méthode.
■ Les règles pour décider si un système de mesure doit
être corrigé varient d’un contexte à l’autre. Souvent on
prend comme bases les règles utilisées par la société Ford
qui se résument ainsi.
Entreprendre une action correctrice dès que :
• une mesure sort des limites de contrôle,
• 7 mesures successives sont situées toutes au-
dessus ou tou- tes au-dessous de la valeur cible,
• 8 mesures successives indiquent une tendance
systématique vers le haut ou vers le bas,
• toute répartition des mesures fait suspecter un
comportement non aléatoire.
La norme NF X 06-031 présente l’ensemble des tables qui
permet- tent de calculer les limites de contrôle pour les
cartes sur intervalles, de même que les cartes utilisant
d’autres lois de probabilité que la loi normale, comme les
comptages bactériens. Les cartes de contrôle sont une
application directe des principes statistiques des lois de
probabilité théoriques. Elles sont de plus en plus exigées par
les auditeurs des organismes de certification, au même titre
que les résultats des tests d’aptitude.
Exemple : la figure 14 représente une carte de contrôle
pour le dosage de l’azote Kjeldahl dans de la farine de blé.
La ligne centrale représente la valeur cible définie par la
moyenne du matériau étalon, les lignes pleines extérieures
symbolisent les limites de contrôle et deux autres, en
tireté, ont été ajoutées, appelées limites d’alarme.
Sur cet exemple, on voit que la méthode d’analyse n’est
pas sous maîtrise statistique puisque vers le onzième point,
on obtient une valeur largement supérieure à la limite de
contrôle. Une action correc- trice est, par exemple, de refaire
l’étalonnage du système de mesure.
En appliquant les règles de la société Ford aux données
de la figure 14, on voit que le système de mesure n’est
plus stable à partir du 14ème contrôle, puisque 7 mesures
successives se situent du même côté de la valeur cible. De
même, entre les points 27 et 34, les mesures sont toujours
croissantes.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  interdite.
36 © Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

Concentration Encadré 2 : place de la validation

(g/100g analytique dans l’autorisation de
d'azote) mise sur le marché des médicaments
(1)
1,95
Les demandes d’Autorisation de Mise sur le Marché
LC
S (AMM) des médicaments sont régies par les
1,90
directives européennes
LA 75.318 et 75.319 et plusieurs règlements, juridiquement
Valeur opposa- bles. Ils sont complétés par des « Notes
1,80 cible explicatives » et « Avis aux demandeurs » dont l’objectif
est de guider les demandeurs pour la constitution de leur
1,75 dossier ; ces documents ne présen- tent pas un caractère
réglementaire obligatoire. Il est vivement conseillé de les
1,70 LAI suivre pour faciliter l’élaboration des dossiers et leur
agrément par les Autorités. Lorsque les firmes ne sont
Limite d'alarme
1,65
LCI pas en mesure de les appliquer il leur appartient de
Limite de justifier leur position.
contrôle En vue de l’harmonisation internationale des
1,60
dossiers d’AMM, l’International Conference on
0 5 10 15 20 25 30 35 40
Analyse Harmonization (ICH) a repris les textes de la
Communauté européenne (Agence euro- péenne des
Numéro de médicaments), des États-Unis (Food and Drug
répétition Administration) et du Japon (Ministry of Health and
de la mesure Welfare) pour élaborer de nouveaux textes harmonisés,
Figure 14 – Carte de contrôle de l’azote Kjeldahl applicables dans ces trois régions. Ces nouveaux textes
dans une farine de blé harmonisés ont été éla- borés conjointement par les
autorités réglementaires et les par- tenaires industriels.
Dans cet exemple la valeur cible vaut 1,77 g.kg– 1 et À la fin du processus de négociation ICH (étape 1), les
l’écart-type s = 0,04 g.kg– 1. À partir de là on obtient les textes sont mis en application par les autorités
limites supérieures et infé- rieures d’alarme et de contrôle. d’enregistrement nationales (étape 5) ; ces documents
rempla- cent alors les réglementations antérieures.
LC Dans le cadre de l’analyse des médicaments, les
LCI LA LAI
S directives européennes prescrivent la validation
1,6 S 1,69
1,8 analytique des techni- ques de contrôle. Une première
5 1,85
9 note explicative européenne a été publiée. Cette note a
été remplacée par deux notes explica- tives issues d’ICH.
Ces deux notes ont été publiées en anglais par l’Agence
4. Procédures formalisées On peut voir que, pour certains critères, plusieurs
européenne des médicaments et sont respective- ment
approches expérimentales alternatives sont proposées. Pour
applicables depuis juin 1995 et juin 1997. Une traduction
de validation des chacune de ces propositions, on définit des nombres
française a été effectuée par la Pharmacopée
minimaux de mesures. C’est donc un guide relativement
méthodes précis qui est disponible. Son défaut

4.1 Guides pour

l’industrie
pharmaceutique
Depuis quelques années, des structures de normalisation
françai- ses ont entrepris de rédiger des guides qui
définissent l’organisa- tion des procédures de validation
intralaboratoire. Historiquement, la première tentative a été
faite en 1986 par la Société Française de Biologie Clinique à
l’intention des laboratoires d’analyse médicale [26]. Ce
travail n’a pas connu un très grand retentissement car il
n’intégrait pas les notions d’assurance qualité et que le
référentiel Guide de Bonne Exécution des Analyses (GBEA)
n’existait pas encore.
Ensuite, en 1992, la Société des Sciences et Techniques
Pharma- ceutiques a développé un guide de validation à
l’intention des labo- ratoires de l’industrie pharmaceutique
contraints de conduire les études des nouveaux
médicaments sous BPL [27]. Cette proposition a connu un
succès beaucoup plus vaste puisqu’il a servi de support pour
le développement du logiciel AVA (Qualilab, Orléans) et a été
largement repris par l’International Conference on
Harmonization (ICH) (encadré 2). Cette structure
internationale, créée par plusieurs compagnies
pharmaceutiques, a publié en 1996 un document qui décrit
comment rédiger un dossier de validation pour une méthode
d’analyse en conformité avec la Directive européenne 75
318 [28] (encadré 3).
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  37
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
VALIDATION INTERNE DES MÉTHODES D’ANALYSE

majeur, pour qu’il soit applicable à tout type de

laboratoire d’ana- lyse tient au fait que les analytes sont,
en général, parfaitement connus – ce sont des molécules
de synthèse – ce qui simplifie l’éva- luation de la justesse
et de la spécificité.
C’est pourquoi, parallèlement, des groupes de travail AFNOR
ont proposé diverses normes qui s’adressent à des
laboratoires spécia- lisés dans d’autres branches
d’activité.

4.2 Normes
■ Un exemple très intéressant de propositions pour la
validation des méthodes est représenté par une série de
normes destinées aux laboratoires des industries
agroalimentaires : NF V03-110 et V03-111. En effet, ces
laboratoires doivent faire appel à l’accréditation pour
développer un système d’assurance qualité. Or, la solution
imposée en France par le Cofrac consiste à être accrédité
pour un programme de méthodes dites de référence.
Cependant, ces méthodes ont comme caractéristiques
communes d’être lourdes, anciennes et onéreuses. C’est
pourquoi, de nombreux laboratoires veulent employer des
méthodes alternatives et doivent procéder à une vali-
dation d’une méthode alternative par rapport à une
méthode de référence.
Pour simplifier le travail des laboratoires, la norme de
validation V03-110 [20] a été organisée autour de trois
plans d’expérience très formalisés afin de leur associer des
méthodes statistiques claire- ment définies et réalisables
dans tous les laboratoires avec un tableur. En outre, cette
approche permet de proposer une présenta- tion normalisée
des résultats.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  interdite.
38 © Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

partir de comptages de mesures discordantes et

concordantes et de comptages de faux négatifs et faux
Encadré 3
positifs.
Le plan du guide ICH indique comment peut être
organisée une procédure de validation pour l’industrie
pharmaceutique.
1. Spécificité
1.1 Identification
1.2 Essai et test(s) d’impureté
1.2.1 Discrimination des analytes lorsqu’il y a
des impuretés
1.2.2 Discrimination des analytes lorsqu’il n’y
a pas d’impuretés
2. Linéarité
3. Domaine d’application
4. Justesse
4.1 Essai
4.1.1 Substance active
4.1.2 Produit médical
4.2 Impuretés (quantification)
4.3 Données souhaitables
5. Fidélité
5.1 Répétabilité
5.2 Fidélité intermédiaire
5.3 Reproductibilité
5.4 Données souhaitables
6. Limite de détection
6.1 Obtenue par évaluation visuelle
6.2 Mesurée par le rapport signal sur bruit
6.3 Mesurée par l’écart-type de la réponse et de la
pente
6.3.1 Mesurée par l’écart-type du blanc
6.3.2 Mesurée à partir d’une courbe d’étalonnage
6.4 Données souhaitables
7. Limite de quantification
7.1 Obtenue par évaluation visuelle
7.2 Mesurée par le rapport signal sur bruit
7.3 Mesurée par l’écart-type de la réponse et de la
pente
7.3.1 Mesurée par l’écart-type du blanc
7.3.2 Mesurée à partir d’une courbe d’étalonnage
7.4 Données souhaitables
8. Robustesse
9. Vérification de la capabilité du système

● Le plan A permet de vérifier le domaine de linéarité. Il

consiste en une série de 25 mesures formées de 5
répétitions pour 5 niveaux de concentration. Les données
sont soumises à un test d’adéqua- tion au modèle (ou de
linéarité), comme celui qui est décrit au para- graphe 3.3. La
méthode statistique employée s’appuie donc sur la méthode
des moindres carrés et reste accessible à tous.
● Le plan B sert à contrôler la spécificité et est organisé
comme au tableau 5. Il s’agit donc d’effectuer des ajouts
dosés sur une série d’échantillons représentatifs du domaine
d’application. Là encore la méthode des moindres carrés sert
à calculer la droite de régression entre les teneurs ajoutées
et les teneurs retrouvées, comme on l’a décrit au
paragraphe 3.8.
● Enfin, le plan C permet de voir si la justesse et la fidélité
de la méthode alternative sont acceptables, en comparaison
de la méthode de référence. L’organisation et la démarche
employée ont été intégralement décrites au paragraphe 3.7.

■ Il existe, parmi les normes AFNOR, d’autres documents

qui pré- sentent des procédures de validation analogues.
Par exemple la norme XP V 03-111 sert à la « validation des
méthodes qualitatives (microbiologie) ». Elle s’intéresse
donc à des mesures qualitatives – de type présence/absence –
comme on les rencontre dans la recher- che des polluants
microbiens. Elle consiste d’abord en une étude de
caractérisation de la méthode alternative, puis en une
comparaison des deux méthodes. Les critères classiques
de justesse, de fidélité ou de spécificité sont redéfinis à
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  39
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES D’ANALYSE

■ Enfin, récemment, on a développé la norme FD V 03-115 {Majuscules} +

pour conduire une « validation avec des matériaux de {Contrôle}. La formule va ainsi être automatiquement
référence ». Elle s’applique au cas où le domaine recopiée dans les dix cellules et chacune contiendra un
d’application est bien couvert par des matériaux de résultat différent, comme décrit dans le tableau 7.
référence ou lorsqu’il n’existe pas de méthode de référence.
■ Pour être complet, il faut signaler qu’il existe plusieurs
proposi- tions de guides de validation provenant de diverses
structures de normalisation, comme le Nordic method
Council (NMKL), mais ces textes restent souvent au niveau
des principes, sans proposer une méthodologie d’utilisation
très élaborée. Enfin, l’Association of Offi- cial Analytical
Chemists (AOAC) a proposé une approche métho- dologique
qui revient à une vérification par tierce partie (Peer-Veri-
fied Method) en dix étapes :
— le laboratoire demandeur évalue les performances
de la méthode en interne ;
— il rédige un mode opératoire normalisé ;
— il propose un protocole d’évaluation pour un autre
laboratoire indépendant ;
— il choisit ce laboratoire indépendant ;
— le laboratoire indépendant réalise des essais selon le
protocole d’évaluation proposé ;
— il transmet les résultats au laboratoire demandeur ;
— le laboratoire analyse ces données et les envoie à
l’AOAC ;
— l’AOAC les transmet à l’un de ses auditeurs techniques ;
— l’auditeur technique choisit deux experts pour valider ;
— l’AOAC décide de valider ou non la méthode d’après le
rapport d’expertise.
En général, ce type de validation est plutôt proposé aux
produc- teurs de kits d’analyse qui veulent offrir une
garantie d’efficacité minimale à leurs clients.

5. Informatisation des calculs

Pour illustrer le fait que les calculs présentés dans ce texte –
appa- remment complexes pour des non-statisticiens –
sont en fait sim- ples à effectuer avec des outils logiciels
présents dans tous les laboratoires, on va montrer
comment les fonctions internes du tableur Microsoft
Excel® permettent de réaliser les calculs du test de
linéarité (cf. § 3.3). Pour cela, on va utiliser des données
obtenues pour étalonner une méthode d’analyse du nickel
par spectrophoto- métrie d’absorption atomique.
Pour vérifier le domaine de linéarité, on a choisi cinq
niveaux de concentration et pour chacun on a fait cinq
répétitions (p = 5 et ni = 5). En fait, il est important de
signaler qu’on a préparé 25 solu- tions étalons indépendantes
et non pas 5 solutions sur lesquelles on aurait répété les
mesures. Ce nombre de mesures est celui qui est
recommandé pour avoir une conclusion fiable (cf. § 3.10).
Les données sont rassemblées dans le tableau 6 selon la
disposi- tion d’une feuille Excel®, avec des repères de
lignes (numéros) et de colonnes (lettres). Pour pouvoir
appliquer les fonctions, elles sont disposées sur deux
colonnes :
— A4 à A28 pour les valeurs des 25 solutions étalons x ;
— B4 à B28 pour les 25 réponses y.
Pour commencer, on va calculer les diverses
statistiques de la droite des moindres carrés qui relient
ces deux variables. L’ensem- ble des résultats des formules
(2), (3), (4), (5) et (6) peut s’obtenir à l’aide de la seule
fonction DROITEREG. C’est une fonction matricielle qui
renvoie un ensemble de résultats sous la forme d’un
tableau. Pour l’appliquer, on va sélectionner la zone E4 à G8,
soit dix cellules, et saisir la formule unique
=DROITEREG(B4:B28;A4:A28;VRAI;VRAI). Cependant, au lieu
de terminer cette opération en frappant sur la seule
touche {Entrée} comme on fait habituellement, on va simulta-
nément appuyer sur les trois touches {Entrée} +
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  interdite.
40 © Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES
D’ANALYSE

Le tableau 8 illustre les résultats ainsi obtenus. Pour plus de détails sur les arguments utilisés par cette fonction, il est
nécessaire de regarder dans l’Aide Excel à propos de la fonction DROITEREG.
Tableau 6 – Feuille Excel® : étalonnage du nickel.
Résultats de l’étude de linéarité
Tableau 8 – Statistiques de régression
A B C D calculées avec la fonction DROITEREG
1 Test de linéarité (feuille Excel®) (1)
2 Nombre de 5 F G
niveaux 3 a1 a0
3 Étalon Répons SCE(i Formules Excel 4 37,647 10,912
e )
5 0,640 4,701
4 0,0 – 0,1
8 0,993 13,571
5 0,0 1,4
7 3463,127 23
6 0,0 1,6
9 637772,180 4235,698
7 0,0 2,8
(1) La présentation des données est précisée dans le tableau 7.
8 0,0 3,3 7,060 =SOMME.CARRES.ECARTS(B4
:B8)
9 3,0 122,4 À partir de cet ensemble de statistiques intermédiaires on va
pou- voir calculer la limite de détection (LD) et la limite de
10 3,0 123,7 quantification (LQ) selon les formules (11) et (13), comme
11 3,0 124,0 l’indique le tableau 9. Pour clairement montrer comment
les formules doivent être intro- duites dans le tableur,
12 3,0 124,8 elles sont recopiées dans la colonne G. (Les numéros de
13 3,0 125,1 4,500 =SOMME.CARRES.ECARTS(B9 cellules font référence aux données du tableau 8). Les
valeurs ainsi trouvées, à savoir une limite de
:B13)
détection de 0,6645 mg.L – 1 et une limite de quantification de
14 6,0 244,7 1,2487, présentées dans la colonne F (tableau 9), sont
15 6,0 244,9 plausibles avec ce qu’on observe habituellement.

16 6,0 245,2
17 6,0 245,8 Tableau 9 – Calcul des limites de détection et
quantification à partir d’une
18 6,0 246,9 3,140 =SOMME.CARRES.ECARTS(B14 régression
:B18)
E F G
19 9,0 366,3
10 Limite de détection 0,6645 =(G4+3*G5)/F4
20 9,0 367,5
11 Limite de quantification 1,2487 =(G2+10*G5)/F4
21 9,0 368,8
22 9,0 369,9
De la même façon, on va combiner les données du tableau
23 9,0 369,1 8,088 =SOMME.CARRES.ECARTS(B19 8 pour construire le tableau du test de linéarité selon le modèle
:B23) du tableau 1. Le résultat obtenu est représenté dans le
24 12,0 442,5 tableau 10. Les formules employées dans la zone de cellules
F18 à J21 ont été écrites dessous, en un seul bloc : dans la
25 12,0 443,2 case F25 apparaît la formule de la cellule F19, et ainsi de
26 12,0 444,0 suite. La fonction SOMME.CARRES.ECARTS, telle qu’elle est
écrite dans la colonne D du tableau 6, a permis d’obtenir
27 12,0 445,6 SCEi de
28 12,0 446,4 10,63=SOMME.CARRES.ECARTS(B24 chaque laboratoire et leur somme est égale à SCEe comme
dans la
formule (14).
En ce qui concerne l’interprétation de ce test, on vérifie d’abord que le modèle de régression explique la variabilité observée.
On voit ainsi que la valeur du Freg (cellule I18) vaut 381670,96 et est bien supérieure à la valeur critique correspondante (cellule
J18) qui est 8,096 ; on peut donc garder l’hypothèse que ces données sont forte- ment corrélées. Ensuite, on constate qu’il y a une
erreur de modèle (une courbure) puisque la valeur du Fem est supérieure à la valeur critique, respectivement 838,28 (en I19) et
4,938 (en J19). Le niveau de risque du test apparaît lorsque l’on entre la fonction qui permet de calculer les valeurs critiques, à
savoir, =INVERSE.LOI.F. Le pre- mier argument est ce niveau de risque, en l’occurrence 0,01 pour 1 %.
Tableau 7 – Présentation des statistiques
Si on effectue les mêmes calculs
renvoyées par laenfonction
se limitant aux 20 premières solutions étalons, le test de non-linéarité n’est plus significatif
et on peut accepter un domaine de linéarité entre 0 et 9 mg.L – 1. Pour cela, il suffit de remplacer dans la fonction DROITEREG, les
DROITEREG
zones de cellules BA:B28 ; A4:A28 par BA:B23 ; A4:A23 et le reste des calculs s’enchaîne automatiquement.
Colonne 1 Colonne 2

Ligne 1 Sensibilité a1 Blanc a0

Ligne 2 Écart-type sa1 Écart-type sa0
Ligne 3 Non utilisé Écart-type résiduel se
Ligne 4 Non utilisé Non utilisé
Ligne 5 SCE Régression SCE Résiduelle SCEr
Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
interdite. P 224  41
© Techniques de l’Ingénieur, traité Analyse et Caractérisation
 VALIDATION INTERNE DES MÉTHODES D’ANALYSE

Tableau 10 – Étalonnage du nickel. Test de linéarité (feuille Excel®)

E F G H I J
17 Source SCE Degrés V : Variances F de Fisher limites
de
liberté
18 Régression 637772,180 1 637772,180 381670,96 8,096
19 Erreur de modèle 4202,278 3 1400,759 838,28 4,938
20 Résiduelle 33,420 20 1,671
21 Total 642007,878 24
22
23 Formules Excel dans la zone F18 à
J21
24 =F8 =F18/G18 =H18/$H$20 =INVERSE.LOI.F(0,01;G18;$G$2
0)
25 =F21-F18-F20 =C2-2 =F19/G19 =H19/$H$20 =INVERSE.LOI.F(0,01;G19;$G$2
0)
26 =C29 =G21-G19-G18 =F20/G20
27 =SOMME.CARRES.E =NB(B4:B28)
CA –1

6. Conclusion laboratoires sauront garantir ce niveau de qualité, on pourra

déve- lopper des techniques d’interprétation des résultats
Un premier apport de la validation sera de fournir une plus sophisti- quées. Les acquis de la recherche en
réponse objective à cette question : « la méthode utilisée chimiométrie fournissent déjà des voies de réflexion. On sait,
permet-elle vrai- ment de contrôler le phénomène étudié ? ». par exemple, que la combinaison de mesures provenant de
Cependant, la validation n’est qu’une première étape dans plusieurs méthodes d’analyse, à l’aide de méthodes
l’emploi des méthodes chimiométriques au laboratoire. statistiques à variables multiples comme l’analyse en
Lorsque les composantes principales, facilite la mise en évidence de
mécanis- mes complexes invisibles à des mesures isolées.

Toute reproduction sans autorisation du Centre français d’exploitation du droit de copie est strictement
P 224  interdite.
42 © Techniques de l’Ingénieur, traité Analyse et Caractérisation