Etude comparative de données d'analyse de surveillance d'eau souterraine
La fiabilité des analyses réalisées dans les programmes de surveillance des masses d’eau est un enjeu essentiel pour garantir des prises de décision adaptées. De nombreux outils et actions sont mis en place au niveau national afin de contrôler la qualité des données des laboratoires (agrément, accréditation, essais interlaboratoires, normalisation, contrôles qualité internes, …).
Tous ces outils sont indispensables mais ont souvent une limite importante : ils permettent rarement de contrôler la fiabilité des données dans des conditions de routine et notamment dans les conditions d’acquisition des données de surveillance environnementale.
En 2011, dans le bassin Seine-Normandie, des données ont été acquises en double dans des laboratoires différents sur des échantillons prélevés le même jour, par le même opérateur et sur le même point. L’agence de l’eau Seine-Normandie a sollicité AQUAREF pour expertiser ces données acquises dans le cadre de la campagne exceptionnelle de recherche de substances émergentes ainsi que dans le cadre du programme de surveillance de l’état des eaux souterraines. La comparaison porte sur les résultats de 173 stations de mesure et sur 41 composés organiques.
La comparaison de deux résultats de mesure est un exercice difficile encore peu mis en pratique notamment en raison du caractère rare de ce type de jeux de données. Le premier travail a donc consisté à proposer des méthodologies pour de telles comparaisons et notamment à définir le caractère significatif ou pas des écarts observés. Compte tenu du mode d’acquisition des données, les incertitudes relatives à l’échantillonnage ont été considérées comme négligeables.
Trois traitements statistiques sont proposés pour définir la cohérence des résultats:
1) comparaison des écarts observés avec des « écarts admissibles » définis à partir des données de dispersions interlaboratoires;
2) application d’un test de justesse utilisant les incertitudes fournies par les laboratoires;
3) application d’un test de justesse utilisant une incertitude modélisée.