Sciences mathématiques, physiques et chimiques

Critères de validité d'une méthode d'analyse

Racym Berrah, PharmD Internat Pharma Dernière révision : 9 juillet 2026 ORCID

Spécificité, linéarité, justesse, fidélité, limites de détection et de quantification : garantir la fiabilité d'un dosage.

01 · Pourquoi ce chapitre

Un résultat analytique n'a de valeur que si la méthode est validée. La validation démontre, chiffres à l'appui, que la méthode est fiable pour l'usage prévu — exigence de la pharmacopée et des dossiers d'AMM.

02 · Les criteres de validation

Spécificité / sélectivité : mesurer l'analyte sans interférence de la matrice.
Linéarité : réponse proportionnelle à la concentration sur un domaine défini.
Justesse (exactitude) : proximité entre valeur mesurée moyenne et valeur vraie (= biais).
Fidélité : dispersion des mesures répétées — répétabilité (mêmes conditions) et reproductibilité (conditions changées).
LOD / LOQ : limites de détection et de quantification.
Robustesse : insensibilité à de petites variations opératoires.

03 · Limites de detection et quantification

À partir de l'écart-type du signal du blanc $\sigma$ et de la pente $a$ de la droite d'étalonnage :

\text{LOD} = \frac{3{,}3\,\sigma}{a}, \qquad \text{LOQ} = \frac{10\,\sigma}{a}

La LOD est la plus petite quantité détectable (signal distinct du bruit) ; la LOQ la plus petite quantité dosable avec une fidélité acceptable.

04 · Les etalonnages

Étalonnage externe : gamme d'étalons de concentration connue → droite $A = f(C)$ .
Étalonnage interne : ajout d'un étalon interne à concentration fixe dans tous les tubes ; on trace le rapport des réponses → corrige les biais de volume et d'extraction.
Ajouts dosés : on ajoute des quantités croissantes d'analyte à la matrice elle-même → corrige l'effet de matrice, la concentration inconnue se lit par extrapolation.

05 · Piege classique

06 · À retenir

Critères : spécificité, linéarité, justesse, fidélité, LOD/LOQ, robustesse.
Justesse = biais ; fidélité = dispersion ; exactitude = les deux.
$\text{LOD} = 3{,}3,\sigma/a$ ; $\text{LOQ} = 10,\sigma/a$ .
Ajouts dosés = correction de l'effet de matrice.

QCM · épreuve 1

QCM

Q1. La justesse (exactitude) d'une méthode traduit…

Q2. La limite de quantification (LOQ) est classiquement estimée par…

Q3. La méthode des ajouts dosés est particulièrement utile pour…

Annales du concours sur ce thème

1 question tombée au concours, portant sur ce chapitre. Voir toutes les annales →

QCM n°60 Décembre 2019

Parmi les propositions suivantes concernant les critères de validité d'une méthode d'analyse, quelles sont celles qui sont exactes ?

APour doser une substance active dans une gélule, il faut vérifier la limite de détection de la méthode d'analyse
BLes immunodosages donnent systématiquement une relation linéaire entre le signal et la concentration de l'espèce à analyser
CLa fidélité ou précision d'une méthode de dosage au sein d'un même laboratoire est évaluée à l'aide de la répétabilité et de la reproductibilité intermédiaire
DL'exactitude d'une méthode de dosage d'une substance peut être déterminée par évaluation du taux de recouvrement obtenu avec une substance de référence introduite dans la matrice
ELa sensibilité d'une méthode de dosage dont la réponse est linéaire peut être estimée par la pente de la droite d'étalonnage

pente = 0.988 ord. origine = 0.42 mg/L r = 0.9995 sy/x = 1.07 mg/L LOD = 3.58 mg/L LOQ = 10.85 mg/L recouvrement = 100.0 %

Méthode JUSTE et FIDÈLE — exacte

Nuage serré, centré sur y = x : c’est la cible.

Justesse : biais +0.0 % au niveau 50 mg/L (critère : 100 % ± 5 %) · Fidélité : CV = 2.0 % (critère : ≤ 5 %)

Biais constant → ordonnée à l’origine 0.0 mg/L Biais proportionnel → pente +0 % Dispersion — CV de répétabilité 2.0 %

Mettez le CV à 15 % avec un biais nul : nuage large mais centré sur y = x — méthode juste mais peu fidèle ; le r chute et le LOQ explose. Puis CV à 1 % avec un biais constant de +10 mg/L : nuage serré, mais toute la droite est décalée — méthode fidèle et pourtant fausse, avec un recouvrement à 120 %… et un r = 0,9999. C’est le piège de la validation : un excellent coefficient de corrélation ne prouve jamais la justesse — il ne juge que l’alignement des points, pas leur position par rapport à y = x.