Stratégie générale de construction d'un étalonnage robuste
Robustesse des étalonnages multidimensionnels : application aux données spectrales

Lorsque la robustesse d'un étalonnage est particulièrement recherchée et que, donc, une grandeur G (que l'on supposera unique pour simplifier le propos) est impliquée, la construction du modèle doit suivre une démarche hiérarchique, comme indiquée par la figure 5. Cet organigramme utilise 3 niveaux de questionnement.

• En premier lieu, il conviendra de statuer sur l'importance de l'influence de G sur l'étalonnage. Cette première étape est rendue délicate par l'aspect multivarié des signaux mesurés. En effet, dans le cas monovarié, une influence de G sur le signal implique obligatoirement une influence sur . Il suffit donc d'examiner la sensibilité du signal mesuré vis-à-vis de G. Dans le cas multivarié tel que la spectroscopie, il n'y a pas de lien univoque entre le signal mesuré et car l'espace latent, utilisé par le modèle, est beaucoup plus petit que l'espace de mesure. Il faut donc tester l'influence de G sur le modèle d'étalonnage. Le problème qui survient alors est que cette sensibilité dépend de la manière dont est construit le modèle, c'est-à-dire : le type de régression, sa dimension, les prétraitements des signaux, les variables sélectionnées, etc. Ainsi, par exemple, certains prétraitements géométriques tels que la normalisation et la dérivation permettent de réduire considérablement l'effet de la diffusion dans les spectres acquis en rétrodiffusion (cf. ). Les méthodes les plus courantes pour caractériser l'effet de G utilisent donc un plan d'expériences, dont la variable de sortie est l'erreur de prédiction...