Incertitude systématique
L'incertitude due à une connaissance imparfaite du détecteur, de la source ou de la théorie, qui ne diminue pas avec davantage de données.
Parmi les exemples figurent la normalisation du flux, les sections efficaces, l'échelle d'énergie, l'efficacité et les modèles de bruit de fond. Elles entrent dans les ajustements comme des paramètres de nuisance contraints par des données externes ou celles du détecteur proche. Les expériences de précision (Daya Bay, KATRIN, DUNE) sont avant tout conçues pour maîtriser les systématiques.
En termes simples
Un pèse-personne qui indique toujours deux kilogrammes de trop donnera la même réponse fausse aussi souvent que vous monterez dessus. L'incertitude systématique est ce type d'erreur : elle provient d'une connaissance imparfaite de l'instrument, de la source ou de la physique sous-jacente, et la moyenne sur davantage de données ne l'élimine en rien. En physique des neutrinos de précision, c'est généralement l'ennemi le plus coriace.
Principales sources
- Flux : combien de neutrinos la source produit et avec quel spectre, des modèles de flux des réacteurs à la production de hadrons dans les cibles d'accélérateurs.
- Interactions : les sections efficaces et effets nucléaires qui transforment le flux en événements.
- Réponse du détecteur : échelle d'énergie, efficacité, résolution en énergie et reconstruction de la position.
- Bruits de fond : le taux et la forme de tout ce qui n'est pas du signal.
Comment les analyses les traitent
Chaque source est décrite par un paramètre de nuisance, une grandeur qui n'est pas d'intérêt mais doit être ajustée. Dans un ajustement de vraisemblance, on lui permet de varier dans les limites d'une pénalité fixée par des connaissances externes, comme un étalonnage ou une mesure séparée. L'ajustement est ensuite soit profilé sur ces paramètres, soit, dans les analyses bayésiennes, marginalisé. La stratégie décisive est la compensation : des détecteurs proche et lointain de même conception voient presque le même flux et la même réponse, si bien que la plupart des incertitudes s'annulent dans le rapport. Daya Bay a ainsi ramené son incertitude relative de détecteur à environ 0,1–0,2 %.
Un exemple qui incite à la prudence
En 2011, OPERA a rapporté que des neutrinos venus du CERN atteignaient le Gran Sasso environ 60 nanosecondes trop tôt, un effet à 6σ si l'on ne considérait que la statistique. En 2012, la cause a été attribuée à un connecteur de fibre optique mal fixé et à un oscillateur d'horloge du système de chronométrage. L'épisode rappelle que la significativité ne mesure que la surprise statistique ; les erreurs systématiques auxquelles personne n'a pensé ne figurent pas dans le bilan d'erreurs.
Pourquoi c'est important
Les expériences futures comme DUNE, Hyper-Kamiokande et JUNO recueilleront tant de données que les erreurs statistiques passeront sous les erreurs systématiques. Leur portée en matière de violation de CP et d'ordre des masses dépend largement de la qualité du contrôle de ces dernières.
Questions fréquentes
Comment estime-t-on une incertitude systématique ?
En faisant varier les hypothèses dans leurs domaines connus, en utilisant des données d'étalonnage et des mesures indépendantes, et en propageant chaque changement à travers l'analyse complète pour voir de combien le résultat se déplace.
Peut-on réduire l'incertitude systématique ?
Oui, mais pas en recueillant davantage des mêmes données. Cela exige un meilleur étalonnage, des mesures auxiliaires dédiées, des détecteurs proches ou des modèles théoriques améliorés.
Articles originaux
- SynthèseR. Barlow, Systematic errors: facts and fictions, Conference on Advanced Statistical Techniques in Particle Physics, Durham (2002)arXiv:hep-ex/0207026
Aller plus loin
- Incertitudes sur les sections efficaces et les modèles nucléairesL'incertitude sur la manière dont les neutrinos interagissent avec les noyaux, une systématique majeure des analyses d'oscillation à l'échelle du GeV.
- Échelle d'énergie et non-linéaritéLa correspondance entre le signal du détecteur et l'énergie réellement déposée, et ses écarts à la proportionnalité.
Notions associées
Personnes
Dans la chronologie
Mentionné dans 31 pages
Leçons 3
Jalons 3
Personnes 1
Notions 24
- Ajustement par maximum de vraisemblance
- Analyse en aveugle
- Analyse et mesure
- Anomalie supraluminique d'OPERA
- Auto-véto atmosphérique
- Bruit de fond
- Échelle d'énergie et non-linéarité
- Effets nucléaires
16 de plus
- Efficacité de détection et acceptance
- Étalonnage
- Expérience auprès du réacteur de Gösgen
- Extrapolation proche-lointain
- Incertitude statistique
- Incertitudes sur les sections efficaces et les modèles nucléaires
- Modèles nucléaires pour la diffusion des neutrinos
- Observatoire de neutrinos IceCube
- Rapport signal sur bruit de fond
- Reconstruction et identification des événements
- SBND (Short-Baseline Near Detector)
- Sensibilité à la violation de CP (δCP)
- Significativité statistique (σ)
- Simulation Monte-Carlo et générateurs d'événements
- Statistique et inférence
- Volume fiduciel
Mise à jour : · Principes éditoriaux
Citer cette page
Texte
Neutrino Atlas (2026). « Incertitude systématique ». En ligne : https://neutrino-atlas.com/fr/terms/systematic-uncertainty/ (consulté le 22 novembre 2026).BibTeX
@misc{neutrinoatlas2026rmssystematicuncertainty,
title = {Incertitude systématique},
author = {{Neutrino Atlas}},
year = {2026},
url = {https://neutrino-atlas.com/fr/terms/systematic-uncertainty/},
note = {Consulté le 2026-11-22},
language = {french}
}