MODULE 45 · CURSUS MARS AVANCÉ · COMPRENDRE, CALCULER, VÉRIFIER.

Opérations scientifiques de terrain et laboratoire martien

Échantillons martiens étudiés dans un laboratoire d’implantation. — Visualisation conceptuelle — la science de terrain relie contexte du prélèvement, maîtrise de la contamination, mesure en laboratoire, traçabilité et interprétation reproductible.

Transformer des observations, prélèvements et analyses locales en données scientifiques traçables malgré le temps limité, la contamination et le délai Terre-Mars. Repères INFO: contexte de l’échantillon, analyse destructive, autonomie scientifique. Le contexte de l’échantillon, l’analyse destructive et l’autonomie scientifique sont donc traités comme trois contraintes distinctes de la chaîne scientifique.

Le problème à résoudre

Question de départ. Comment préparer une sortie scientifique pour que chaque prélèvement reste traçable, comparable et exploitable malgré le temps limité et le risque de contamination ?

Intuition. Produire un plan science complet: objectifs, carte de traverse, fiche d’observation, nomenclature échantillon, chaîne de garde, ordre d’analyse, règles de modification autonome et paquet de données envoyé à la Terre.

Repère concret. Six tâches de 35 min représentent 210 min — « Question scientifique et hypothèse testable ».

CARTE DE MAÎTRISE · MODULE 45

Quatre repères à maîtriser — Opérations scientifiques de terrain et laboratoire martien

Mini-projet de validation

Définition: Produire un plan science complet: objectifs, carte de traverse, fiche d’observation, nomenclature échantillon, chaîne de garde, ordre d’analyse, règles de modification autonome et paquet de données envoyé à la Terre.
Intuition ou cas concret: Objectif du module — organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.
Repère quantitatif: Six tâches de 35 min représentent 210 min — « Question scientifique et hypothèse testable ».
Limite ou critère de vigilance: Dans ce module, question scientifique et hypothèse testable sert directement à organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.

Exercice guidé — Mini-projet de validation

Examinez « Mini-projet de validation » à partir du repère suivant : Six tâches de 35 min représentent 210 min — « Question scientifique et hypothèse testable ». Expliquez ce que vous vérifiez, comment vous interprétez le résultat et quelle décision en découle. Testez ensuite la robustesse de cette décision avec la limite suivante : Dans ce module, question scientifique et hypothèse testable sert directement à organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.

Corrigé raisonné — Mini-projet de validation

Point de départ: Produire un plan science complet: objectifs, carte de traverse, fiche d’observation, nomenclature échantillon, chaîne de garde, ordre d’analyse, règles de modification autonome et paquet de données envoyé à la Terre.
Indice du cas: Six tâches de 35 min représentent 210 min — « Question scientifique et hypothèse testable ».
Réserve à appliquer: Dans ce module, question scientifique et hypothèse testable sert directement à organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.
Conclusion: Produire planning, priorités, contrôles qualité, décision de répétition et journal des données non acquises.

Plan d’échantillonnage

Définition: Objectif du module — organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.
Intuition ou cas concret: Dans ce module, question scientifique et hypothèse testable sert directement à organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.
Repère quantitatif: Six tâches de 35 min représentent 210 min — « Question scientifique et hypothèse testable ».
Limite ou critère de vigilance: Ajouter 20 % de marge porte la planification à 252 min; cette marge n’est pas du temps libre mais une protection contre les écarts réels — « Question scientifique et hypothèse testable ».

Exercice guidé — Plan d’échantillonnage

Dans le cas « Plan d’échantillonnage », servez-vous de ce repère : Six tâches de 35 min représentent 210 min — « Question scientifique et hypothèse testable ». Présentez le contrôle à effectuer, la marge à surveiller et la décision qui en résulte. N’acceptez la conclusion qu’après avoir pris en compte cette contrainte : Ajouter 20 % de marge porte la planification à 252 min; cette marge n’est pas du temps libre mais une protection contre les écarts réels — « Question scientifique et hypothèse testable ».

Corrigé raisonné — Plan d’échantillonnage

Point de départ: Objectif du module — organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.
Indice du cas: Six tâches de 35 min représentent 210 min — « Question scientifique et hypothèse testable ».
Réserve à appliquer: Ajouter 20 % de marge porte la planification à 252 min; cette marge n’est pas du temps libre mais une protection contre les écarts réels — « Question scientifique et hypothèse testable ».
Conclusion: Produire planning, priorités, contrôles qualité, décision de répétition et journal des données non acquises.

Calibration, blanc et témoin

Définition: Objectif du module — organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.
Intuition ou cas concret: Dans ce module, question scientifique et hypothèse testable sert directement à organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.
Repère quantitatif: Six tâches de 35 min représentent 210 min — « Question scientifique et hypothèse testable ».
Limite ou critère de vigilance: Ajouter 20 % de marge porte la planification à 252 min; cette marge n’est pas du temps libre mais une protection contre les écarts réels — « Question scientifique et hypothèse testable ».

Exercice guidé — Calibration, blanc et témoin

Pour maîtriser « Calibration, blanc et témoin », reliez le raisonnement à ce repère : Six tâches de 35 min représentent 210 min — « Question scientifique et hypothèse testable ». Dites ce qu’il prouve réellement, ce qu’il ne prouve pas et la décision que vous prendriez. La réponse doit intégrer cette limite : Ajouter 20 % de marge porte la planification à 252 min; cette marge n’est pas du temps libre mais une protection contre les écarts réels — « Question scientifique et hypothèse testable ».

Corrigé raisonné — Calibration, blanc et témoin

Point de départ: Objectif du module — organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.
Indice du cas: Six tâches de 35 min représentent 210 min — « Question scientifique et hypothèse testable ».
Réserve à appliquer: Ajouter 20 % de marge porte la planification à 252 min; cette marge n’est pas du temps libre mais une protection contre les écarts réels — « Question scientifique et hypothèse testable ».
Conclusion: Produire planning, priorités, contrôles qualité, décision de répétition et journal des données non acquises.

Métadonnées et traçabilité

Définition: Objectif du module — organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.
Intuition ou cas concret: Dans ce module, question scientifique et hypothèse testable sert directement à organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.
Repère quantitatif: Six tâches de 35 min représentent 210 min — « Question scientifique et hypothèse testable ».
Limite ou critère de vigilance: Ajouter 20 % de marge porte la planification à 252 min; cette marge n’est pas du temps libre mais une protection contre les écarts réels — « Question scientifique et hypothèse testable ».

Exercice guidé — Métadonnées et traçabilité

Traitez « Métadonnées et traçabilité » comme une décision à justifier. Le repère de contrôle est : Six tâches de 35 min représentent 210 min — « Question scientifique et hypothèse testable ». Expliquez son emploi, puis concluez en indiquant la marge ou le seuil qui vous ferait changer d’avis. Vérifiez aussi cette limite : Ajouter 20 % de marge porte la planification à 252 min; cette marge n’est pas du temps libre mais une protection contre les écarts réels — « Question scientifique et hypothèse testable ».

Corrigé raisonné — Métadonnées et traçabilité

Point de départ: Objectif du module — organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.
Indice du cas: Six tâches de 35 min représentent 210 min — « Question scientifique et hypothèse testable ».
Réserve à appliquer: Ajouter 20 % de marge porte la planification à 252 min; cette marge n’est pas du temps libre mais une protection contre les écarts réels — « Question scientifique et hypothèse testable ».
Conclusion: Produire planning, priorités, contrôles qualité, décision de répétition et journal des données non acquises.

Ce module s’appuie sur modules 00 à 40 recommandés selon le sujet, mais il reste lisible isolément: les symboles déterminants pour opérations scientifiques de terrain et laboratoire martien sont explicités au premier calcul.

Objectifs de maîtrise

Savoir reconnaître un cas réel de « La science de terrain commence par une hypothèse » à partir d’indices observables.
Présenter les données et unités nécessaires à l’analyse de « Observation structurée avant prélèvement ».
Tester la sensibilité du résultat à une hypothèse de « Sélection des échantillons: diversité, représentativité et rareté ».
Formuler le critère qui autorise, retarde ou interdit la décision liée à « Laboratoire local: trier les analyses irréversibles ».

1. La science de terrain commence par une hypothèse

Une sortie ne doit pas être une collection d’objets intéressants. Avant le départ, l’équipe formule les questions: quelle couche est plus ancienne, quel environnement a déposé ce matériau, quelle anomalie orbitale doit être vérifiée? Les stations et prélèvements sont ensuite choisis pour discriminer entre hypothèses.

2. Observation structurée avant prélèvement

Photographies d’ensemble, panorama, échelle, orientation, description de texture et relations entre unités doivent précéder le prélèvement. Cette séquence protège la valeur contextuelle de l’échantillon et permet à une équipe distante de comprendre ce qui a été vu.

3. Sélection des échantillons: diversité, représentativité et rareté

Une mission doit équilibrer échantillons typiques et matériaux inhabituels. Prélever dix fragments identiques peut être moins utile qu’un petit ensemble couvrant plusieurs unités géologiques. Le plan de collection doit donc afficher la question associée à chaque prélèvement.

4. Laboratoire local: trier les analyses irréversibles

Certaines analyses consomment ou modifient l’échantillon. Mesures non destructives, imagerie, masse et spectroscopie peuvent précéder broyage, chauffage ou chimie humide. L’ordre d’analyse protège la capacité à revenir sur une question avec un autre instrument.

5. Chaîne de garde et contamination

Chaque transfert doit conserver identifiant, conteneur, opérateur, heure et environnement. Des blancs et témoins distinguent matériau martien et contamination introduite par outils, habitat ou réactifs. Pour une éventuelle biosignature, cette discipline est aussi importante que la sensibilité de l’instrument.

6. Délai Terre-Mars: autonomie scientifique locale

Les experts terrestres peuvent proposer de nouvelles priorités, mais ils ne dirigent pas chaque geste en temps réel. L’équipage doit être formé à reconnaître une observation inattendue, documenter pourquoi il modifie le plan et conserver les données nécessaires à une revue ultérieure.

7. Plan de campagne: transformer une question scientifique en opérations

Une sortie scientifique utile commence avant le départ. La question de recherche doit être traduite en observations nécessaires, types d’échantillons, précision de localisation, instruments, ordre des stations et critères permettant de modifier le plan. Sans cette traduction, une traverse peut accumuler beaucoup de roches sans répondre à la question initiale. Le plan doit aussi intégrer énergie, heure locale, météo, réserve de mobilité, fatigue, capacité du sas et masse d’échantillons. Les priorités sont hiérarchisées pour qu’une sortie interrompue conserve malgré tout un résultat minimal utile.

8. Laboratoire: séparer préparation, mesure et conservation

Le laboratoire martien doit empêcher qu’une analyse détruise involontairement la valeur des échantillons restants. Préparation mécanique, chimie, microscopie et biologie n’ont pas les mêmes contaminants. Le flux de travail précise quels outils touchent quels échantillons, comment ils sont nettoyés, quels blancs accompagnent la série et quelle fraction reste non traitée. La métrologie est aussi importante que l’instrument: sans étalon, contrôle de dérive et historique de maintenance, une valeur peut sembler précise tout en étant fausse. Les données doivent conserver configuration, version logicielle, conditions de mesure et incertitude.

9. Autonomie scientifique: décider localement sans couper la Terre

Le délai Terre-Mars interdit de demander une autorisation détaillée pour chaque prélèvement. L’équipage a donc besoin de règles lui permettant de modifier une traverse lorsqu’un affleurement inattendu apparaît, tout en conservant les objectifs du programme. Cette autonomie ne signifie pas improvisation totale: elle repose sur des hypothèses préparées, des critères de valeur et une documentation des écarts. Les données de contexte, analyses préliminaires et inventaires sont ensuite transmis à Terre, où des spécialistes peuvent proposer des priorités pour les sols suivants. La science devient une boucle entre planification distante et décision locale.

10. Exemple calculé: budget d’une EVA scientifique

Une EVA de 6 h réserve 1,2 h au trajet aller-retour, 0,8 h aux opérations de sas et sécurité et 0,6 h de marge. Temps scientifique = 6−1,2−0,8−0,6 = 3,4 h. Si cinq stations sont prévues, la moyenne maximale est 40,8 min/station, déplacements locaux compris. Ajouter deux stations sans changer la durée réduit la moyenne à 29,1 min: la qualité d’observation risque de chuter.

Étude de cas calculée: combien de stations de terrain tiennent réellement dans une EVA?

HYPOTHÈSE PÉDAGOGIQUE — Une EVA dure 6 h, soit 360 min. Le trajet aller-retour consomme 60 min, la marge de sécurité 45 min et chaque station scientifique complète 25 min, dont 15 min de contexte et 10 min de prélèvement.

On note T la durée totale, en minutes; T_traj le trajet aller-retour, en minutes; T_marge la marge de sécurité, en minutes; t_s la durée d’une station, en minutes; N le nombre entier de stations réalisables, sans unité.

T_science = T − T_traj − T_marge = 360 − 60 − 45 = 255 min. N = partie entière de 255 ÷ 25 = 10 stations, avec 255 − 10 × 25 = 5 min restantes.

Le calcul montre que six heures de sortie ne signifient pas six heures de science. Les déplacements et la marge doivent être retirés avant de promettre un nombre de prélèvements; les valeurs sont des hypothèses pédagogiques, pas une norme opérationnelle.

11. Exercice

Construire une sortie avec quatre hypothèses scientifiques, six stations possibles et seulement quatre réalisables. Justifier les stations choisies et le prélèvement associé à chacune.

12. Solution raisonnée

Une campagne robuste sélectionne quelques stations directement liées à l’hypothèse, réserve du temps et de l’énergie pour un imprévu et définit quels échantillons restent prioritaires si la sortie est écourtée. Chaque prélèvement conserve son contexte, son identifiant, sa position et sa chaîne de manipulation; une roche sans contexte peut perdre l’essentiel de sa valeur scientifique.

13. Mini-projet de validation

Produire un plan science complet: objectifs, carte de traverse, fiche d’observation, nomenclature échantillon, chaîne de garde, ordre d’analyse, règles de modification autonome et paquet de données envoyé à la Terre.

Approfondissement du module 45: comprendre, calculer, vérifier et décider

Objectif du module — organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.

1. Question scientifique et hypothèse testable

Dans ce module, question scientifique et hypothèse testable sert directement à organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.

Δ = x_test - x_témoin

Question de départ: Que vaut Δ après le retrait défini par «Δ = x_test - x_témoin» au passage «1. Question scientifique et hypothèse testable»?
Lecture à voix haute: À l’oral, dire: «delta égale x indice test - x indice témoin».
Symboles, prononciation et sens: Δ («delta»): différence entre le résultat testé et le témoin; x_test: valeur mesurée dans le cas test; x_témoin: valeur de référence témoin de la même grandeur.
Unités: Δ, x_test et x_témoin dans la même unité physique.
Origine et statut des valeurs: Toute entrée chiffrée exige une origine lisible. Les valeurs pédagogiques peuvent illustrer une méthode, mais elles ne deviennent pas pour autant des données réelles.
Pourquoi cette opération: La soustraction isole l’effet ou l’écart entre test et témoin.
Substitution et calcul: Écrire les valeurs avec leurs unités, effectuer les conversions nécessaires, puis soustraire le second terme du premier comme le prescrit la relation.
Saisie sur calculatrice: La saisie suit la phrase mathématique: valeur de gauche, moins, valeur retranchée; une parenthèse éventuelle est résolue avant la différence finale.
Estimation mentale: Avant le calcul fin, arrondir les deux entrées et estimer leur séparation; le résultat exact doit rester cohérent avec cette différence grossière.
Contrôle indépendant: Δ+x_témoin doit redonner x_test.
Interprétation physique ou opérationnelle: À l’étape «1. Question scientifique et hypothèse testable», «Δ = x_test - x_témoin» exprime une relation de modèle et non une vérité hors contexte. Sa valeur doit être lue avec l’unité correspondante et le périmètre réellement couvert.
Traduction en français courant: Sans notation, Δ mesure ici la marge ou l’écart restant lorsque la seconde quantité est retirée de la première.
Variation / sensibilité: Faire varier séparément les deux entrées de ±10 % montre que leur influence sur Δ est opposée.
Limite / hypothèse: Les entrées doivent partager unité, date ou fenêtre temporelle et frontière de système. Un mélange de périmètres rendrait l’écart trompeur.

On injecte maintenant l'événement suivant: un blanc de contrôle est contaminé.

2. Plan d’échantillonnage

Dans ce module, plan d’échantillonnage sert directement à organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.

Densité_échantillonnage = N / A

Question de départ: Quelle comparaison multiplicative entre N et A produit la valeur Densité_échantillonnage?
Lecture à voix haute: À l’oral, dire: «Densité indice échantillonnage égale N divisé par A».
Symboles, prononciation et sens: Densité_échantillonnage («Densité échantillonnage»): densité d’échantillonnage; N («enne»): nombre d’échantillons; A («a»): aire
Unités: densité d’échantillonnage → échantillons/m² ou échantillons/km²; nombre d’échantillons → compte; aire couverte → m² ou km².
Origine et statut des valeurs: Toute entrée chiffrée exige une origine lisible. Les valeurs pédagogiques peuvent illustrer une méthode, mais elles ne deviennent pas pour autant des données réelles. La donnée de contexte cite comme origine: le nombre de prélèvements et la surface cartographiée dans les métadonnées de terrain.
Pourquoi cette opération: La question de «2. Plan d’échantillonnage» exige un ratio. N fournit la quantité à normaliser, A fournit la base de normalisation, et leur division détermine Densité_échantillonnage.
Substitution et calcul: Inscrire les valeurs connues de N et A, montrer toute conversion requise, et terminer par la division. Si A n’est pas fourni, le calcul reste symbolique.
Saisie sur calculatrice: La séquence de touches suit la structure de la fraction: parenthèse du numérateur, division, parenthèse du dénominateur; comparer ensuite l’ordre de grandeur.
Estimation mentale: La fraction suggère son propre contrôle d’échelle: numérateur beaucoup plus grand que dénominateur implique Densité_échantillonnage≫1; numérateur plus petit implique Densité_échantillonnage<1.
Contrôle indépendant: Contrôle indépendant — Pour vérifier Densité_échantillonnage, reformer N à partir de A. Le produit du dénominateur par le quotient doit restaurer le numérateur.
Interprétation physique ou opérationnelle: À l’étape «2. Plan d’échantillonnage», «Densité_échantillonnage = N / A» exprime une relation de modèle et non une vérité hors contexte. Sa valeur doit être lue avec l’unité correspondante et le périmètre réellement couvert.
Traduction en français courant: Dit simplement, Densité_échantillonnage est la réponse à la comparaison «N divisé par A» utilisée dans «2. Plan d’échantillonnage».
Variation / sensibilité: Le ratio est proportionnel à N et inversement proportionnel à A. Cette propriété permet de prévoir la direction d’un scénario perturbé.
Limite / hypothèse: Ne pas extrapoler Densité_échantillonnage entre périodes ou systèmes distincts sans redéfinir N et A. La division est aussi interdite lorsque A=0.

3. Calibration, blanc et témoin

Dans ce module, calibration, blanc et témoin sert directement à organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.

Erreur_rel = |x_mesuré - x_ref| / |x_ref|

Question de départ: Quelle comparaison multiplicative entre |x_mesuré - x_ref| et |x_ref| produit la valeur Erreur_rel?
Lecture à voix haute: À l’oral, dire: «Erreur indice rel égale |x indice mesuré - x indice ref| divisé par |x indice ref|».
Symboles, prononciation et sens: Erreur_rel («erreur relative»): rapport sans dimension entre l’écart absolu et la valeur de référence; x_mesuré («x mesuré»): valeur mesurée; x_ref («x référence»): valeur de référence.
Unités: x_mesuré et x_ref doivent avoir la même unité; leur différence garde cette unité, puis la division par |x_ref| l’annule. Erreur_rel est donc sans dimension, souvent exprimée en %.
Origine et statut des valeurs: Toute entrée chiffrée exige une origine lisible. Les valeurs pédagogiques peuvent illustrer une méthode, mais elles ne deviennent pas pour autant des données réelles.
Pourquoi cette opération: On mesure d’abord l’écart absolu entre mesure et référence, puis on le rapporte à la taille de la référence afin d’obtenir un écart comparable entre différentes échelles.
Substitution et calcul: Inscrire les valeurs connues de |x_mesuré - x_ref| et |x_ref|, montrer toute conversion requise, et terminer par la division. Si |x_ref| n’est pas fourni, le calcul reste symbolique.
Saisie sur calculatrice: La séquence de touches suit la structure de la fraction: parenthèse du numérateur, division, parenthèse du dénominateur; comparer ensuite l’ordre de grandeur.
Estimation mentale: La fraction suggère son propre contrôle d’échelle: numérateur beaucoup plus grand que dénominateur implique Erreur_rel≫1; numérateur plus petit implique Erreur_rel<1.
Contrôle indépendant: Contrôle inverse: Erreur_rel × |x_ref| doit redonner |x_mesuré − x_ref|. Le signe de l’écart est volontairement perdu par la valeur absolue.
Interprétation physique ou opérationnelle: À l’étape «3. Calibration, blanc et témoin», «Erreur_rel = |x_mesuré - x_ref| / |x_ref|» exprime une relation de modèle et non une vérité hors contexte. Sa valeur doit être lue avec l’unité correspondante et le périmètre réellement couvert.
Traduction en français courant: Le sens opérationnel est le suivant: on mesure d’abord l’écart absolu entre mesure et référence, puis on le rapporte à la taille de la référence afin d’obtenir un écart comparable entre différentes échelles.
Variation / sensibilité: À écart absolu fixé, doubler |x_ref| divise l’erreur relative par deux. À référence fixe, l’erreur relative varie linéairement avec l’écart absolu.
Limite / hypothèse: x_ref doit être non nul. Près de zéro, une erreur relative peut devenir instable et une erreur absolue ou une autre normalisation est préférable.

— « Calibration, blanc et témoin ».

4. Métadonnées et traçabilité

Dans ce module, métadonnées et traçabilité sert directement à organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.

Complétude = N_champs_renseignés / N_champs_requis

Question de départ: Quelle comparaison multiplicative entre N_champs_renseignés et N_champs_requis produit la valeur Complétude?
Lecture à voix haute: À l’oral, dire: «Complétude égale N indice champs indice renseignés divisé par N indice champs indice requis».
Symboles, prononciation et sens: Complétude: fraction des champs requis effectivement renseignés; N_champs_renseignés: nombre de champs remplis; N_champs_requis: nombre total de champs exigés.
Unités: Les deux N sont des comptes; Complétude sans dimension entre 0 et 1.
Origine et statut des valeurs: Toute entrée chiffrée exige une origine lisible. Les valeurs pédagogiques peuvent illustrer une méthode, mais elles ne deviennent pas pour autant des données réelles. La donnée de contexte cite comme origine: les mesures du test et du témoin, métadonnées et contrôles laboratoire.
Pourquoi cette opération: Le rapport mesure la part des données requises qui est présente.
Substitution et calcul: Inscrire les valeurs connues de N_champs_renseignés et N_champs_requis, montrer toute conversion requise, et terminer par la division. Si N_champs_requis n’est pas fourni, le calcul reste symbolique.
Saisie sur calculatrice: La séquence de touches suit la structure de la fraction: parenthèse du numérateur, division, parenthèse du dénominateur; comparer ensuite l’ordre de grandeur.
Estimation mentale: La fraction suggère son propre contrôle d’échelle: numérateur beaucoup plus grand que dénominateur implique Complétude≫1; numérateur plus petit implique Complétude<1.
Contrôle indépendant: Complétude×N_champs_requis doit redonner N_champs_renseignés.
Interprétation physique ou opérationnelle: À l’étape «4. Métadonnées et traçabilité», «Complétude = N_champs_renseignés / N_champs_requis» exprime une relation de modèle et non une vérité hors contexte. Sa valeur doit être lue avec l’unité correspondante et le périmètre réellement couvert.
Traduction en français courant: Dit simplement, Complétude est la réponse à la comparaison «N_champs_renseignés divisé par N_champs_requis» utilisée dans «4. Métadonnées et traçabilité».
Variation / sensibilité: Le ratio est proportionnel à N_champs_renseignés et inversement proportionnel à N_champs_requis. Cette propriété permet de prévoir la direction d’un scénario perturbé.
Limite / hypothèse: Ne pas extrapoler Complétude entre périodes ou systèmes distincts sans redéfinir N_champs_renseignés et N_champs_requis. La division est aussi interdite lorsque N_champs_requis=0.

5. Chaîne échantillon-laboratoire

Dans ce module, chaîne échantillon-laboratoire sert directement à organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.

Temps_chaîne = Σ t_i

Question de départ: Dans «5. Chaîne échantillon-laboratoire», comment additionner les contributions indexées de «Temps_chaîne = Σ t_i» pour reconstruire Temps_chaîne?
Lecture à voix haute: À l’oral, dire: «Temps indice chaîne égale somme de t indice i».
Symboles, prononciation et sens: Σ (« sigma ») : additionner ; Temps_chaîne («temps chaîne»): durée totale d’une chaîne séquentielle de tâches; t_i («té indice i»): durée de l’étape i.
Unités: Temps_chaîne et tous les t_i dans la même unité de durée, par exemple min ou h.
Origine et statut des valeurs: Toute entrée chiffrée exige une origine lisible. Les valeurs pédagogiques peuvent illustrer une méthode, mais elles ne deviennent pas pour autant des données réelles.
Pourquoi cette opération: Pour des étapes exécutées séquentiellement sans recouvrement, la durée totale est la somme de leurs durées.
Substitution et calcul: Lister les termes indexés fournis par le cas, calculer chacun avec son indice propre, puis additionner ces valeurs; aucun terme absent n’est inventé.
Saisie sur calculatrice: Calculatrice: conserver une liste des contributions, faire la somme une première fois dans l’ordre des indices puis une seconde dans l’ordre inverse.
Estimation mentale: Estimer le plus gros terme et le nombre de contributions; pour des valeurs positives, Temps_chaîne doit au moins égaler le maximum individuel sans dépasser grossièrement leur nombre multiplié par ce maximum.
Contrôle indépendant: Séparer les étapes en deux groupes, sommer chaque groupe puis vérifier que les deux sous-totaux redonnent Temps_chaîne.
Interprétation physique ou opérationnelle: À l’étape «5. Chaîne échantillon-laboratoire», «Temps_chaîne = Σ t_i» exprime une relation de modèle et non une vérité hors contexte. Sa valeur doit être lue avec l’unité correspondante et le périmètre réellement couvert.
Traduction en français courant: En mots, Temps_chaîne rassemble toutes les contributions auxquelles l’indice de Σ demande d’appliquer la même règle.
Variation / sensibilité: Faire varier une seule contribution de Δ modifie Temps_chaîne du même Δ, éventuellement multiplié par son coefficient.
Limite / hypothèse: Vérifier que l’ensemble des indices est complet, non doublonné et défini sur une même frontière avant toute sommation.

On injecte maintenant l'événement suivant: la maintenance réclame le même créneau que le laboratoire.

6. Contrôle qualité et répétition

Dans ce module, contrôle qualité et répétition sert directement à organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.

Taux_validité = N_valides / N_total

Question de départ: Quelle comparaison multiplicative entre N_valides et N_total produit la valeur Taux_validité?
Lecture à voix haute: À l’oral, dire: «Taux indice validité égale N indice valides divisé par N indice total».
Symboles, prononciation et sens: Taux_validité («taux de validité»): fraction des résultats qui satisfont les critères de validité; N_valides: nombre de résultats valides; N_total: nombre total de résultats examinés.
Unités: N_valides et N_total sont des comptes; Taux_validité est sans dimension, compris entre 0 et 1 et souvent exprimé en %.
Origine et statut des valeurs: Toute entrée chiffrée exige une origine lisible. Les valeurs pédagogiques peuvent illustrer une méthode, mais elles ne deviennent pas pour autant des données réelles.
Pourquoi cette opération: Diviser le nombre de résultats valides par le nombre total donne la proportion de résultats valides.
Substitution et calcul: Inscrire les valeurs connues de N_valides et N_total, montrer toute conversion requise, et terminer par la division. Si N_total n’est pas fourni, le calcul reste symbolique.
Saisie sur calculatrice: La séquence de touches suit la structure de la fraction: parenthèse du numérateur, division, parenthèse du dénominateur; comparer ensuite l’ordre de grandeur.
Estimation mentale: La fraction suggère son propre contrôle d’échelle: numérateur beaucoup plus grand que dénominateur implique Taux_validité≫1; numérateur plus petit implique Taux_validité<1.
Contrôle indépendant: Contrôle inverse: Taux_validité × N_total doit redonner N_valides à l’arrondi de comptage près.
Interprétation physique ou opérationnelle: À l’étape «6. Contrôle qualité et répétition», «Taux_validité = N_valides / N_total» exprime une relation de modèle et non une vérité hors contexte. Sa valeur doit être lue avec l’unité correspondante et le périmètre réellement couvert.
Traduction en français courant: Dit simplement, Taux_validité est la réponse à la comparaison «N_valides divisé par N_total» utilisée dans «6. Contrôle qualité et répétition».
Variation / sensibilité: Le ratio est proportionnel à N_valides et inversement proportionnel à N_total. Cette propriété permet de prévoir la direction d’un scénario perturbé.
Limite / hypothèse: Ne pas extrapoler Taux_validité entre périodes ou systèmes distincts sans redéfinir N_valides et N_total. La division est aussi interdite lorsque N_total=0.

On injecte maintenant l'événement suivant: la bande passante disponible chute.

7. Interprétation sans sur-promesse

Dans ce module, interprétation sans sur-promesse sert directement à organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.

u_rel = u / |x|

Question de départ: Quelle comparaison multiplicative entre u et |x| produit la valeur u_rel?
Lecture à voix haute: À l’oral, dire: «u indice rel égale u divisé par |x|».
Symboles, prononciation et sens: u_rel: incertitude relative; u: incertitude absolue; x: valeur de la grandeur mesurée servant d’échelle.
Unités: u et x dans la même unité; u_rel sans dimension.
Origine et statut des valeurs: Toute entrée chiffrée exige une origine lisible. Les valeurs pédagogiques peuvent illustrer une méthode, mais elles ne deviennent pas pour autant des données réelles. La donnée de contexte cite comme origine: les mesures du test et du témoin, métadonnées et contrôles laboratoire.
Pourquoi cette opération: Diviser l’incertitude absolue par la magnitude de la valeur la rend relative à l’échelle du résultat.
Substitution et calcul: Inscrire les valeurs connues de u et |x|, montrer toute conversion requise, et terminer par la division. Si |x| n’est pas fourni, le calcul reste symbolique.
Saisie sur calculatrice: La séquence de touches suit la structure de la fraction: parenthèse du numérateur, division, parenthèse du dénominateur; comparer ensuite l’ordre de grandeur.
Estimation mentale: La fraction suggère son propre contrôle d’échelle: numérateur beaucoup plus grand que dénominateur implique u_rel≫1; numérateur plus petit implique u_rel<1.
Contrôle indépendant: u_rel×|x| doit redonner u.
Interprétation physique ou opérationnelle: À l’étape «7. Interprétation sans sur-promesse», «u_rel = u / |x|» exprime une relation de modèle et non une vérité hors contexte. Sa valeur doit être lue avec l’unité correspondante et le périmètre réellement couvert.
Traduction en français courant: Dit simplement, u_rel est la réponse à la comparaison «u divisé par |x|» utilisée dans «7. Interprétation sans sur-promesse».
Variation / sensibilité: Le ratio est proportionnel à u et inversement proportionnel à |x|. Cette propriété permet de prévoir la direction d’un scénario perturbé.
Limite / hypothèse: Ne pas extrapoler u_rel entre périodes ou systèmes distincts sans redéfinir u et |x|. La division est aussi interdite lorsque |x|=0.

On injecte maintenant l'événement suivant: un blanc de contrôle est contaminé.

8. Priorités science contre maintenance

Dans ce module, priorités science contre maintenance sert directement à organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.

Score_priorité = Σ(w_i × s_i)

Question de départ: Dans «8. Priorités science contre maintenance», comment additionner les contributions indexées de «Score_priorité = Σ(w_i × s_i)» pour reconstruire Score_priorité?
Lecture à voix haute: À l’oral, dire: «score de priorité égale la somme des poids w indice i multipliés par les évaluations s indice i de chaque critère».
Symboles, prononciation et sens: Σ (« sigma ») : additionner ; Score_priorité est l’indicateur utilisé pour ordonner une activité. w_i est le poids du critère i; s_i est son évaluation. Ici, les critères peuvent représenter valeur scientifique, temps de terrain, consommation de ressources et risque.
Unités: Le score, les poids et les notes sont sans dimension. Avant le calcul, une grandeur physique comme une durée en heures ou une masse d’échantillon en kilogrammes doit donc être transformée selon une règle de notation explicitement définie.
Origine et statut des valeurs: Toute entrée chiffrée exige une origine lisible. Les valeurs pédagogiques peuvent illustrer une méthode, mais elles ne deviennent pas pour autant des données réelles.
Pourquoi cette opération: Le symbole Σ signifie qu’on applique la règle à chaque indice puis qu’on additionne les contributions. Le total ainsi recomposé est Score_priorité.
Substitution et calcul: Lister les termes indexés fournis par le cas, calculer chacun avec son indice propre, puis additionner ces valeurs; aucun terme absent n’est inventé.
Saisie sur calculatrice: Calculatrice: conserver une liste des contributions, faire la somme une première fois dans l’ordre des indices puis une seconde dans l’ordre inverse.
Estimation mentale: Estimer le plus gros terme et le nombre de contributions; pour des valeurs positives, Score_priorité doit au moins égaler le maximum individuel sans dépasser grossièrement leur nombre multiplié par ce maximum.
Contrôle indépendant: Contrôle par retrait: enlever une contribution de Score_priorité; la différence doit être exactement la somme des autres termes calculés.
Interprétation physique ou opérationnelle: À l’étape «8. Priorités science contre maintenance», «Score_priorité = Σ(w_i × s_i)» exprime une relation de modèle et non une vérité hors contexte. Sa valeur doit être lue avec l’unité correspondante et le périmètre réellement couvert.
Traduction en français courant: En mots, Score_priorité rassemble toutes les contributions auxquelles l’indice de Σ demande d’appliquer la même règle.
Variation / sensibilité: Faire varier une seule contribution de Δ modifie Score_priorité du même Δ, éventuellement multiplié par son coefficient.
Limite / hypothèse: Vérifier que l’ensemble des indices est complet, non doublonné et défini sur une même frontière avant toute sommation.

— « Priorités science contre maintenance ».

On injecte maintenant l'événement suivant: une calibration dérive en cours de série.

9. Stockage et transmission des données

Dans ce module, stockage et transmission des données sert directement à organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.

Débit_données = Taille / Durée

Question de départ: Quelle comparaison multiplicative entre Taille et Durée produit la valeur Débit_données?
Lecture à voix haute: À l’oral, dire: «Débit indice données égale Taille divisé par Durée».
Symboles, prononciation et sens: Débit_données («débit données»): quantité de données transmise ou produite par unité de temps; Taille («taille»): quantité totale de données; Durée («durée»): temps correspondant à cette transmission ou production.
Unités: Taille en bits ou octets; Durée en s, min ou h; Débit_données dans l’unité correspondante par unité de temps, par exemple bit/s ou Mo/s.
Origine et statut des valeurs: Toute entrée chiffrée exige une origine lisible. Les valeurs pédagogiques peuvent illustrer une méthode, mais elles ne deviennent pas pour autant des données réelles.
Pourquoi cette opération: Un débit est une quantité divisée par la durée nécessaire à la transférer ou à la produire.
Substitution et calcul: Inscrire les valeurs connues de Taille et Durée, montrer toute conversion requise, et terminer par la division. Si Durée n’est pas fourni, le calcul reste symbolique.
Saisie sur calculatrice: La séquence de touches suit la structure de la fraction: parenthèse du numérateur, division, parenthèse du dénominateur; comparer ensuite l’ordre de grandeur.
Estimation mentale: La fraction suggère son propre contrôle d’échelle: numérateur beaucoup plus grand que dénominateur implique Débit_données≫1; numérateur plus petit implique Débit_données<1.
Contrôle indépendant: Contrôle inverse: Débit_données×Durée doit reconstituer Taille, après conversion cohérente entre bits et octets si nécessaire.
Interprétation physique ou opérationnelle: À l’étape «9. Stockage et transmission des données», «Débit_données = Taille / Durée» exprime une relation de modèle et non une vérité hors contexte. Sa valeur doit être lue avec l’unité correspondante et le périmètre réellement couvert.
Traduction en français courant: Dit simplement, Débit_données est la réponse à la comparaison «Taille divisé par Durée» utilisée dans «9. Stockage et transmission des données».
Variation / sensibilité: Le ratio est proportionnel à Taille et inversement proportionnel à Durée. Cette propriété permet de prévoir la direction d’un scénario perturbé.
Limite / hypothèse: Ne pas extrapoler Débit_données entre périodes ou systèmes distincts sans redéfinir Taille et Durée. La division est aussi interdite lorsque Durée=0.

On injecte maintenant l'événement suivant: un échantillon arrive sans métadonnée complète.

10. Planning hebdomadaire de campagne

Dans ce module, planning hebdomadaire de campagne sert directement à organiser une chaîne scientifique traçable depuis la question et le prélèvement jusqu'au contrôle qualité, à l'interprétation et à la transmission des données.

Temps_total = Σ t_i + marge

Question de départ: Quelle somme Temps_total faut-il obtenir en appliquant «Temps_total = Σ t_i + marge» au contexte «10. Planning hebdomadaire de campagne»?
Lecture à voix haute: À l’oral, dire: «Temps indice total égale somme de t indice i plus marge».
Symboles, prononciation et sens: Σ (« sigma ») : additionner ; Temps_total («temps total»): durée totale planifiée; t_i («té indice i»): durée de la tâche i; marge («marge»): réserve de temps ajoutée au planning.
Unités: Temps_total, chaque t_i et marge dans la même unité de durée. Une somme n’est valide que si toutes les contributions sont des temps.
Origine et statut des valeurs: Toute entrée chiffrée exige une origine lisible. Les valeurs pédagogiques peuvent illustrer une méthode, mais elles ne deviennent pas pour autant des données réelles.
Pourquoi cette opération: Σt_i additionne toutes les durées de tâches; la marge ajoute ensuite une réserve temporelle distincte pour les aléas ou l’incertitude.
Substitution et calcul: Inscrire les valeurs documentées de chaque contribution, effectuer les changements d’unités avant la somme et ne jamais inventer un terme absent.
Saisie sur calculatrice: Calculer les composantes, garder leurs valeurs intermédiaires puis les additionner. Un calcul par blocs fournit une vérification de la saisie.
Estimation mentale: Estimer la somme à partir du terme dominant et de quelques ordres de grandeur; un Temps_total inférieur à un terme positif inclus serait incohérent.
Contrôle indépendant: Contrôle de fermeture: Temps_total − marge doit être égal à Σt_i. En retirant ensuite une tâche t_k, on doit retrouver la somme des autres durées.
Interprétation physique ou opérationnelle: À l’étape «10. Planning hebdomadaire de campagne», «Temps_total = Σ t_i + marge» exprime une relation de modèle et non une vérité hors contexte. Sa valeur doit être lue avec l’unité correspondante et le périmètre réellement couvert.
Traduction en français courant: En langage courant, σt_i additionne toutes les durées de tâches; la marge ajoute ensuite une réserve temporelle distincte pour les aléas ou l’incertitude.
Variation / sensibilité: Ajouter Δt à une tâche ou à la marge augmente Temps_total du même Δt; l’effet est linéaire tant que les tâches restent modélisées comme séquentielles.
Limite / hypothèse: Le modèle suppose que les durées additionnées ne se chevauchent pas. Des tâches parallèles exigent un calcul de chemin critique plutôt qu’une somme brute.

On injecte maintenant l'événement suivant: la météo annule la moitié du terrain.

Exercices progressifs avec corrigés 1:1

Exercice 1: Question scientifique et hypothèse testable

Pour examiner « Question scientifique et hypothèse testable », reliez les données pertinentes à « Temps_total = Σ t_i + marge ». Justifiez chaque étape du raisonnement, contrôlez la cohérence des unités et explicitez la marge ; testez ensuite la décision avec ce scénario : une calibration dérive en cours de série.

Corrigé — Exercice 1: Question scientifique et hypothèse testable

Données du cas: L’exercice porte sur « Question scientifique et hypothèse testable » et utilise la relation « Temps_total = Σ t_i + marge ». Les grandeurs doivent être définies avant calcul et leurs unités rendues compatibles. Le scénario de robustesse à tester est le suivant : une calibration dérive en cours de série.
Raisonnement: Utilisez « Temps_total = Σ t_i + marge » comme chaîne de contrôle : données d’entrée, unités, opération, résultat, puis interprétation. Ne mélangez pas une valeur mesurée avec une hypothèse. Le cas dégradé « une calibration dérive en cours de série » doit être traité séparément pour déterminer s’il réduit la marge ou invalide une donnée.
Résultat: La bonne réponse relie le résultat de « Temps_total = Σ t_i + marge » à une décision opérationnelle. Sans données numériques imposées, il faut conserver le résultat sous forme symbolique ou utiliser des valeurs explicitement annoncées comme hypothèses. Le cas « une calibration dérive en cours de série » sert à décider si la conclusion reste robuste.

Repères numériques conservés. 35min · 210min.

Exercice 2: Plan d’échantillonnage

Sur « Plan d’échantillonnage », utilisez « Taux_validité = N_valides / N_total » comme outil de vérification plutôt que comme formule isolée. Décrivez les grandeurs, le contrôle du résultat et la décision associée, puis intégrez cette situation dégradée : un échantillon arrive sans métadonnée complète.

Corrigé — Exercice 2: Plan d’échantillonnage

Données du cas: L’exercice porte sur « Plan d’échantillonnage » et utilise la relation « Taux_validité = N_valides / N_total ». Les grandeurs doivent être définies avant calcul et leurs unités rendues compatibles. Le scénario de robustesse à tester est le suivant : un échantillon arrive sans métadonnée complète.
Raisonnement: Commencez par expliquer ce que représente chaque terme de « Taux_validité = N_valides / N_total ». Vérifiez les unités avant toute substitution, puis interprétez le résultat dans le contexte de « Plan d’échantillonnage ». Reprenez enfin la décision lorsque le scénario « un échantillon arrive sans métadonnée complète » est imposé.
Résultat: On ne doit pas fabriquer de précision absente de l’énoncé. La réponse valide présente les données choisies, l’application de « Taux_validité = N_valides / N_total », l’unité et la marge, puis explique ce qui change sous « un échantillon arrive sans métadonnée complète ». Si le cas dégradé casse l’hypothèse principale, la conclusion doit passer en attente ou être recalculée.

Exercice 3: Calibration, blanc et témoin

Traitez « Calibration, blanc et témoin » en montrant comment « Débit_données = Taille / Durée » éclaire la décision. Les unités et hypothèses doivent rester visibles. Après le contrôle du résultat, réévaluez la marge avec cette situation : la météo annule la moitié du terrain.

Corrigé — Exercice 3: Calibration, blanc et témoin

Données du cas: L’exercice porte sur « Calibration, blanc et témoin » et utilise la relation « Débit_données = Taille / Durée ». Les grandeurs doivent être définies avant calcul et leurs unités rendues compatibles. Le scénario de robustesse à tester est le suivant : la météo annule la moitié du terrain.
Raisonnement: La méthode consiste à traduire « Calibration, blanc et témoin » en grandeurs compatibles avec « Débit_données = Taille / Durée », à contrôler les unités puis à confronter le résultat à un ordre de grandeur ou à un seuil opérationnel. Le cas « la météo annule la moitié du terrain » doit ensuite être utilisé comme test de sensibilité de la décision.
Résultat: Pour « Calibration, blanc et témoin », le résultat n’est acceptable que si l’on peut retracer les données utilisées et le contrôle des unités. La relation « Débit_données = Taille / Durée » fournit le cadre du calcul ; le cas « la météo annule la moitié du terrain » détermine ensuite si la marge reste suffisante pour conserver la décision.

Exercice 4: Métadonnées et traçabilité

Construisez une réponse complète pour « Métadonnées et traçabilité » autour de « Score_priorité = Σ(w_i × s_i) ». Dites quelles données sont requises, comment le résultat serait contrôlé et quelle décision en découle. Vérifiez ensuite que cette décision reste valable dans le cas suivant : la maintenance réclame le même créneau que le laboratoire.

Corrigé — Exercice 4: Métadonnées et traçabilité

Données du cas: L’exercice porte sur « Métadonnées et traçabilité » et utilise la relation « Score_priorité = Σ(w_i × s_i) ». Les grandeurs doivent être définies avant calcul et leurs unités rendues compatibles. Le scénario de robustesse à tester est le suivant : la maintenance réclame le même créneau que le laboratoire.
Raisonnement: Pour éviter une réponse automatique, séparez trois étapes : construire les données de « Score_priorité = Σ(w_i × s_i) », vérifier le calcul et son unité, puis interpréter la marge. Le scénario « la maintenance réclame le même créneau que le laboratoire » est un second cas à analyser : il peut modifier la marge sans nécessairement changer la relation elle-même.
Résultat: Le corrigé doit aboutir à une décision justifiée par « Score_priorité = Σ(w_i × s_i) » et non à une phrase générique. En l’absence de valeurs imposées, aucune valeur numérique unique n’est exigée. La conclusion reste valable seulement si le scénario « la maintenance réclame le même créneau que le laboratoire » ne détruit ni la cohérence des données ni la marge de sécurité.

Exercice 5: Chaîne échantillon-laboratoire

Pour travailler « Chaîne échantillon-laboratoire », utilisez la relation « Temps_total = Σ t_i + marge » pour structurer le raisonnement. Identifiez les grandeurs nécessaires et leurs unités, puis expliquez ce que le résultat permet de décider. Testez enfin la robustesse de cette décision dans le cas dégradé suivant : la bande passante disponible chute.

Corrigé — Exercice 5: Chaîne échantillon-laboratoire

Données du cas: L’exercice porte sur « Chaîne échantillon-laboratoire » et utilise la relation « Temps_total = Σ t_i + marge ». Les grandeurs doivent être définies avant calcul et leurs unités rendues compatibles. Le scénario de robustesse à tester est le suivant : la bande passante disponible chute.
Raisonnement: Identifiez d’abord les variables de « Temps_total = Σ t_i + marge » et placez-les dans des unités cohérentes. Appliquez ensuite la relation en conservant les hypothèses visibles, puis contrôlez l’ordre de grandeur. Enfin, répétez le raisonnement en tenant compte du cas dégradé « la bande passante disponible chute » pour voir si la marge ou la décision change.
Résultat: Cet exercice ne fixe pas un nombre unique tant que les données propres au cas ne sont pas fournies. Une réponse correcte donne donc un calcul ou un contrôle traçable, son unité, puis une décision explicite. Si « la bande passante disponible chute » rend une entrée non fiable ou supprime la marge disponible, la décision doit être revue plutôt que maintenue par défaut.

Repères numériques conservés. 35min · 210min.

Exercice 6: Contrôle qualité et répétition

Étudiez « Contrôle qualité et répétition » à l’aide de « Taux_validité = N_valides / N_total ». Précisez les données qu’il faudrait mesurer ou connaître, contrôlez les unités et l’ordre de grandeur, puis examinez ce qui change dans cette situation : un blanc de contrôle est contaminé. Concluez par la marge à surveiller et la décision opérationnelle.

Corrigé — Exercice 6: Contrôle qualité et répétition

Données du cas: L’exercice porte sur « Contrôle qualité et répétition » et utilise la relation « Taux_validité = N_valides / N_total ». Les grandeurs doivent être définies avant calcul et leurs unités rendues compatibles. Le scénario de robustesse à tester est le suivant : un blanc de contrôle est contaminé.
Raisonnement: Le raisonnement doit partir des grandeurs réellement disponibles pour « Taux_validité = N_valides / N_total ». Une fois les unités harmonisées, effectuez le calcul ou le contrôle symbolique, puis vérifiez le résultat par une estimation indépendante. Le scénario « un blanc de contrôle est contaminé » sert ensuite à tester la robustesse de la conclusion.
Résultat: Le résultat attendu est une conclusion contrôlée, pas une valeur inventée. Pour « Contrôle qualité et répétition », le calcul issu de « Taux_validité = N_valides / N_total » doit être accompagné de son unité et de la marge utile. Le scénario « un blanc de contrôle est contaminé » doit conduire à modifier la décision si cette marge devient insuffisante ou si une donnée cesse d’être crédible.
Contrôle: Le contrôle indépendant consiste à vérifier les unités, l’ordre de grandeur et, lorsque c’est possible, l’opération inverse ou un second indicateur. La conclusion n’est conservée que si ce contrôle reste cohérent malgré « un blanc de contrôle est contaminé ».

Exercice 7: Interprétation sans sur-promesse

Dans « Interprétation sans sur-promesse », partez de la relation « Débit_données = Taille / Durée » et montrez comment elle sert de contrôle. Distinguez clairement données, hypothèses et résultat, puis rejouez le raisonnement avec ce scénario dégradé : une calibration dérive en cours de série. Indiquez si la décision initiale reste défendable.

Corrigé — Exercice 7: Interprétation sans sur-promesse

Données du cas: L’exercice porte sur « Interprétation sans sur-promesse » et utilise la relation « Débit_données = Taille / Durée ». Les grandeurs doivent être définies avant calcul et leurs unités rendues compatibles. Le scénario de robustesse à tester est le suivant : une calibration dérive en cours de série.
Raisonnement: Utilisez « Débit_données = Taille / Durée » comme chaîne de contrôle : données d’entrée, unités, opération, résultat, puis interprétation. Ne mélangez pas une valeur mesurée avec une hypothèse. Le cas dégradé « une calibration dérive en cours de série » doit être traité séparément pour déterminer s’il réduit la marge ou invalide une donnée.
Résultat: La bonne réponse relie le résultat de « Débit_données = Taille / Durée » à une décision opérationnelle. Sans données numériques imposées, il faut conserver le résultat sous forme symbolique ou utiliser des valeurs explicitement annoncées comme hypothèses. Le cas « une calibration dérive en cours de série » sert à décider si la conclusion reste robuste.

Exercice 8: Priorités science contre maintenance

Résolvez le cas « Priorités science contre maintenance » avec la relation « Score_priorité = Σ(w_i × s_i) ». Le but n’est pas seulement d’obtenir un nombre : vérifiez les unités, la plausibilité et la marge, puis expliquez la conduite à tenir dans cette situation : un échantillon arrive sans métadonnée complète.

Corrigé — Exercice 8: Priorités science contre maintenance

Données du cas: L’exercice porte sur « Priorités science contre maintenance » et utilise la relation « Score_priorité = Σ(w_i × s_i) ». Les grandeurs doivent être définies avant calcul et leurs unités rendues compatibles. Le scénario de robustesse à tester est le suivant : un échantillon arrive sans métadonnée complète.
Raisonnement: Commencez par expliquer ce que représente chaque terme de « Score_priorité = Σ(w_i × s_i) ». Vérifiez les unités avant toute substitution, puis interprétez le résultat dans le contexte de « Priorités science contre maintenance ». Reprenez enfin la décision lorsque le scénario « un échantillon arrive sans métadonnée complète » est imposé.
Résultat: On ne doit pas fabriquer de précision absente de l’énoncé. La réponse valide présente les données choisies, l’application de « Score_priorité = Σ(w_i × s_i) », l’unité et la marge, puis explique ce qui change sous « un échantillon arrive sans métadonnée complète ». Si le cas dégradé casse l’hypothèse principale, la conclusion doit passer en attente ou être recalculée.

Mini-projet intégrateur et dossier de référence

Planifier une semaine de science martienne avec deux EVA, un laboratoire, une maintenance obligatoire et une fenêtre de transmission limitée. Produire planning, priorités, contrôles qualité, décision de répétition et journal des données non acquises.

« Exercice 8: Priorités science contre maintenance » — hypothèses, budget, marges.

« Exercice 8: Priorités science contre maintenance » — interfaces et causes communes.

« Exercice 8: Priorités science contre maintenance » — calculs, limites, critères.

Repères du passage: inventaire

Repères du passage: sous-système · redondance

Verification de maîtrise du module 45

« Exercice 8: Priorités science contre maintenance » — unités et ordre de grandeur.
« Exercice 8: Priorités science contre maintenance » — cas dégradé.
« Exercice 8: Priorités science contre maintenance » — marge décisionnelle.
« Exercice 8: Priorités science contre maintenance » — mesure de contrôle.
Termes de contrôle: Vérification

Repères du passage: état

Repères du passage: substitution

Repères du passage: ordre de grandeur · validation

Repères du passage: Mode dégradé

Repères du passage: robustesse

Repères du passage: débit

Repères du passage: traçabilité

Repères du passage: poids

Repères du passage: matrice

Repères du passage: système

Repères du passage: maintenance

Repères du passage: bande passante

Science de terrain : un échantillon ne devient une preuve que si son histoire survit

La valeur scientifique d’un prélèvement vient autant de son contexte que de sa matière. Position, orientation, géologie locale, outil, contenant, heure, images de contexte, conditions environnementales et transferts successifs doivent rester reliés à un identifiant stable jusqu’au laboratoire.

Les hypothèses pilotent le terrain

Avant l’EVA, l’équipe doit écrire ce qui renforcerait ou affaiblirait chaque hypothèse. Cela détermine les stations utiles, les observations à réaliser avant perturbation et les échantillons réellement discriminants. Une découverte imprévue peut modifier le plan, mais sans sacrifier les contraintes de retour.

Blancs, témoins et étalons protègent l’interprétation

Un signal spectaculaire peut provenir du récipient, de l’outil, de l’habitat ou de la dérive instrumentale. Des blancs de procédure, des références d’étalonnage et des duplicatas transforment une mesure isolée en résultat défendable.

L’incertitude accompagne le résultat

Une valeur unique ne doit pas masquer résolution, étalonnage, variabilité d’échantillonnage et hétérogénéité spatiale. Si deux résultats se chevauchent dans leurs incertitudes, la bonne conclusion peut être que la différence n’est pas résolue, pas qu’elle n’existe jamais.

Exercice — protéger la valeur scientifique quand le temps d’EVA se réduit

Une panne rover retire quarante minutes à la sortie. Un échantillon prioritaire attend encore ses images de contexte et un blanc de procédure ; deux cibles secondaires restent non prélevées. Que faut-il finir en premier et pourquoi ?

Solution raisonnée. Solution attendue : terminer la chaîne de preuve du prélèvement prioritaire plutôt que multiplier des prélèvements mal documentés. Le nombre d’échantillons n’est pas l’objectif ; l’interprétabilité l’est.

Pour relier cet atelier aux références déjà utilisées par le module, consulter NASA Artemis Science et NASA NTRS — Geology and Field Training.

Sources primaires et passerelles

Repères lexicaux du module. contrôle