Erreur de mesure et fiabilité : comment savoir si un changement est réel
Fondamentaux

Erreur de mesure et fiabilité : comment savoir si un changement est réel

Une amélioration de 5° du valgus dynamique semble une bonne nouvelle. Avant de l’annoncer à l’athlète, mieux vaut savoir de combien varie le même test quand rien n’a changé.

Mis à jour le 8 novembre 2026 · 6 min de lecture · 12 références

L’essentiel
  • L’ICC mesure la fiabilité relative : en dessous de 0,5 elle est faible, entre 0,5 et 0,75 modérée, entre 0,75 et 0,9 bonne et au-delà de 0,9 excellente 1.
  • Le SEM exprime l’erreur dans les unités de la mesure et permet de calculer le plus petit changement pouvant être considéré comme réel 2.
  • Pour le FPPA mesuré en vidéo 2D, le SEM était de 2,72–3,01° et la plus petite différence détectable de 7,54–8,93° 3.
  • En course, la moyenne d’au moins 7 foulées donne des valeurs stables d’un jour à l’autre 4.
  • Un changement réel (supérieur à la MDC) n’est pas forcément un changement cliniquement important 5.
  • Dépister exige une sensibilité et une spécificité connues ; suivre exige de la fiabilité et un montage standardisé 6.

Pourquoi l’erreur de mesure compte

Toute mesure comporte du bruit : le client ne reproduit pas le mouvement à l’identique, la caméra n’est pas exactement au même endroit et l’algorithme ou l’évaluateur introduisent de la variation. En pratique clinique, le problème apparaît lorsqu’on interprète comme une évolution une différence qui reste dans ce bruit. Les indices de fiabilité servent à distinguer les deux, et il vaut mieux les connaître avant de regarder la courbe d’évolution d’un client.

Il y a deux questions distinctes. La fiabilité relative demande si le test classe les personnes de façon cohérente. La fiabilité absolue demande de combien varie la valeur d’une personne, en degrés, en millimètres ou en secondes. La première se traite avec l’ICC ; la seconde avec le SEM et la plus petite différence détectable 2.

ICC : fiabilité relative

Le coefficient de corrélation intraclasse (ICC) compare la variance entre personnes à la variance totale des mesures. Il existe 10 formes d’ICC, et une étude doit préciser le modèle, le type et la définition utilisés, ainsi que le logiciel 1. Une distinction essentielle est de savoir si l’ICC inclut l’erreur systématique, comme les formes (2,1) et (2,k), ou l’exclut, comme les formes (3,1) et (3,k) 2. Pour comparer des séances dans le temps, il importe de savoir s’il y a eu une erreur systématique entre elles, par exemple par apprentissage ou fatigue.

Interprétation de l’ICC selon Koo et Li
ICCFiabilité
< 0,5Faible
0,5–0,75Modérée
0,75–0,9Bonne
> 0,9Excellente

Les auteurs recommandent d’appliquer ces catégories à l’intervalle de confiance à 95 % de l’ICC, et pas seulement à l’estimation ponctuelle 1.

L’ICC dépend de l’hétérogénéité de l’échantillon : un groupe très hétérogène tend à donner des ICC plus élevés pour une même erreur absolue. Un ICC élevé n’indique donc pas, à lui seul, combien de degrés de changement sont nécessaires pour se fier à une évolution individuelle. Pour cela, il faut le SEM.

SEM et plus petite différence détectable (MDC)

L’erreur standard de mesure (SEM) exprime l’erreur dans les unités du test lui-même et peut être calculée à partir de l’ICC ; elle permet de construire des intervalles de confiance pour des valeurs individuelles et de définir la différence minimale nécessaire pour conclure à un changement réel 2. Un calcul courant est SEM = ET × √(1 − ICC), où ET est l’écart-type entre personnes. La plus petite différence détectable à 95 % (MDC95, aussi appelée SDD ou SDC95) s’obtient par MDC95 = 1,96 × √2 × SEM, soit environ 2,77 × SEM.

Ces valeurs illustratives sont du même ordre de grandeur que celles publiées pour le FPPA en vidéo 2D : ICC inter-jours de 0,72–0,91, SEM de 2,72–3,01° et plus petite différence détectable de 7,54–8,93° 3. Pour certaines variables de course, l’erreur est plus faible, avec une plus petite différence détectable entre 1,3° et 4,8° selon la variable 4. Pour d’autres, elle est bien plus grande : pour l’amplitude de l’épaule mesurée avec Apple Vision, la SDC95 était de 25,4° en abduction et de 39,5° en adduction 7.

Exemples publiés d’erreur de mesure en analyse vidéo
MesurePopulation et testFiabilitéSEMMDC / SDD
FPPA 2D (vidéo, mesure manuelle)20 étudiants ; squat unipodal, drop jump, réception unipodaleICC inter-jours 0,72–0,912,72–3,01°7,54–8,93° 3
Inclinaison latérale du tronc, adduction fémorale, inclinaison du pied21 coureurs récréatifs ; courseICC 0,90–0,99—1,3–2,3° 4
Flexion du genou et adduction de hanche21 coureurs récréatifs ; courseICC 0,82–0,89—2,3–3,8° 4
Chute controlatérale du bassin21 coureurs récréatifs ; courseICC 0,59–0,77—2,7–2,8° 4
Abduction de l’épaule (Apple Vision, iPhone)20 adultes sains—9,2°25,4° 7
Score LESS automatique (OpenLESS)Athlètes ; réception de saut, sur le terrainICC(2,k) > 0,890,98 erreur2,72 erreurs 8

SDD : plus petite différence détectable ; SDC95 : plus petit changement détectable à 95 %. Chaque valeur s’applique au protocole et à la population de l’étude correspondante.

Bland–Altman : concordance entre méthodes

Pour comparer une nouvelle méthode à une référence, la corrélation ne suffit pas : deux méthodes peuvent être parfaitement corrélées et différer systématiquement de 5°. L’analyse de Bland–Altman sépare le biais (la différence moyenne, ou erreur systématique) des limites d’agrément à 95 % (l’intervalle dans lequel on attend la différence pour un individu). Un petit biais avec des limites larges paraît bon en moyenne, mais reste imprécis pour chaque personne.

Deux exemples illustrent la différence. Pour le FPPA, BlazePose présentait un biais de −0,67° par rapport à la mesure manuelle sur vidéo, mais des limites d’agrément de −8,76° à 7,42° 9. Pour la numérisation 3D du pied avec un capteur à lumière structurée, le biais était de 0,5 mm, avec des limites de −12,4 à 13,5 mm 10. Dans les deux cas, la moyenne est quasi parfaite, mais la valeur individuelle peut s’en écarter nettement.

Sensibilité et spécificité : dépister n’est pas suivre

La sensibilité est la proportion de personnes réellement à risque que le test identifie ; la spécificité est la proportion de personnes indemnes que le test classe correctement. Lorsque trois kinésithérapeutes ont coté à l’œil le valgus dynamique au drop jump de 40 footballeuses adolescentes, la concordance était bonne (kappa de 0,75–0,85), mais la sensibilité était de 67–87 % et la spécificité de 60–72 % par rapport à l’analyse 3D : jusqu’à un tiers des athlètes à haut risque n’ont pas été identifiées 6.

Dépister (classer des personnes) exige un seuil validé ainsi que des valeurs de sensibilité et de spécificité par rapport à une référence. Suivre (comparer une même personne dans le temps) dépend surtout de la fiabilité et d’un montage constant. La vidéo 2D se comporte différemment dans ces deux situations : elle se corrèle raisonnablement à la 3D entre athlètes (r² de 0,58–0,64), mais moins bien au sein d’un même athlète (r² de 0,25–0,36) 11. L’automatisation peut aider à la cohérence : un système de cotation automatique du LESS a concordé avec des évaluateurs experts (ICC(2,k) de 0,79 chez des sujets sains et de 0,88 après reconstruction du LCA) et a réduit le temps d’analyse d’environ 35 heures à moins de 25 minutes 8.

Comment standardiser le retest

  • Même montage : distance, hauteur et vue de la caméra identiques à chaque séance ; une vue différente produit des biais systématiques 12.
  • Téléphone de niveau : l’inclinaison de la caméra modifie l’amplitude mesurée 7.
  • Mêmes conditions : mêmes chaussures, vêtements ajustés, éclairage similaire et, si possible, même moment de la journée.
  • Même consigne et plusieurs répétitions : utiliser la moyenne de plusieurs répétitions, ou d’au moins 7 foulées en course 4.
  • Noter le contexte : la fatigue, la douleur et la charge d’entraînement récente modifient le mouvement, indépendamment de l’erreur de l’instrument.
  • Comparer à la bonne MDC : utiliser la MDC du protocole effectivement employé et, séparément, évaluer si le changement compte pour le client 5.

Dépasser la MDC indique que le changement est probablement réel ; savoir si ce changement compte dans la vie du client est une autre question, celle de la différence minimale cliniquement importante 5. Pour la plupart des tests de mouvement, aucune valeur n’a été publiée pour cette différence, et cette absence doit être assumée plutôt que comblée par des estimations.

Questions fréquentes

Qu’est-ce qu’une bonne valeur d’ICC ?

Selon Koo et Li, un ICC inférieur à 0,5 indique une fiabilité faible, entre 0,5 et 0,75 modérée, entre 0,75 et 0,9 bonne et au-delà de 0,9 excellente, jugée sur l’intervalle de confiance à 95 % 1.

Comment calculer la plus petite différence détectable (MDC) ?

On calcule le SEM à partir de l’écart-type et de l’ICC 2, par exemple SEM = ET × √(1 − ICC), puis on le multiplie par 1,96 × √2 (environ 2,77) pour obtenir la MDC95.

Quelle est la différence entre SEM et MDC ?

Le SEM est l’erreur type d’une mesure unique ; la MDC est la plus petite différence entre deux mesures qui dépasse cette erreur avec une confiance de 95 %. Pour le FPPA en vidéo 2D, le SEM était de 2,72–3,01° et la plus petite différence détectable de 7,54–8,93° 3.

Quelle différence entre sensibilité et spécificité d’un test de dépistage ?

La sensibilité est la proportion de personnes à risque que le test détecte ; la spécificité est la proportion de personnes sans risque correctement exclues. Pour l’observation à l’œil du valgus dynamique, elles étaient respectivement de 67–87 % et de 60–72 % 6.

Un changement supérieur à la MDC est-il cliniquement important ?

Pas forcément. La MDC indique que le changement est probablement réel ; sa pertinence clinique est une question distincte 5.

Références

  1. Koo TK, Li MY. A guideline of selecting and reporting intraclass correlation coefficients for reliability research. J Chiropr Med. 2016;15(2):155–163. doi.org/10.1016/j.jcm.2016.02.012
  2. Weir JP. Quantifying test-retest reliability using the intraclass correlation coefficient and the SEM. J Strength Cond Res. 2005;19(1):231–240. doi.org/10.1519/15184.1
  3. Munro A, Herrington L, Carolan M. Reliability of 2-dimensional video assessment of frontal-plane dynamic knee valgus during common athletic screening tasks. J Sport Rehabil. 2012;21(1):7–11. doi.org/10.1123/jsr.21.1.7
  4. Dingenen B, Barton C, Janssen T, Benoit A, Malliaras P. Test-retest reliability of two-dimensional video analysis during running. Phys Ther Sport. 2018;33:40–47. doi.org/10.1016/j.ptsp.2018.06.009
  5. Haley SM, Fragala-Pinkham MA. Interpreting change scores of tests and measures used in physical therapy. Phys Ther. 2006;86(5):735–743. doi.org/10.1093/ptj/86.5.735
  6. Ekegren CL, Miller WC, Celebrini RG, Eng JJ, Macintyre DL. Reliability and validity of observational risk screening in evaluating dynamic knee valgus. J Orthop Sports Phys Ther. 2009;39(9):665–674. doi.org/10.2519/jospt.2009.3004
  7. van den Hoorn W, Lavaill M, Cutbush K, Gupta A, Kerr G. Comparison of shoulder range of motion quantified with mobile phone video-based skeletal tracking and 3D motion capture—preliminary study. Sensors (Basel). 2024;24(2):534. doi.org/10.3390/s24020534
  8. Turner JA, Reiche ET, Hartshorne MT, Lee CC, Blodgett JM, Padua DA. Open source, open science: development of OpenLESS as the automated Landing Error Scoring System. J Athl Train. 2025;60(8):590–599. doi.org/10.4085/1062-6050-0666.24
  9. Janisch L, Maack LM, Fohrmann D, Marques CJ. Assessment of dynamic knee angle deviations in the frontal plane in physiotherapy clinical practice: intra- and inter-rater reliability of an application and agreement with two AI-models. BMC Musculoskelet Disord. 2026;27(1):407. doi.org/10.1186/s12891-026-09958-9
  10. Farhan M, Wang JZ, Warncke R, Cheng TL, Burns J. Comparison of accuracy and speed between plaster casting, high-cost and low-cost 3D scanners to capture foot, ankle and lower leg morphology of children requiring ankle-foot orthoses. J Foot Ankle Res. 2024;17(3):e70006. doi.org/10.1002/jfa2.70006
  11. McLean SG, Walker K, Ford KR, Myer GD, Hewett TE, van den Bogert AJ. Evaluation of a two dimensional analysis method as a screening and evaluation tool for anterior cruciate ligament injury. Br J Sports Med. 2005;39(6):355–362. doi.org/10.1136/bjsm.2005.018598
  12. Baldinger M, Reimer LM, Senner V. Influence of the camera viewing angle on OpenPose validity in motion analysis. Sensors (Basel). 2025;25(3):799. doi.org/10.3390/s25030799

Contenu informatif destiné aux professionnels de santé. Il ne remplace ni l’évaluation clinique ni la lecture des études originales.