Qualité des données de capteurs selon les mesures reçues et invalides

Un réseau de capteurs peut sembler actif tout en fournissant trop peu de données exploitables. Certaines mesures ne sont jamais reçues, d’autres sont dupliquées, incomplètes ou rejetées après un contrôle. Distinguer la couverture de collecte de la validité des mesures permet de savoir si une alerte ou une analyse repose sur un jeu de données suffisamment complet. Ce calculateur propose trois indicateurs complémentaires et les compare à un objectif de qualité facultatif.

Les données à renseigner

Indiquez le nombre de mesures attendues sur la période. Il correspond au nombre de capteurs multiplié par leur fréquence prévue, en tenant compte des jours de fonctionnement. Utilisez un compteur de messages ou de mesures, mais ne mélangez pas les deux unités. Si une sonde transmet plusieurs variables dans un même message, décidez à l’avance si vous comptez le message ou chaque variable et gardez la même règle pour les périodes comparées.

Renseignez ensuite le nombre de mesures reçues. Il inclut les données arrivées dans le système, même si certaines seront ensuite écartées. La différence entre les mesures attendues et reçues donne une première indication sur les coupures, les pertes de réseau, les batteries faibles ou les capteurs arrêtés. Une mesure reçue en retard peut être comptée comme reçue, mais son effet sur une alerte dépendra de l’usage prévu.

La troisième donnée est le nombre de mesures invalides parmi celles reçues. Comptez les valeurs rejetées pour un format incorrect, une absence de valeur, une plage impossible ou un défaut identifié par votre contrôle. Ne comptez pas comme invalides les mesures simplement inhabituelles si elles ont été vérifiées et conservées. La qualité du résultat dépend de la règle de validation utilisée avant la saisie.

L’option de seuil cible

Le seuil cible de qualité est facultatif et vaut 90 % par défaut. Il sert à calculer l’écart entre la qualité globale observée et le niveau que vous souhaitez atteindre pour l’usage étudié. Laissez 90 % pour un premier diagnostic ou modifiez-le si votre protocole prévoit une autre exigence. Ce seuil n’est pas une norme universelle : une alerte de gel, un bilan de campagne et une visualisation exploratoire peuvent tolérer des niveaux différents.

Les résultats affichés

Le taux de couverture rapporte les mesures reçues aux mesures attendues. Il indique si le réseau a transmis les données prévues, sans dire si elles sont toutes utilisables. Le nombre de mesures valides retire les mesures invalides du total reçu. Le taux de validité décrit la qualité des mesures effectivement arrivées. Enfin, la qualité globale rapporte les mesures valides aux mesures attendues ; elle combine donc les pertes de transmission et les rejets.

L’écart au seuil cible est positif lorsque la qualité globale dépasse votre objectif et négatif lorsqu’elle reste en dessous. Par exemple, si 10 000 mesures sont attendues, que 9 600 sont reçues et que 120 sont invalides, 9 480 mesures sont valides. La couverture est de 96 %, la validité des mesures reçues de 98,75 % et la qualité globale de 94,8 %. Avec une cible de 90 %, l’écart est de 4,8 points.

Interpréter un résultat faible

Une couverture basse oriente plutôt vers un problème d’alimentation, de communication, de fréquence ou d’arrêt de capteur. Une couverture correcte accompagnée d’un taux de validité faible suggère davantage un problème de calibration, de format ou de contrôle des valeurs. Ces indicateurs ne donnent pas automatiquement la cause, mais ils permettent de choisir la première vérification et d’éviter de traiter toutes les anomalies de la même façon.

Comparez les résultats par capteur, par parcelle et par période. Une moyenne globale peut cacher une balise qui ne transmet presque plus rien. Pour une alerte agronomique, regardez aussi la continuité temporelle : 95 % de mesures reçues ne garantit pas que les 5 % manquantes ne correspondent pas précisément à un épisode critique. Notez les maintenances, les changements de réseau et les périodes de recharge dans l’historique.

Améliorer le suivi

Définissez une règle de rejet documentée et stable. Une valeur hors plage peut signaler une panne, mais elle peut aussi correspondre à un événement réel ; le contrôle doit donc être adapté à la variable mesurée. Séparez les mesures invalides des mesures corrigées et conservez les données brutes lorsque cela est possible. Une correction automatique non tracée peut augmenter artificiellement la qualité apparente.

Le seuil cible sert à suivre une amélioration, pas à maquiller une perte de données. Si la qualité globale est sous l’objectif, cherchez d’abord si le déficit vient de la transmission ou de la validation. Une maintenance du capteur ne résoudra pas une zone sans couverture, et une modification du filtre ne réparera pas une batterie déchargée.

Hypothèses et limites

Le modèle suppose que les mesures invalides font partie des mesures reçues et que le nombre reçu ne dépasse pas le nombre attendu pour la période étudiée. Il ne vérifie pas la chronologie, les doublons ni la représentativité spatiale. Il ne mesure pas la précision métrologique d’une valeur jugée valide et ne garantit pas qu’un jeu de données soit suffisant pour une décision particulière.

Le résultat est un indicateur de qualité de collecte et de contrôle. Il ne remplace pas l’examen des journaux, des batteries, des connexions, des calibrations et des valeurs brutes. Pour une décision sensible, analysez les périodes de données manquantes plutôt que de vous limiter à une moyenne.