Une équipe développement durable nous appelle au sujet d’un état de référence du carbone du sol, en général parce qu’un rapport d’absorptions de Scope 3 ou un programme fournisseurs a besoin d’un chiffre de départ défendable. La deuxième question est presque toujours la même : combien d’échantillons nous faudra-t-il ? C’est une question raisonnable. C’est aussi la mauvaise.
La taille d’échantillon est une conséquence, pas un point de départ. Elle résulte de quatre décisions en amont : l’échelle d’inférence (parcelle, projet ou programme), la variance du stock à cette échelle, la différence minimale détectable qui vous importe, et la confiance dont vous avez besoin. Fixez-les avant la conversation budgétaire, pas après. Les campagnes qui sautent cette étape se retrouvent en cinquième année avec des données incapables de mettre en évidence l’effet que tout le monde espérait y voir : un schéma désormais documenté empiriquement sur des dizaines de parcelles commerciales de grandes cultures1.
L’échelle d’inférence : la décision qui remodèle le budget
Avant toute formule, fixez l’échelle. Un rapport d’état de référence pour une seule ferme fournisseur est un problème de précision à l’échelle de la parcelle : vous voulez un intervalle de confiance étroit sur le stock moyen actuel. Un programme d’approvisionnement de 500 fermes revendiquant des absorptions de Scope 3 est un problème de détection de changement à l’échelle du projet : vous voulez distinguer un signal de séquestration du bruit naturel sur de nombreuses parcelles au fil du temps. Les deux problèmes ont des formules différentes, des besoins de données différents, et des budgets très différents.
Bradford et ses collègues l’ont testé empiriquement sur 45 parcelles commerciales de grandes cultures et ont constaté que la détection, parcelle par parcelle, de taux d’accumulation significatifs (environ 3 tonnes de C par hectare sur dix ans) n’est pas fiable, même à des densités d’échantillonnage de 1,2 hectare par échantillon : des gains et des pertes apparents et marqués surgissent là où aucun changement réel n’existe1. À l’échelle du projet, en revanche, 30 parcelles appariées à la même densité ont produit des estimations moyennes exactes du changement de stock environ 80 % du temps. Potash et al. (2025) ont démontré, sur le plan économique, qu’échantillonner seulement 10 % environ des parcelles d’un grand projet, avec un rééchantillonnage apparié, offre un retour compétitif sur l’investissement MRV en moins de cinq ans2. La conclusion est brutale : si votre conception suppose que chaque parcelle doit prouver individuellement sa propre séquestration, c’est la mauvaise conception.
Trois nombres qui gouvernent la taille d’échantillon
Une fois l’échelle fixée, trois paramètres statistiques gouvernent le calcul. Aucun n’est facultatif, et aucun ne peut être deviné sans en payer le prix.
Variance spatiale (σ²)
Le carbone du sol est hétérogène à toute échelle. En grandes cultures tempérées, Poeplau et ses collègues ont documenté des erreurs absolues moyennes, à l’échelle de la placette, de 5 à 8 tonnes de C par hectare (7 à 9 % du stock) même en rééchantillonnant le même profil avec un décalage de position minimal, et ont constaté que la dépendance spatiale est faible, ce qui limite l’apport de la stratification dans des parcelles relativement uniformes3. Chez les pérennes tropicales, la variance est généralement plus élevée. Pour le cacao au Ghana et en Côte d’Ivoire, les écarts-types publiés pour les stocks de COS sur 0–30 cm se regroupent autour de 10 à 14 tonnes de C par hectare4, sous l’effet de la position sur le versant, de l’architecture de l’ombrage, et de l’âge dans la chronoséquence.
Au stade de la conception, σ² est soit repris de travaux publiés comparables sur un sol et une gestion similaires (la littérature sur le COS tropical est enfin assez riche pour que le cacao, le café et le palmier à huile le permettent honnêtement), soit estimé à partir d’un pilote de 20 à 30 carottes. Ne faites pas l’impasse sur le pilote : la sensibilité du n final à σ² est quadratique.
Différence minimale détectable (DMD)
La DMD est le plus petit changement que la campagne doit distinguer du bruit. Pour un état de référence, c’est la précision de l’estimation du stock elle-même (par exemple ±3 tonnes de C par hectare à 95 % de confiance). Pour la détection de changement, c’est le plus petit changement annuel ou cumulé qui compte pour la revendication (par exemple 0,5 tonne de C par hectare et par an cumulée sur cinq ans). Diviser la DMD par deux quadruple le nombre d’échantillons ; c’est la relation la plus pénalisante de toute la conception.
Une mise en garde s’impose. Des DMD crédibles pour l’agroforesterie du cacao et du café sur un horizon de 5 à 10 ans se situent dans la fourchette de 2 à 5 tonnes de C par hectare au total, cohérente avec des taux d’accumulation méta-analytiques de 0,2 à 0,3 tonne par hectare et par an pour l’agroforesterie tempérée5. Les conceptions qui visent moins de 1 tonne par hectare de changement cumulé ne détectent pas d’effets de gestion ; elles détectent la pluie. L’émission de crédits pour du pâturage australien en 2023 a mis en évidence précisément ce mode de défaillance : environ 250 000 tonnes de crédits ont été émises en grande partie à cause d’une année humide de décile 10, non d’un changement de gestion6.
Confiance (α) et puissance (1 − β)
α est la tolérance pour un faux positif ; β pour un faux négatif. Les valeurs conventionnelles sont α = 0,05 et puissance = 0,8. Deux formules sont en usage, et elles ne sont pas interchangeables. Pour une conception en précision d’état de référence, la forme pertinente est n ≈ (zα/2 · σ / ε)², où ε est la demi-largeur de l’intervalle de confiance souhaité. Pour une conception en détection de changement appariée sur deux dates, la forme pertinente est la formule de puissance à deux échantillons ci-dessous. La présentation initiale de cet article mêlait les deux ; toutes deux figurent ici avec leurs cas d’usage appropriés.
Détection de changement n = 2 σ² × (zα/2 + zβ)² / DMD²
Pour la forme de détection de changement avec α = 0,05 et puissance = 0,8, (zα/2 + zβ)² ≈ 7,85. Dans les deux cas, la variance et la DMD dominent tout, et elles s’échangent l’une contre l’autre de façon concrète et calculable.
La stratification : le multiplicateur de variance qui, le plus souvent (mais pas toujours), est rentable
L’échantillonnage stratifié avec allocation de Neyman réduit généralement le nombre d’échantillons d’environ 15 à 35 % pour une précision cible dans les parcelles agricoles de COS, et davantage là où le contraste entre strates est marqué78, mais le gain dépend de la capacité des strates à réellement capter la variance. Dans des parcelles tempérées relativement homogènes, Poeplau et ses collègues ont trouvé un gain modeste3. Dans les paysages cacaoyers où la topographie, l’architecture de l’ombrage et la chronoséquence engendrent d’importantes différences de COS, la stratification est déterminante : Adiyah et al. (2022, 2023) montrent des effets significatifs de la position sur le versant et des différences allant jusqu’au quintuple du changement de COS entre classes d’âge49.
Une stratification défendable combine trois couches : la télédétection (signaux de canopée et de sol nu issus de Sentinel-2, avec la rétrodiffusion de Sentinel-1 là où l’humidité ou la variance structurale importent), la topographie et le drainage tirés d’un MNT, et un historique de gestion reconstitué sur la décennie précédente, aujourd’hui couramment récupérable à partir des registres des exploitants ou de séries temporelles d’images. Deux mises en garde. Premièrement, les limites de strates sont elles-mêmes une source de variance quand les covariables sont bruitées ; inspectez les moyennes par strate issues du pilote avant de figer l’allocation. Deuxièmement, la VM0042 v2.2 de Verra, approuvée par l’ICVCM au titre des Core Carbon Principles en octobre 2025, impose un minimum de 15 échantillons par strate indépendamment de ce que Neyman allouerait, et n’accepte pas encore la cartographie numérique des sols comme méthode CCP agréée. Si le projet compte générer des crédits sous VM0042 ou les futures méthodologies du CRCF de l’UE, alignez la stratification sur ces contraintes dès le premier jour.
Un exemple chiffré, ancré dans des données publiées sur le cacao
Une plantation de cacao de 500 hectares dans le sud de la Côte d’Ivoire. Objectif d’état de référence : ±3 tonnes de C par hectare à 95 % de confiance sur un stock moyen de COS sur 0–30 cm d’environ 45 tonnes de C par hectare, conforme à Adiyah et al. (2022) pour le cacao de versant de l’Ashanti4. L’échantillonnage pilote (25 carottes) donne σ ≈ 11 tonnes de C par hectare, cohérent avec la littérature publiée plutôt qu’avec une valeur supposée.
Stratifié en trois zones de gestion (jeune replantation, peuplement mûr, rénovation récente) avec des σ intra-strate de 7, 8 et 9 tonnes par hectare, l’allocation de Neyman ramène le besoin à environ 28 à 30 carottes, soit une économie d’environ 45 %. Si le minimum de 15 échantillons par strate de la VM0042 v2.2 s’applique, le compte remonte à 45, effaçant pour l’essentiel le gain de la stratification à cette taille de ferme. C’est une tension bien réelle que les praticiens devraient affronter explicitement plutôt que de l’escamoter.
Pour la détection de changement à 0,5 tonne de C par hectare et par an sur cinq ans, la structure économiquement viable est un rééchantillonnage apparié à l’échelle du projet sur 10 à 30 fermes reliées, et non un effort héroïque sur une seule2. Les résultats de Bradford l’explicitent : vouloir à tout prix une détection ferme par ferme avec 60 à 100 carottes appariées par date produira quand même des estimations peu fiables ferme par ferme, là où le même budget redistribué sur 30 fermes à l’échelle du projet produit une accumulation moyenne défendable1. C’est le changement de cadrage que la littérature de 2023–2025 a imposé à la conception MRV.
Deux améliorations de la chaîne de mesure qui remodèlent l’économie
Premièrement, échantillonnez jusqu’à 0–60 cm en au moins trois tranches (0–10, 10–30, 30–60). Adiyah et al. (2023) montrent que dans l’agroforesterie cacaoyère de plus de 18 ans environ, les gains de COS à 20–60 cm dépassent ceux de l’horizon de surface et sont invisibles à une conception limitée à 0–30 cm9. Raffeld et al. (2024) généralisent la mise en garde à l’ensemble des grandes cultures et des systèmes pérennes10. Pour les pérennes à enracinement profond, l’échantillonnage du sous-sol n’est plus facultatif.
Deuxièmement, utilisez la masse de sol équivalente (ESM), et non une profondeur fixe, pour les calculs de changement de stock. Fowler et ses collègues montrent que la comptabilité à profondeur fixe biaise les estimations de changement de stock d’environ 15 à 20 % pour des variations réalistes de densité apparente, et peut produire d’importants gains ou pertes fictifs à l’échelle de la parcelle11. La correction par masse équivalente n’est elle-même pas nouvelle. Ellert et Bettany l’ont formulée il y a trois décennies12, et von Haden et ses collègues, aux côtés de Raffeld et ses collègues, ont depuis montré à quel point les comparaisons fondées sur la profondeur induisent en erreur lorsque la densité apparente évolue systématiquement sous travail du sol réduit ou après amendement organique1310. Le futur Soil Sampling and Analysis Handbook de la VM0042 v3.0 de Verra (en consultation publique jusqu’en mars 2026) fait de l’ESM la règle par défaut. Un article (ou un projet) de 2026 qui ignore l’ESM est un signal d’alerte quant à sa crédibilité.
Contrefactuels et confusion climatique : pourquoi les témoins ne sont pas négociables
Une conception de détection de changement sans contrefactuel ne mesure pas la gestion, elle mesure la météo. Les années humides peuvent déplacer le COS mesuré de 2 à 8 tonnes par hectare sur une période de mesure, soit trois à dix fois l’accumulation réaliste induite par la gestion6. Toute campagne de détection de changement crédible a donc besoin soit d’un témoin co-localisé (parcelles appariées sous gestion de référence, échantillonnées aux mêmes dates), soit d’une normalisation climatique explicite au moyen d’un modèle biogéochimique calibré localement. Un vérificateur tiers en 2026 demandera lequel des deux le projet a employé. « Ni l’un ni l’autre » n’est pas une réponse qui tient.
Ce que le paysage MRV de 2026 exige réellement
Trois cadres traduisent désormais les principes généraux de la mesure, de la déclaration et de la vérification du carbone du sol15 en règles que toute campagne sérieuse sur le COS doit suivre. Verra VM0042 v2.2, approuvée par l’ICVCM au titre des Core Carbon Principles en octobre 2025, précise les règles de stratification, le nombre minimal d’échantillons par strate, les déductions pour incertitude et la comptabilité fondée sur l’ESM ; la v3.0 accompagnée du Soil Sampling and Analysis Handbook est attendue courant 2026. Le règlement UE 2024/3012 (CRCF) est entré en vigueur en décembre 2024 ; les méthodologies de certification de l’agriculture du carbone arrivent tout au long de 2026, avec les critères QU.A.L.ITY (quantification, additionnalité, stockage de longue durée, durabilité) qui façonneront la manière dont les revendications à destination de l’UE seront auditées. Le GHG Protocol Land Sector and Removals Standard prend effet le 1er janvier 2027, exige un reporting quantitatif de l’incertitude, et impose des données empiriques (fondées sur la mesure) pour les absorptions agricoles productives dans les inventaires de Scope 316. Le SBTi FLAG s’aligne sur ces cadres.
Concevez la campagne selon la norme sur laquelle l’acheteur sera audité, non selon celle qui est la plus familière au laboratoire de sol.
Le mot de la fin
La bonne taille d’échantillon est celle qui fait survivre la revendication à l’examen auquel elle est réellement soumise. Pour un état de référence sur une seule ferme cacaoyère avec un σ réaliste, c’est typiquement 30 à 60 carottes avec une stratification correcte, une profondeur de 0–60 cm et une comptabilité en ESM. Pour une revendication de séquestration crédible sur plusieurs années, c’est une conception appariée à l’échelle du projet sur de nombreuses fermes, et non un effort héroïque sur une seule. La révolution de la télédétection de proximité de ces quatre dernières années a réduit le coût par échantillon de plusieurs fois et fortement augmenté le débit17, grâce au moyen infrarouge et au VisNIR avec des calibrations régionales ou globales18. Cette économie devrait servir à financer davantage d’échantillons, des profils plus profonds et plus de fermes, et non à obtenir le même vieux chiffre à moindre coût.
Points clés
Fixez d’abord l’échelle d’inférence. La détection de changement à l’échelle de la parcelle n’est pas fiable pour des taux de séquestration réalistes ; les conceptions appariées à l’échelle du projet sont la structure viable.
La taille d’échantillon découle de l’échelle, de la variance, de la différence minimale détectable et de la confiance. L’estimation de σ à partir d’un pilote n’est pas négociable.
La stratification réduit généralement le nombre d’échantillons d’environ 15 à 35 %, mais le gain est moindre dans les parcelles homogènes, et le plancher de 15 par strate de la VM0042 peut l’effacer sur les petites fermes.
Échantillonnez jusqu’à 0–60 cm et utilisez l’ESM. Les conceptions à profondeur fixe sur 0–30 cm manquent le signal du sous-sol et ne résistent plus à la vérification.
Une campagne de détection de changement sans contrefactuel ni normalisation climatique mesure les précipitations, pas la gestion.
Concevez selon la norme sur laquelle l’acheteur sera audité : la VM0042 v2.2/3.0, le CRCF de l’UE et le GHG Protocol Land Sector and Removals Standard définissent désormais ce qu’est une conception défendable.
Références
- 1.Bradford, M.A. et al. (2023). Testing the feasibility of quantifying change in agricultural soil carbon stocks through empirical sampling. Geoderma, 440, 116719. doi:10.1016/j.geoderma.2023.116719
- 2.Potash, E. et al. (2025). Measure-and-remeasure as an economically feasible approach to crediting soil organic carbon at scale. Environmental Research Letters, 20(2), 024025. doi:10.1088/1748-9326/ada16c
- 3.Poeplau, C., Prietz, R. & Don, A. (2022). Plot-scale variability of organic carbon in temperate agricultural soils: implications for soil monitoring. Journal of Plant Nutrition and Soil Science, 185(3), 403–416. doi:10.1002/jpln.202100393
- 4.Adiyah, F. et al. (2022). Effects of land-use change and topography on soil organic carbon stocks on Acrisol catenas in shade cocoa systems of the Ashanti region of Ghana. CATENA, 216, 106366. doi:10.1016/j.catena.2022.106366
- 5.Cardinael, R. et al. (2017). Increased soil organic carbon stocks under agroforestry: a survey of six different sites in France. Agriculture, Ecosystems & Environment, 236, 243–255. doi:10.1016/j.agee.2016.12.011
- 6.Mitchell, E. et al. (2024). Making soil carbon credits work for climate change mitigation. Carbon Management, 15(1), 2430780. doi:10.1080/17583004.2024.2430780
- 7.Cochran, W.G. (1977). Sampling Techniques (3rd ed.). John Wiley & Sons. ISBN 978-0-471-16240-7.
- 8.Potash, E., Guan, K., Margenot, A.J. et al. (2023). Multi-site evaluation of stratified and balanced sampling of soil organic carbon stocks in agricultural fields. Geoderma, 438, 116587. doi:10.1016/j.geoderma.2023.116587
- 9.Adiyah, F. et al. (2023). Soil organic carbon changes under selected agroforestry cocoa systems in Ghana. Geoderma Regional, 35, e00737. doi:10.1016/j.geodrs.2023.e00737
- 10.Raffeld, A.M. et al. (2024). The importance of accounting method and sampling depth to estimate changes in soil carbon stocks. Carbon Balance and Management, 19(1), 2. doi:10.1186/s13021-024-00249-1
- 11.Fowler, A.F. et al. (2023). A simple soil mass correction for a more accurate determination of soil carbon stock changes. Scientific Reports, 13, 2242. doi:10.1038/s41598-023-29289-2
- 12.Ellert, B.H. & Bettany, J.R. (1995). Calculation of organic matter and nutrients stored in soils under contrasting management regimes. Canadian Journal of Soil Science, 75(4), 529–538. doi:10.4141/cjss95-075
- 13.von Haden, A.C., Yang, W.H. & DeLucia, E.H. (2020). Soils' dirty little secret: depth-based comparisons can be inadequate for quantifying changes in soil organic carbon and other mineral soil properties. Global Change Biology, 26(7), 3759–3770. doi:10.1111/gcb.15124
- 14.de Gruijter, J.J., Brus, D.J., Bierkens, M.F.P. & Knotters, M. (2006). Sampling for Natural Resource Monitoring. Springer. doi:10.1007/3-540-33161-1
- 15.Smith, P. et al. (2020). How to measure, report and verify soil carbon change to realize the potential of soil carbon sequestration for atmospheric greenhouse gas removal. Global Change Biology, 26(1), 219–241. doi:10.1111/gcb.14815
- 16.GHG Protocol. (2026). Land Sector and Removals Standard (v1.1). World Resources Institute and WBCSD. Effective for inventories from 1 January 2027. Cited alongside Verra VM0042 Improved Agricultural Land Management v2.2 (ICVCM-approved, Oct. 2025) and EU Regulation 2024/3012 (CRCF, in force Dec. 2024).
- 17.Ramírez, P.B. et al. (2022). Using mid-infrared spectroscopy to optimize throughput and costs of soil organic carbon and nitrogen estimates. Environments, 9(12), 149. doi:10.3390/environments9120149
- 18.Hutengs, C. et al. (2024). Enhanced VNIR and MIR proximal sensing of soil organic matter and microbial properties via machine learning ensembles and external parameter orthogonalization. Geoderma, 450, 117037. doi:10.1016/j.geoderma.2024.117037 See also Greenberg, I. et al. (2022), Geoderma 409, 115614, and Hong, Y. et al. (2024), CATENA 235, 107628.