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 par un échantillonnage à haute densité sur 45 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 paires de parcelles à la même densité placent l’estimation moyenne du changement de stock à moins d’une tonne de C par hectare de la valeur vraie, dans 83 simulations sur 100. Potash et al. (2025) ont démontré, sur le plan économique, qu’échantillonner seulement 10 % environ des parcelles d’un projet qui en compte plusieurs milliers, avec un rééchantillonnage apparié, offre un retour compétitif sur l’investissement total du projet en moins de cinq ans, à condition que les taux d’accumulation rapportés dans la littérature se vérifient sur des fermes commerciales2. 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 et en prairies tempérées, Poeplau et ses collègues ont documenté des erreurs absolues moyennes, à l’échelle de la placette, de 5,1 et 7,6 tonnes de C par hectare sur 0–30 cm (7,5 et 8,5 % du stock) même en rééchantillonnant le même profil avec un décalage de position minimal, et ont constaté que la dépendance spatiale est faible3. Cette faible dépendance spatiale limite l’apport de la stratification dans des parcelles relativement uniformes. 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. Les données tempérées en donnent l’ordre de grandeur : sur cinq sites d’agroforesterie silvoarable en France, l’accumulation moyenne de COS dans les 30 premiers centimètres a atteint 0,24 tonne par hectare et par an, avec une amplitude entre sites de 0,09 à 0,465. 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 réduit le nombre d’échantillons nécessaires pour une précision cible, mais moins que ne le suggèrent les plaquettes commerciales. L’allocation de Neyman dimensionne chaque strate selon sa propre variance plutôt que selon sa surface, et devrait faire mieux que l’allocation proportionnelle à la surface employée dans la plupart des essais de terrain publiés7. Sur huit parcelles commerciales du Midwest, une stratification fondée sur des covariables de télédétection, de topographie et de cartographie des sols a réduit la taille d’échantillon requise de 17 % en moyenne, avec un intervalle à 95 % de 11 à 23 %8. Le gain dépend de la capacité des strates à réellement capter la variance : là où les covariables expliquaient peu de la variation intra-parcellaire, Potash et ses collègues l’ont trouvé modeste, sous les 5 % sur le site le plus défavorable, et là où elles en expliquaient l’essentiel, l’économie atteignait environ 45 %8. 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 versant4 et, sur des intervalles appariés de 15 ans, des gains de COS qui varient d’un facteur trois à quatre entre classes d’âge, de 13,7 à 46,9 tonnes de C par hectare sur 0–60 cm9.
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, la rentabilité même de la mesure dépend de la taille du projet, et le seuil se situe bien plus haut que ne le supposent la plupart des programmes. Pour un effet moyen du traitement de 0,3 tonne de C par hectare et par an, Potash et ses collègues ne jugent la mesure suivie d’un rééchantillonnage économiquement viable qu’au-delà d’environ 5 000 parcelles à 40 dollars la tonne ; 250 parcelles exigent un prix de 100 dollars, et 100 parcelles au moins 2002. Le constat structurel est distinct, et mieux établi : un rééchantillonnage apparié à l’échelle du projet sur de nombreuses fermes vaut mieux qu’un effort héroïque sur une seule. 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, alors que 30 paires de parcelles échantillonnées à 1,2 hectare par échantillon retrouvent la moyenne du projet à moins d’une tonne de C par hectare près dans 83 simulations sur 1001. Cette conception est défendable, mais elle coûte plusieurs fois l’effort de carottage ferme par ferme, et non le même. 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) ont mesuré, dans l’agroforesterie cacaoyère ghanéenne, des gains de COS à 20–60 cm supérieurs à ceux de l’horizon de surface sur chacun des intervalles appariés de 15 ans : 34,9 contre 8,5 tonnes de C par hectare pour la paire la plus jeune, et 40,3 contre 6,6 pour la plus ancienne9. Une conception limitée à 0–30 cm en manque l’essentiel : sur les tranches de profondeur retenues par l’article, environ 60 % du gain sur 0–60 cm se situe sous 30 cm. Raffeld et al. (2024) parviennent à la même conclusion pour les grandes cultures annuelles, où l’échantillonnage jusqu’à 60 cm en plusieurs tranches constitue leur pratique recommandée, et notent que les systèmes pérennes et agroforestiers à enracinement profond peuvent devoir être échantillonnés plus profondément encore10. 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 sous-estime le changement de stock d’environ 17 % pour une baisse réaliste de la densité apparente, de 1,5 à 1,1 gramme par centimètre cube, et que dans leur exemple chiffré elle en inverse complètement le signe, lisant un gain réel de 14,8 % comme une perte de 16,2 %11. 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 ont depuis montré à quel point les comparaisons fondées sur la profondeur dérivent dès que la densité apparente change13. Raffeld et ses collègues y ont mis des chiffres de terrain dans deux essais de longue durée, où la densité apparente a évolué sous semis direct et après amendement organique, et où la comptabilité à profondeur fixe a inversé le signe du changement de stock10. 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. Sur un essai de pâturage du sud du Queensland, le COS a augmenté de 7,7 tonnes de C par hectare sur 0–100 cm en 2,5 années humides, soit 3,1 tonnes par hectare et par an, et la moitié du gain sur 0–30 cm avait disparu une fois les précipitations revenues à la normale. Ce taux représente cinq fois le plafond réaliste de 0,6 tonne par hectare et par an que les auteurs retiennent sur 25 ans pour les terres de pâturage australiennes, et dix fois leur scénario intermédiaire de 0,36. 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 une estimation quantitative de l’incertitude et un intervalle de confiance pour chaque absorption déclarée, et impose que les absorptions sur terres agricoles productives reposent sur des données empiriques propres aux réservoirs de carbone, avec un rééchantillonnage par des méthodes cohérentes au moins tous les cinq ans16. L’estimation peut venir de la mesure, d’un modèle calibré ou d’un hybride des deux, mais les données de terrain qui la sous-tendent ne sont pas facultatives. 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 télédétection de proximité a changé l’arithmétique. Ramírez et ses collègues ont chiffré un dispositif FT-IR face à la combustion sèche pour un projet en prairie de 400 à 1 000 échantillons, et rapportent un débit passant de 4 à 12 échantillons par heure et un coût par échantillon divisé par environ 2,5, la maintenance annuelle de l’instrument jouant en sens inverse17. Hutengs et ses collègues montrent que des instruments portables VisNIR et moyen infrarouge peuvent être calibrés pour des sols en conditions de terrain une fois écartés les effets de l’humidité et de la granulométrie, ce qui rend réaliste le balayage au champ plutôt qu’au laboratoire18. 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 a réduit le nombre d’échantillons de 17 % en moyenne sur huit parcelles du Midwest, et d’environ 45 % là où les covariables prédisaient bien le stock, mais le plancher de 15 par strate de la VM0042 peut effacer le gain 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 landuse change and topography on the quantity and distribution of soil organic carbon stocks on Acrisol catenas in tropical small-scale 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: an assessment in grassland soils. 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 PLFA-derived soil microbial properties through 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.