PCR ou PLS : Quelle méthode de régression chimiométrique choisir ?

Vous hésitez entre PCR et PLS pour calibrer vos modèles ? La question revient chaque semestre avec mes étudiants et dans les ateliers en industrie. “PCR ou PLS : Quelle méthode de régression chimiométrique choisir ?” résume très bien le dilemme. Je vous propose un guide pratique, nourri d’expériences de terrain, pour décider sereinement, gagner du temps, et sécuriser vos prédictions.

PCR ou PLS : quelle méthode de régression chimiométrique choisir ?

Les deux appartiennent à la famille de la régression multivariée et traitent des jeux de données à grand nombre de variables corrélées, typiques de la spectroscopie. La PCR construit d’abord des composantes sur X, puis régresse Y. La PLS extrait des directions directement corrélées à Y. Vous l’aurez compris : même destination, itinéraires distincts, et conséquences concrètes sur la robustesse, l’explicabilité et la performance.

Définitions express pour bien démarrer

• PCR : on réalise d’abord une analyse en composantes principales (ACP) sur X, puis une régression linéaire de Y sur les scores de l’ACP.
• PLS : on extrait des variables latentes maximisant la covariance entre X et Y, puis on projette la réponse sur ces directions. Pour des bases solides, voyez aussi l’article “régression PLS”.

Ce que chaque approche optimise

La PCR explique d’abord la variance de X, quitte à négliger une part de l’information pertinente pour Y. La PLS, elle, cherche des directions prédictives de Y dès le départ. Ce choix méthodologique influe sur le nombre de composantes retenues, la gestion de la colinéarité et la stabilité des coefficients.

Critère	PCR	PLS
Objectif	Maximiser la variance de X	Maximiser la covariance X–Y
Nombre de composantes	Parfois plus élevé	Souvent plus compact
Données bruyantes	Peut diluer l’information utile à Y	Capte mieux les directions prédictives
Interprétabilité	Facile côté structure de X	Bonnes métriques d’importance (ex. VIP)
Risque de sur-apprentissage	Lié au nombre de composantes	À surveiller via la validation croisée
Multi-réponse	Moins naturel	PLS2 très adapté

Rappels fondamentaux et différences clés

En PCR, les premières composantes traduisent la structure dominante de X : épaisseur, variation de ligne de base, intensités globales. Si ces tendances n’expliquent pas Y, il faut monter en rang de composantes, au risque d’amener du bruit. En PLS, les facteurs sont façonnés pour porter la relation X→Y ; on gagne souvent en parcimonie et en pertinence, surtout lorsque la réponse est faible ou noyée.

Là où la PCR excelle pour explorer la structure des prédicteurs, la PLS donne souvent de meilleures premières prédictions. Je garde la PCR pour des problématiques pédagogiques, l’exploration des scores et loadings, ou quand X structure le problème à lui seul. J’opte pour la PLS quand chaque échantillon compte et que la variance expliquée de Y doit grimper vite et proprement.

Critères de choix selon vos données et vos objectifs

• Bruit et dérives : si vos spectres sont agités, la PLS filtre naturellement ce qui parle à Y. La PCR exige davantage de composantes pour rattraper la relation.
• Nombre de variables vs échantillons : avec p ≫ n, les deux méthodes s’en sortent, mais la PLS reste plus frugale en facteurs utiles.
• Contraintes d’explicabilité : PCR pour raconter X, PLS pour raconter Y, avec des outils comme les VIP et les poids de régression.
• Plusieurs réponses : PLS2 s’impose quand on modélise simultanément plusieurs analytes corrélés.
• Stabilité en production : la PLS se montre souvent plus résiliente si les conditions varient légèrement.

Deux signaux faibles que je regarde toujours : stabilité des coefficients entre plis de validation croisée et reproductibilité de la sélection du nombre de composantes. Une méthode gagnante ne vacille pas d’un tirage à l’autre.

Protocoles pratiques de modélisation et de validation

Pipeline recommandé

• Nettoyage et prétraitements spectraux cohérents (SNV, dérivées Savitzky–Golay, correction de ligne de base). Uniformisez ce qui doit l’être, ne touchez pas à ce qui porte l’information analytique.
• Segmentation des jeux de données : calibration, test externe. Conservez un vrai “jeu vierge” pour estimer la RMSEP.
• Choix du nombre de facteurs par validation croisée stratifiée. J’utilise la règle du “minimum + 1 écart-type” sur la RMSECV pour rester conservateur.
• Contrôles qualité : résidus, influence, leverage, cohérence des composantes. Surveillez la dérive des coefficients au fil des plis.

Métriques à suivre

• Performance : RMSECV, RMSEP, R², Q². Comparez toujours CV et test externe.
• Complexité : nombre de facteurs retenus, ratio échantillons/facteurs.
• Robustesse : stabilité des effets, sensibilité aux valeurs extrêmes, diagnostics de sur-apprentissage.

Une habitude qui m’a sauvé plus d’une fois : recalculer les prédictions après avoir retiré 5 à 10 % d’échantillons clés et vérifier l’impact sur la pente et l’ordonnée à l’origine. Si la relation s’effondre, le modèle n’est pas prêt pour l’atelier.

Exemples concrets du laboratoire

Humidité par NIR sur des poudres pharmaceutiques

Base calibrée sur 180 échantillons, spectres 1100–2500 nm, dérivée première et SNV. En PCR, 10 composantes nécessaires pour décrocher une bonne Q². En PLS, 6 facteurs suffisent pour atteindre la même précision, avec des bandes OH attendues mises en avant par les loadings. Choix : PLS, moins de paramètres à maintenir et meilleure généralisation sur lots pilotes.

Fermentation et suivi de sucres par Raman

Signal faiblement corrélé au bruit de fluorescence. PCR peine à stabiliser la pente au-delà de 8 composantes. La PLS met en lumière en 4 facteurs les vibrations caractéristiques des sucres ciblés, tout en conservant une variance expliquée de Y élevée sur validation externe. Décision immédiate : PLS.

Dosage d’un additif dans un polymère par MIR

Région spectrale propre, relation quasi linéaire et très haut rapport signal/bruit. PCR, 3 composantes, délivre une précision équivalente à la PLS et offre une lecture didactique des structures de X. Pour l’équipe formulation, c’est un plus pédagogique appréciable. Verdict : PCR.

Pièges courants et bonnes pratiques

• Prétraiter à l’aveugle : évitez l’empilement de filtres sans justification. Testez un à un, documentez l’impact.
• Choisir trop de facteurs : la courbe de RMSECV qui remonte est un signal clair. Arrêtez avant la zone de biais-variance défavorable.
• Fuite d’information : normaliser séparément calibration et test, sinon vos résultats seront trop optimistes.
• Ignorer les valeurs atypiques : un seul échantillon influent peut inverser des coefficients. Inspectez leverage et T².
• Confondre interprétation et causalité : des coefficients élevés ne prouvent pas une relation physico-chimique. Croisez avec l’expertise métier.

Interpréter et raconter vos modèles

Avec la PCR, je commente d’abord la structure de X via les scores et loadings : segments spectraux dominants, phénomènes physiques plausibles, zones à risque. Avec la PLS, j’expose l’importance des variables via les VIP et la stabilité des coefficients. Dans les deux cas, je fournis des intervalles d’incertitude et des prédictions sur échantillons aveugles, car c’est ce qui parle aux équipes qualité.

Sur un comité de pilotage, trois slides suffisent : objectifs analytiques, protocole de validation croisée et test externe, puis matrice de performance (R², RMSECV, RMSEP) assortie du nombre de facteurs. La clarté vaut mieux qu’un feu d’artifice de graphiques.

Derniers repères pour trancher sans regret

• Relations faibles, peu d’échantillons, besoin rapide de prédiction fiable : penchez vers PLS.
• Structure de X intéressante à documenter, signal propre, objectif pédagogique : la PCR est souveraine.
• Multi-analytes corrélés : PLS2 vous simplifiera la vie.
• Temps de maintenance limité et parcimonie recherchée : avantage PLS, sous réserve d’un protocole de validation solide.

En résumé, les deux approches sont d’excellents outils, chacune avec sa personnalité. J’encourage mes équipes à prototyper les deux, avec le même pipeline de prétraitements spectraux et de validation croisée, puis à décider sur pièces : performance externe, stabilité des coefficients, lisibilité pour les opérationnels. Et si la curiosité vous titille, revisitez les fondations de l’ACP pour la PCR, ou perfectionnez votre pratique de la PLS selon vos cas d’usage. À vous de jouer, vos échantillons ont sûrement déjà la réponse.