L'utilisation de moyens informatisés de traitement et d'analyse repose sur la mise en œuvre de nouvelles méthodes. Mais la compréhension du résultat, et en particulier des "effets de bord" de certaines méthodes numériques, nécessite d'en connaître au moins le principe. Ceci est particulièrement vrai pour des méthodes de calcul telles que la dérivation numérique et la "résolution" des équations différentielles. Aussi, et bien que la littérature soit abondante sur ces sujets, nous avons inclus dans ce site des éléments d'information sur les "outils numériques de base".

Les limites scientifiques dans ce type d'activités sont in fine celles résultant des erreurs ou des incertitudes. Si la détection et la correction d'erreurs systématique peuvent être facile à comprendre, si ce n'est à faire, la prise en compte des incertitudes dues aux "erreurs" aléatoires est plus délicate. Les moindres carrés, par exemple, contiennent en eux-mêmes la nécessité de quantifier ces incertitudes. Les notions de moyenne et d'écart type sont évidemment essentielles pour pouvoir fournir un résultat scientifique, c'est-à-dire muni d'une incertitude relative à un taux de confiance donné. Nous avons tenté précisément, à propos du traitement statistique des incertitudes, d'amener à cette prise en compte et à ces concepts à partir de questions simples sur l'utilisation des moindres carrés. Ceci conduit alors naturellement à la considération de notions finalement naturelles comme le coefficient de Student ou la méthode de khi-deux. Si l'on veut résumer ici notre pensée, nous pouvons dire que la représentation de mesures expérimentales par une relation mathématique n'est pas seulement la modélisation de la relation entre ces grandeurs, c'est aussi celle des incertitudes expérimentales.