> ## Documentation Index
> Fetch the complete documentation index at: https://avala.ai/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# Expériences de capacité

> L'enregistrement qui relie une défaillance du modèle à une hypothèse, aux données collectées pour elle et au résultat mesuré

Une expérience de capacité est un tour de la [boucle de fleet learning](/docs/fr/fleet-learning/overview.md), mis par écrit. Elle part d'une défaillance que votre modèle montre sur une version précise du modèle. Elle formule une hypothèse sur les données qui la corrigeront. Elle se termine par un résultat mesuré et une décision sur l'allocation suivante.

Avala ouvre une expérience de capacité pour chaque condition de défaillance d'un [rapport d'écarts](/docs/fr/fleet-learning/failure-ingestion.md). Avala tient l'enregistrement à jour pendant la collecte, la release et la réévaluation. Vous le recevez avec chaque [rapport de capacités](/docs/fr/fleet-learning/evaluation.md).

## Champs

| Champ | Contenu |
| - | - |
| `model_version` | La version du modèle qui a montré la défaillance. Vous fournissez cet identifiant. |
| `failure_condition` | La défaillance et les conditions où elle apparaît, tirées de la taxonomie des défaillances. `mistake_type` et `failure_stage` utilisent les mêmes libellés que les [étiquettes de résultat](/docs/fr/fleet-learning/sequence-metadata.md) des séquences en échec. |
| `hypothesis` | Un énoncé testable : quelles données doivent changer quelle métrique, et dans quel sens. |
| `coverage_cells` | Les [cellules de couverture](/docs/fr/fleet-learning/coverage.md) que l'expérience cible. |
| `capture_campaign` | La campagne de capture qui collecte les données. |
| `dataset_release` | La release de jeu de données versionnée qui contient les nouvelles séquences. |
| `evaluation_cohort` | Les [scènes d'évaluation](/docs/fr/fleet-learning/evaluation.md) mises de côté qui servent à mesurer le résultat. Leurs séquences portent `evaluation_membership: "held_out_eval"`. |
| `outcome` | Le résultat mesuré sur la cohorte d'évaluation pour chaque version du modèle, avec intervalles de confiance. |
| `next_allocation` | Ce que le cycle suivant collecte, et pourquoi. |

## Exemple d'enregistrement

```json theme={null}
{
  "experiment_id": "cx_dishwasher_rack_regrasp",
  "status": "validating",
  "model_version": "your-policy@2026-09-20",
  "failure_condition": {
    "mistake_type": "slip_during_place",
    "failure_stage": "place",
    "taxonomy_version": "3",
    "conditions": ["lower_rack_pulled_out", "wet_ceramic", "rack_obstacle_present"]
  },
  "hypothesis": "Adding expert sequences with slip and recovery on lower dishwasher racks raises success on the rack-loading cohort and lowers the intervention rate.",
  "coverage_cells": [
    {
      "environment": "kitchen",
      "mechanism": "dishwasher_pull_rack",
      "material": "ceramic_wet",
      "interaction_primitive": "place",
      "failure_mode": "regrasp_after_slip",
      "embodiment": "human_egocentric"
    }
  ],
  "capture_campaign": { "project_uid": "<project-uid>" },
  "dataset_release": { "dataset": "your-org/kitchen-manipulation", "release": "r4" },
  "evaluation_cohort": { "cohort_id": "eval_kitchen_racks", "version": "2" },
  "outcome": null,
  "next_allocation": null
}
```

`outcome` et `next_allocation` restent vides jusqu'à ce qu'Avala réévalue la version suivante du modèle.

## Liens entre l'enregistrement et les objets existants

Une expérience de capacité contient des références. Chaque champ pointe vers un objet que vous pouvez déjà ouvrir dans Mission Control, l'API, les SDKs et le serveur MCP.

| Champ de l'expérience | Objet existant | Où le lire |
| - | - | - |
| `failure_condition` | Les [enregistrements de flotte](/docs/visualization/fleet/fleet-dashboard.md) et les [événements de flotte](/docs/visualization/fleet/events-and-markers.md) qui montrent la défaillance, et les étiquettes de résultat des séquences en échec | `client.fleet.recordings.get(...)`, `client.fleet.events.list(recording_id=...)`, `client.sequence_outcomes.list(owner, slug, outcome=...)`, MCP `fleet_get_recording`, `fleet_list_events`, `list_sequence_outcomes` |
| `capture_campaign` | Un [projet](/docs/fr/getting-started/concepts.md) qui exécute la campagne de capture | `client.projects.get(uid)`, MCP `list_capture_campaigns`, `get_campaign_acceptance_summary` |
| `coverage_cells` | La couverture d'acceptation du projet de campagne | MCP `get_campaign_acceptance_coverage` |
| `dataset_release` | Un [jeu de données](/docs/fr/getting-started/concepts.md) et ses [slices](/docs/api-reference/slices.md) | `client.datasets.get_by_slug(owner, slug)`, `client.slices.get(owner, slug)`, MCP `get_dataset`, `get_slice` |
| `evaluation_cohort` | Une slice de scènes d'évaluation mises de côté, tenue à l'écart de toute release d'entraînement | `client.slices.get(owner, slug)`, `client.sequence_outcomes.list(owner, slug, evaluation_membership="held_out_eval")`, MCP `get_slice`, `list_sequence_outcomes` |

La voie défaillance et récupération et chaque cohorte d'évaluation sont livrées sous forme de slices. Vous pouvez lister leurs éléments avec `client.slices.list_items(owner, slug)`.

## Cycle de vie

| Statut | Signification |
| - | - |
| `proposed` | Avala a rédigé l'hypothèse et les cellules de couverture cibles à partir du rapport d'écarts. |
| `approved` | Vous avez approuvé le brief. La campagne de capture est ouverte. |
| `collecting` | Les séquences sont capturées, révisées et acceptées. |
| `released` | La release de jeu de données est publiée. Vous entraînez votre modèle dessus. |
| `validating` | Avala note la nouvelle version du modèle sur la cohorte d'évaluation. |
| `closed` | Le résultat est enregistré et l'allocation suivante est fixée. |

Une expérience clôturée reste dans le registre. L'expérience suivante sur la même condition de défaillance renvoie vers elle, ce qui vous permet de suivre une capacité d'une version du modèle à l'autre.