> Discover all available pages from the documentation index: https://mastra.zisheng.pro/fr/llms.txt

# Scorers intégrés

Mastra fournit un ensemble complet de scorers intégrés pour évaluer les sorties d’IA. Ces scorers sont optimisés pour les scénarios d’évaluation courants et sont prêts à être utilisés dans vos agents et workflows.

Pour créer vos propres scorers, consultez le guide [Scorers personnalisés](https://mastra.zisheng.pro/fr/docs/evals/custom-scorers).

## Scorers disponibles

### Exactitude et fiabilité

Ces scorers évaluent l’exactitude, la véracité et l’exhaustivité des réponses de votre agent :

- [`answer-relevancy`](https://mastra.zisheng.pro/fr/reference/evals/answer-relevancy) : évalue dans quelle mesure les réponses répondent à la requête fournie (`0-1`, plus la valeur est élevée, mieux c’est)
- [`answer-similarity`](https://mastra.zisheng.pro/fr/reference/evals/answer-similarity) : compare les sorties de l’agent aux réponses de référence pour les tests CI/CD à l’aide d’une analyse sémantique (`0-1`, plus la valeur est élevée, mieux c’est)
- [`faithfulness`](https://mastra.zisheng.pro/fr/reference/evals/faithfulness) : mesure la fidélité avec laquelle les réponses représentent le contexte fourni (`0-1`, plus la valeur est élevée, mieux c’est)
- [`hallucination`](https://mastra.zisheng.pro/fr/reference/evals/hallucination) : détecte les contradictions factuelles et les affirmations non étayées (`0-1`, plus la valeur est faible, mieux c’est)
- [`completeness`](https://mastra.zisheng.pro/fr/reference/evals/completeness) : vérifie que les réponses incluent toutes les informations nécessaires (`0-1`, plus la valeur est élevée, mieux c’est)
- [`content-similarity`](https://mastra.zisheng.pro/fr/reference/evals/content-similarity) : mesure la similarité textuelle par correspondance caractère par caractère (`0-1`, plus la valeur est élevée, mieux c’est)
- [`textual-difference`](https://mastra.zisheng.pro/fr/reference/evals/textual-difference) : mesure les différences textuelles entre des chaînes (`0-1`, une valeur plus élevée indique une plus grande similarité)
- [`tool-call-accuracy`](https://mastra.zisheng.pro/fr/reference/evals/tool-call-accuracy) : évalue si le LLM sélectionne le bon tool parmi les options disponibles (`0-1`, plus la valeur est élevée, mieux c’est)
- [`trajectory-accuracy`](https://mastra.zisheng.pro/fr/reference/evals/trajectory-accuracy) : évalue la séquence d’actions attendue pour tous les types de span. Les spans couverts incluent l’activité des tools et des modèles, ainsi que les étapes des workflows (`0-1`, plus la valeur est élevée, mieux c’est)
- [`prompt-alignment`](https://mastra.zisheng.pro/fr/reference/evals/prompt-alignment) : mesure l’alignement des réponses de l’agent avec l’intention, les exigences, l’exhaustivité et le format du prompt utilisateur (`0-1`, plus la valeur est élevée, mieux c’est)

### Qualité du contexte

Ces scorers évaluent la qualité et la pertinence du contexte utilisé pour générer des réponses :

- [`context-precision`](https://mastra.zisheng.pro/fr/reference/evals/context-precision) : utilise la précision moyenne (Mean Average Precision) pour évaluer le classement du contexte. Un contexte pertinent reçoit un score plus élevé lorsqu’il apparaît tôt (`0-1`, plus la valeur est élevée, mieux c’est)
- [`context-relevance`](https://mastra.zisheng.pro/fr/reference/evals/context-relevance) : mesure l’utilité du contexte par niveaux de pertinence et suivi d’utilisation. Il détecte également les contextes manquants (`0-1`, plus la valeur est élevée, mieux c’est)

> **Sélection d’un scorer de contexte:**
>
> - Utilisez **Context Precision** lorsque l’ordre du contexte compte et que vous avez besoin de métriques IR standard (idéal pour l’évaluation du classement RAG).
> - Utilisez **Context Relevance** lorsque vous avez besoin d’une évaluation détaillée de la pertinence et souhaitez suivre l’utilisation du contexte et identifier les lacunes.
>
> Les deux scorers de contexte prennent en charge :
>
> - **Contexte statique** : tableaux de contexte prédéfinis
> - **Extraction de contexte dynamique** : extrayez le contexte des runs avec des fonctions personnalisées (idéal pour les systèmes RAG, les bases de données vectorielles, etc.)

### Qualité des sorties

Ces scorers évaluent le respect des exigences de format, de style et de sûreté :

- [`tone-consistency`](https://mastra.zisheng.pro/fr/reference/evals/tone-consistency) : mesure la cohérence du niveau de formalité, de complexité et du style (`0-1`, plus la valeur est élevée, mieux c’est)
- [`toxicity`](https://mastra.zisheng.pro/fr/reference/evals/toxicity) : détecte les contenus nuisibles ou inappropriés (`0-1`, plus la valeur est faible, mieux c’est)
- [`bias`](https://mastra.zisheng.pro/fr/reference/evals/bias) : détecte les biais potentiels dans la sortie (`0-1`, plus la valeur est faible, mieux c’est)
- [`keyword-coverage`](https://mastra.zisheng.pro/fr/reference/evals/keyword-coverage) : évalue l’utilisation de la terminologie technique (`0-1`, plus la valeur est élevée, mieux c’est)

### Vérifications rapides

Micro-scorers sans LLM pour des assertions rapides et déterministes. Consultez le guide [Vérifications rapides](https://mastra.zisheng.pro/fr/docs/evals/quick-checks) pour les détails d’utilisation.

- [`checks.includes`](https://mastra.zisheng.pro/fr/reference/evals/checks) : attribue 1 si la sortie contient une sous-chaîne (`0` ou `1`)
- [`checks.excludes`](https://mastra.zisheng.pro/fr/reference/evals/checks) : attribue 1 si la sortie ne contient pas une sous-chaîne (`0` ou `1`)
- [`checks.equals`](https://mastra.zisheng.pro/fr/reference/evals/checks) : attribue 1 si la sortie correspond exactement à une chaîne (`0` ou `1`)
- [`checks.matches`](https://mastra.zisheng.pro/fr/reference/evals/checks) : attribue 1 si la sortie correspond à une expression régulière (`0` ou `1`)
- [`checks.similarity`](https://mastra.zisheng.pro/fr/reference/evals/checks) : similarité de chaînes via le coefficient de Dice (`0-1`, ou binaire avec un seuil)
- [`checks.calledTool`](https://mastra.zisheng.pro/fr/reference/evals/checks) : attribue 1 si un tool a été appelé au moins N fois (`0` ou `1`)
- [`checks.didNotCall`](https://mastra.zisheng.pro/fr/reference/evals/checks) : attribue 1 si un tool n’a pas été appelé (`0` ou `1`)
- [`checks.toolOrder`](https://mastra.zisheng.pro/fr/reference/evals/checks) : attribue 1 si les tools ont été appelés dans l’ordre (`0` ou `1`)
- [`checks.maxToolCalls`](https://mastra.zisheng.pro/fr/reference/evals/checks) : attribue 1 si le nombre d’appels de tools respecte la limite (`0` ou `1`)
- [`checks.usedNoTools`](https://mastra.zisheng.pro/fr/reference/evals/checks) : attribue 1 si aucun tool n’a été appelé (`0` ou `1`)
- [`checks.noToolErrors`](https://mastra.zisheng.pro/fr/reference/evals/checks) : attribue 1 si aucun appel de tool n’a produit d’erreur (`0` ou `1`)