Tendances de Qualité des Séances
Aussi appelé : État d'entraînement, Tendance de préparation
Une évaluation composite de votre trajectoire d'entraînement basée sur les tendances de delta d'effort et d'adhérence sur vos 6 dernières séances complétées.
Formule
Régression linéaire sur les deltas d'effort (pente > 0,05 = « en hausse », < -0,05 = « sous-engagement ») combinée à la tendance d'adhérence (pente > 0,02 = « en amélioration », < -0,02 = « en déclin »). État global : en amélioration / stable / à risque / données insuffisantes.Exemple
Tendance effort : stable. Tendance adhérence : en amélioration. État global : « En amélioration » — vous devenez plus régulier tout en restant dans l'intensité prescrite.
Comment Afitpilot l'utilise
Les tendances de qualité apparaissent dans les tableaux de bord coach et alimentent la génération hebdomadaire du plan par l'IA. Un état « à risque » (effort en hausse + adhérence en baisse) peut déclencher une recommandation de deload ou un ajustement de plan.
Ce que chaque état de qualité signifie pour vous
| Qui / Contexte | Valeur | Note |
|---|---|---|
| En amélioration | Plus régulier + effort dans la cible | Trajectoire idéale — continuez |
| Stable | Ça roule | Aucune action nécessaire |
| À risque | Effort en hausse + adhérence en baisse | Pattern classique pré-burnout — envisagez un deload |
| Données insuffisantes | < 2 séances complétées | Continuez à enregistrer — les tendances ont besoin de données |
| Équivalent coureur | ACWR > 1,3 = risque de blessure | Même concept, calcul différent |
Limites connues
- •Nécessite un minimum de 2 séances complétées pour toute tendance, et la régression est plus significative avec 4-6 points. En début de programme, la tendance n'est pas fiable.
- •Les seuils de pente de régression sont statiques (0,05 pour l'effort, 0,02 pour l'adhérence) et non individualisés. Les athlètes avec une variance naturellement plus élevée peuvent déclencher de fausses alertes « à risque ».
- •L'état global est une classification basée sur des règles simples, pas un modèle de machine learning. Il capture les patterns courants mais peut manquer des scénarios nuancés.
Ce que nous améliorons
Science Context
Le suivi des tendances de charge d'entraînement est une pratique bien établie en science du sport. Le ratio charge aiguë:chronique (ACWR) est une approche plus sophistiquée utilisée dans les sports collectifs ; notre analyse de tendances en est une version simplifiée appliquée aux métriques de séance.