Trois critères d’appréciation de la connexion et de la précision des évaluations génétiques sont étudiés et comparés. Le premier critère est la variance d’erreur de prédiction (PEV), le second mesure la diminution de la PEV quand les effets fixés sont connus (indice de connexion ou IC), et le troisième est un critère de précision de l’évaluation, exprimé par le coefficient de détermination généralisé (CD). Ces critères sont présentés à l’aide d’exemples simples basés sur un modèle animal. Ils se distinguent par le choix de la matrice étudiée (CD versus PEV, IC), la prisé en compte de la seule structure des données (IC versus PEV, CD), la présence d’une matrice ou d’un modèle de référence (PEV versus IC, CD), et la manière de prendre en compte les relations de parenté entre animaux (CD versus PEV). On montre comment IC favorise les situations où l’information apportée par les données est faible. Un nouvel indice de connexion, s’attachant également à la seule structure des données, est proposé, palliant cet inconvénient. L’intérêt d’IC et de CD est étudié sur un exemple de modèle « troupeau Père », où les troupeaux sont de taille fixée, les pères servent dans un seul troupeau, à l’exception d’un père de référence assurant les liaisons génétiques entre troupeaux. CD permet d’optimiser le plan d’expérience par un compromis entre connexion et information contenue dans les données, alors que l’utilisation d’IC aboutit au choix d’un plan où les pères utilisés dans un seul troupeau ont un seul veau par troupeau. Si CD et PEV sont équivalents pour des animaux non apparentés, PEV privilégie les forts apparentements, qui diminuent la variance d’erreur de prédiction. Mais les parentés diminuent également la variabilité génétique, ce que prend en compte CD. Ainsi, on montre, sur un modèle animal strictement aléatoire avec même apparentement entre animaux, comment PEV peut conduire au choix d’un plan minimisant le progrès génétique. On retrouve dans ce cas simple la formule classique du progrès génétique, où le CD généralisé joue le même rôle que le CD individuel d’un indice de sélection. CD, compromis entre structure et quantité de données, d’une part, et variance d’erreur de prédiction et variabilité génétique, d’autre part, est une méthode de choix pour l’analyse de la qualité d’une évaluation génétique.