Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra. # Guide de dépannage Si vous rencontrez des erreurs lors de l'utilisation de l'explicabilité en ligne de SageMaker Clarify, consultez les rubriques de cette section. **`InvokeEndpoint`L'API échoue avec l'erreur « :Read ReadTimeoutError timeout on endpoint... »** Cette erreur signifie que la demande n'a pas pu être traitée dans le délai de 60 secondes défini par le [délai d'expiration de la demande](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_runtime_InvokeEndpoint.html). Pour réduire la latence des demandes, procédez comme suit : + Ajustez les performances du modèle lors de l'inférence. Par exemple, SageMaker AI [Neo](https://aws.amazon.com/sagemaker/neo/) peut optimiser les modèles à des fins d'inférence. + Autorisez le conteneur de modèle à gérer les demandes par lots. + Utilisez une valeur `MaxRecordCount` plus grande pour réduire le nombre d'appels de l'outil d'explication vers le conteneur de modèle. Cela permet de réduire la latence et la surcharge du réseau. + Utilisez un type d'instance auquel un plus grand nombre de ressources sont allouées. Vous pouvez également attribuer d'autres instances au point de terminaison pour aider à équilibrer la charge. + Réduisez le nombre d'enregistrements au sein d'une même demande `InvokeEndpoint`. + Réduisez le nombre d'enregistrements dans les données de base. + Utilisez une valeur `NumberOfSamples` plus petite pour réduire la taille du jeu de données synthétique. Pour plus d’informations sur la façon dont le nombre d’échantillon affecte un jeu de données synthétique, consultez [Jeu de données synthétique](clarify-online-explainability-create-endpoint-synthetic.md).