La segmentation de séries temporelles est cruciale dans de nombreux domaines. L'évaluation des méthodes état de l'art est toutefois limitée : les mesures actuelles (ARI, points de changement) ignorent la qualité des segments, la nature des erreurs et ne sont pas interprétables. Nous proposonsWARI (Weighted ARI), sensible à la position des erreurs, et SMS (State Matching Score), évaluant quatre types d'erreurs de segmentation. Validées empiriquement, elles offrent une évaluation plus fidèle et des diagnostics inédits. Ce travail a été accepté à NeurIPS 2025 sous le titre "Toward Interpretable Evaluation Measures for Time Series Segmentation".