Tests A/B

Un test A/B compare deux versions d'une même page pour savoir laquelle fait mieux sur un objectif précis : plus de demandes de devis, plus d'inscriptions, plus de ventes. C'est la méthode la plus fiable pour trancher entre deux idées, à une condition souvent oubliée : avoir assez de visiteurs. Cette page explique le principe, la méthode, le calcul du trafic nécessaire, les outils disponibles en 2026 et les alternatives pour les petits sites.

On crée une variante (B) de la page actuelle (A) en changeant un élément. Les visiteurs sont répartis au hasard entre les deux versions, et on compare le taux de conversion de chacune. Le hasard est essentiel : les deux groupes reçoivent le même mélange de visiteurs (mêmes sources, mêmes jours, mêmes appareils), donc la différence observée vient de la modification et non du contexte.

On parle aussi de split test. Quand on teste plusieurs éléments combinés en même temps, c'est un test multivarié, qui demande encore beaucoup plus de trafic.

• le titre principal de la page ;

• le texte et l'emplacement du bouton d'appel à l'action ;

• la longueur d'un formulaire (nombre de champs) ;

• la présentation des prix ou des formules ;

• la présence de preuves : avis, logos de clients, garanties ;

• l'objet d'un email (la plupart des outils d'emailing proposent ce test, voir Meilleurs services/outils pour marketing email).

Les changements qui touchent à la compréhension de l'offre (titre, promesse, prix) ont en général plus d'effet que les détails visuels comme la couleur d'un bouton.

1. Partir d'une observation. Un entonnoir qui montre un abandon, une carte de chaleur, un retour client. Exemple : « Beaucoup de visiteurs ouvrent le formulaire de devis mais peu l'envoient. »

2. Formuler une hypothèse. « Si le formulaire passe de 9 à 4 champs, plus de visiteurs l'enverront, parce que les champs facultatifs découragent. »

3. Choisir une seule mesure principale, décidée avant le test : ici, le nombre de formulaires envoyés par visiteur.

4. Calculer le nombre de visiteurs nécessaire (voir la section suivante) et en déduire la durée.

5. Laisser tourner le test jusqu'au bout, en semaines complètes, sans s'arrêter dès qu'une version semble gagner.

6. Analyser et noter le résultat, même quand le test ne donne rien : un test sans différence évite de perdre du temps sur une fausse bonne idée.

C'est la question qui décide si un test A/B a un sens pour votre site. Le nombre de visiteurs nécessaire dépend du taux de conversion actuel et de l'écart que vous voulez pouvoir détecter.

Exemple calculé avec les réglages statistiques habituels (seuil de 5%, puissance de 80%) : avec un taux de conversion de 2%, détecter une hausse à 2,4% (soit +20%) demande environ 21 000 visiteurs par version, donc 42 000 en tout. Pour détecter une hausse beaucoup plus forte, de 2% à 3%, il faut encore environ 3 800 visiteurs par version.

Un site qui reçoit 2 000 visiteurs par mois sur sa page de vente devrait donc attendre près de deux ans pour le premier cas : le test n'a pas de sens. Faites votre propre calcul avec un calculateur gratuit comme celui d'Evan Miller avant de lancer quoi que ce soit.

La plupart des petits sites n'ont pas le volume pour des tests A/B fiables. Ce n'est pas grave, d'autres méthodes donnent de bons résultats :

• corriger les problèmes évidents : page lente, formulaire cassé sur mobile, prix introuvable. Pas besoin de test pour réparer ce qui ne marche pas ;

• observer avec des cartes de chaleur et des enregistrements de sessions (voir Les heatmaps ou cartes de fréquentation) ;

• demander : un sondage d'une question, quelques échanges avec des clients ;

• appliquer les bonnes pratiques connues pour présenter une offre (voir Mieux présenter votre offre) ;

• comparer avant et après une modification, sur des périodes comparables. C'est moins rigoureux qu'un test A/B (la saisonnalité ou une campagne peuvent fausser la comparaison), mais c'est mieux que rien si vous notez la date de chaque changement.

• Google Optimize, l'outil gratuit de Google souvent cité dans les anciens articles, a été arrêté le 30 septembre 2023. Il n'a pas de remplaçant gratuit chez Google.

• VWO et AB Tasty, deux références du marché (AB Tasty est d'origine française), ont fusionné en 2026 et se présentent désormais sous la marque Wingify. Ce sont des plateformes pour des sites à fort trafic, avec tarifs sur devis.

• Nelio A/B Testing est une extension WordPress dédiée. Elle a une version gratuite sur le répertoire WordPress.org et des formules payantes calculées selon le nombre de pages vues testées par mois (5 000 pour la première formule, relevé en octobre 2026).

• Divi, le constructeur de pages, a intégré un outil de tests A/B appelé Divi Leads, documenté par Elegant Themes pour Divi 4 : vérifiez sa disponibilité dans la version de Divi que vous utilisez (voir la présentation de Divi).

• Les outils d'emailing proposent presque tous des tests A/B sur l'objet ou le contenu des emails : c'est souvent le moyen le plus simple de faire un premier test, sans rien installer sur le site. Préférez le taux de clic au taux d'ouverture comme mesure : les ouvertures sont faussées par les messageries qui chargent les emails automatiquement.

Google accepte les tests A/B s'ils sont faits proprement. Sa documentation sur les tests de sites donne quatre règles :

• montrer à Googlebot les mêmes versions qu'aux internautes (sinon c'est du cloaking) ;

• si les variantes ont des adresses différentes, placer sur chacune une balise rel="canonical" qui pointe vers la page d'origine ;

• si vous redirigez vers une variante, utiliser une redirection temporaire 302, pas une 301 ;

• arrêter le test dès qu'il a donné sa réponse et retirer les éléments de test.

Les tests A/B sont l'un des leviers de l'optimisation des conversions (CRO), qui commence toujours par mesurer et observer.