Un test A/B consiste à montrer deux versions d'un même élément à des personnes comparables, puis à mesurer laquelle obtient le plus souvent l'action voulue. La version A, c'est ce que vous avez aujourd'hui. La version B modifie une seule chose : le titre, le prix, le texte du bouton, le visuel. Ce sont les visiteurs qui tranchent, et vous gardez la version gagnante.

Le sujet concerne tous ceux qui vendent en ligne et veulent arrêter de deviner. Une coach qui hésite entre deux titres pour sa page de vente, un graphiste qui se demande s'il doit vendre son template 19 € ou 24 €, une autrice de newsletter qui compare deux objets d'e-mail. La méthode ne change pas. Ce qui change, c'est votre volume de trafic, et c'est lui qui dicte la bonne façon de tester.

Qu'est-ce que le test A/B ?

Un test A/B est une expérience contrôlée. Vous répartissez votre audience au hasard en deux groupes, chaque groupe voit une version différente, et vous comparez un seul indicateur, le plus souvent le taux de conversion. Comme les groupes sont tirés au hasard et exposés en même temps, la seule différence systématique entre eux est la modification que vous avez faite. C'est ce qui vous autorise à dire que cette modification explique l'écart.

Ce n'est pas la même chose que « on a changé la page et les ventes ont monté ». Une comparaison avant/après mélange votre changement avec tout ce qui a bougé cette semaine-là : une publication qui a bien tourné, un jour férié, l'envoi d'une newsletter. C'est un indice, pas un test.

Le vocabulaire que vous croiserez :

  • Variante : chaque version testée. A est souvent appelée la version de contrôle, B la challengeuse.
  • Test multivarié : plusieurs éléments et leurs combinaisons testés en même temps. Il demande beaucoup plus de trafic.
  • Test par URL séparées : deux pages distinctes, à deux adresses, entre lesquelles on partage le trafic.
  • Significativité statistique : le degré de confiance que l'écart observé n'est pas dû au hasard.
  • Taille d'échantillon : le nombre de visiteurs ou de destinataires nécessaire par variante avant de lire le résultat.

Le test A/B n'est qu'un outil de l'optimisation du taux de conversion. L'optimisation passe aussi par l'écoute des clients et la correction des problèmes évidents, qui rapportent souvent avant même le premier test.

Pourquoi c'est important

Sur une page qui reçoit déjà du trafic, les petits gains s'additionnent. Prenez une formatrice qui vend un programme à 197 € depuis une page de vente visitée 3 000 fois par mois, avec un taux de conversion de 1,5 %. Cela fait 45 ventes, soit 8 865 € par mois.

Un nouveau titre fait passer la conversion à 1,8 %. Cela fait 54 ventes, soit 10 638 €. Neuf acheteurs de plus, 1 773 € de plus chaque mois, environ 21 000 € sur l'année, sans budget publicitaire supplémentaire ni nouveau contenu. C'est la page qui a travaillé.

L'inverse compte tout autant. Beaucoup d'améliorations « évidentes » ne changent rien, et certaines font baisser les ventes. Une page plus longue, un compte à rebours, un prix plus bas : chacun peut réduire votre chiffre d'affaires avec votre audience, même s'il a marché chez quelqu'un d'autre. Tester vous évite de mettre en ligne des changements qui semblent justes et qui vous coûtent de l'argent sans bruit.

Comment ça marche

Un test propre suit toujours les mêmes étapes :

  • Choisir un seul indicateur. Achats, inscriptions, clics sur le bouton d'achat. Décidez-le avant de commencer. Quand vous testez un prix, le chiffre d'affaires par visiteur est souvent plus parlant que le taux de conversion.
  • Formuler une hypothèse. « Présenter les trois résultats obtenus par les élèves, plutôt que la liste des modules, augmentera les achats, parce que les visiteurs achètent un résultat et non un contenu. » Une hypothèse vous apprend quelque chose même si B perd.
  • Modifier un seul élément. Si vous changez le titre et le prix en même temps, vous ne saurez pas lequel a fait bouger le chiffre.
  • Répartir le trafic au hasard. Chaque visiteur voit une version et continue à la voir. Pour un e-mail, divisez la liste au hasard avant l'envoi.
  • Estimer la taille d'échantillon. En ordre de grandeur, pour détecter un passage de 2 % à 2,5 % avec une confiance raisonnable, il faut environ 14 000 visiteurs par variante. Pour détecter un passage de 2 % à 3 %, environ 3 800. Plus l'écart attendu est grand, moins il faut de visiteurs.
  • Tester sur des semaines complètes. On n'achète pas de la même façon un lundi et un samedi. Comptez au moins une semaine entière, idéalement deux, même si le résultat semble plié avant.
  • Lire le résultat une seule fois. À la date prévue, pas tous les matins. Arrêter dès que B passe devant est le meilleur moyen de désigner un faux gagnant.
  • Garder une trace. Un journal simple suffit : date, hypothèse, variantes, trafic, résultat, décision.

Repères et exemples

La plupart des tests ne désignent aucun gagnant. Chez ceux qui testent sérieusement, on constate souvent qu'un test sur quatre ou cinq produit une amélioration nette et durable. Un résultat neutre reste une information, pas un échec.

Quelques situations typiques :

  • Une newsletter de 2 500 abonnés peut tester ses objets d'e-mail. Envoyez A à 20 % de la liste et B à 20 % d'autres, attendez quelques heures, puis envoyez la meilleure version aux 60 % restants. Avec un taux d'ouverture proche de 40 %, chaque groupe de 500 donne environ 200 ouvertures, assez pour repérer un écart de plusieurs points.
  • Un coach avec 4 000 abonnés et une landing page visitée 600 fois par mois ne peut pas détecter une hausse de 10 %. Il lui faudrait un an. Il doit tester des différences franches : un autre angle d'offre, une vidéo ou pas de vidéo, 97 € contre 147 €.
  • Une petite boutique de produits physiques avec 20 000 sessions par mois peut tester sa page produit, son seuil de livraison offerte ou le texte de son appel à l'action, un élément à la fois, toutes les deux ou trois semaines.
  • Les tests de prix font souvent plus bouger le chiffre d'affaires que les tests de design. Un template vendu 24 € au lieu de 19 € peut se vendre 10 % de moins et rapporter 14 % de plus.

Erreurs fréquentes

  • Arrêter trop tôt. Les premiers jours, les chiffres font le yo-yo. Une variante en tête de 40 % après deux jours finit souvent à égalité.
  • Tester des détails avec peu de trafic. Un test sur la couleur d'un bouton avec 300 visites par mois n'aboutira jamais. Testez des idées fortes tant que votre trafic est modeste.
  • Changer plusieurs choses et en créditer une seule. Vous n'apprenez rien de réutilisable.
  • Oublier l'indicateur final. Un titre qui double les inscriptions mais attire des gens qui n'achètent jamais n'est pas une victoire. Suivez le test jusqu'au chiffre d'affaires.
  • Tester pendant une période atypique. Un lancement, des soldes ou une semaine virale faussent les comportements. Le résultat ne tiendra pas ensuite.

Bonnes pratiques

  • Partir de vos clients, pas de vos idées. Relisez les messages d'acheteurs, les motifs de remboursement, les questions reçues. Testez des réponses à de vraies objections.
  • Prioriser selon l'impact et le trafic. Commencez par les pages les plus visitées et les plus proches du paiement : page de vente, page produit, checkout.
  • Oser des écarts francs quand le trafic est faible. Testez des offres, des prix et des structures de page, pas des virgules.
  • Passer au test séquentiel si vous ne pouvez pas partager le trafic. Version A pendant deux semaines, puis B pendant deux semaines, avec une promotion comparable. La preuve est plus fragile, ne vous fiez qu'aux gros écarts.
  • Mesurer le chiffre d'affaires par visiteur. Il combine conversion et panier moyen, et capte donc l'effet d'un prix ou d'un pack.
  • Tenir un journal des tests. Au bout d'un an, c'est le document le plus précieux que vous ayez sur votre audience.
  • Retester les gagnants de temps en temps. Votre audience évolue. Ce qui convainquait vos 1 000 premiers abonnés ne convaincra pas forcément les 10 000 suivants.

Dans Roctify

Roctify n'intègre pas aujourd'hui d'outil de test A/B. Vous pouvez tout de même tester avec méthode. Créez deux versions d'une page produit ou d'une offre, mettez-les en avant sur deux périodes de même durée, et comparez les ventes dans vos commandes. Les codes promo aident à distinguer les sources : attribuez un code à chaque variante et comptez les utilisations. Avec le plan Pro, l'analyse d'audience, les rapports et les exports vous permettent de comparer visites et ventes d'une période à l'autre, ou d'exporter les données dans un tableur pour les regarder de près.

Comme tous les plans sont à 0 % de frais de transaction, un test de prix sur Roctify vous montre votre vraie différence de marge, sans commission de plateforme qui grossit avec le prix. Côté e-mail, les outils d'e-mail marketing du plan Creator et au-delà affichent ouvertures et clics par campagne. Vous pouvez donc comparer deux objets ou deux offres envoyés dans des conditions proches, et garder ce qui fait réagir votre liste.

FAQ

De combien de trafic ai-je besoin pour un test A/B ?

Tout dépend de l'écart que vous voulez détecter. Repérer un passage de 2 % à 3 % demande environ 3 800 visiteurs par variante, alors qu'un passage de 2 % à 2,2 % en demande plusieurs dizaines de milliers. Sous 1 000 visites par mois, testez des changements francs ou procédez par tests séquentiels.

Combien de temps doit durer un test A/B ?

Au moins une semaine complète, idéalement deux, pour que chaque jour de la semaine soit représenté. Fixez la taille d'échantillon à l'avance et arrêtez quand vous l'atteignez, pas quand le résultat vous plaît.

Le test A/B vaut-il le coup pour un petit créateur ?

Oui pour les objets d'e-mail et les grandes décisions d'offre ou de prix, qui révèlent un écart net avec peu de trafic. Pour les détails de page, mieux vaut d'abord parler à vos acheteurs et corriger les frictions évidentes, le temps que votre trafic grandisse.