L’A/B testing
L’AB testing (ou test A/B) consiste à montrer au hasard deux versions d’une même page, d’un même e-mail ou d’une même annonce à deux groupes de visiteurs, puis à mesurer laquelle obtient le meilleur résultat : plus de demandes, plus d’achats, plus de clics. C’est une expérience contrôlée, qui ne vaut que si l’écart observé est statistiquement significatif, c’est-à-dire peu probable s’il n’était dû qu’au hasard ; il faut donc assez de visiteurs et une durée suffisante avant de conclure. Côté référencement, Google donne quatre règles : ne jamais montrer aux robots une version différente de celle des visiteurs, indiquer l’adresse d’origine comme canonique sur chaque variante, utiliser des redirections temporaires (302) plutôt que définitives, et arrêter le test dès que le résultat est fiable. Pour un site à faible trafic, mieux vaut corriger d’abord les freins évidents que tester des détails.
Mis à jour le 23 octobre 2026
Faut-il un titre centré sur le prix ou sur la qualité ? Un formulaire en une étape ou en deux ? Un bouton « Demander un devis » ou « Recevoir mon estimation » ? Les avis divergent souvent dans une équipe, et chacun a de bonnes raisons. Le test A/B permet de trancher avec des données plutôt qu’avec des opinions.
Cette page explique comment mener un test fiable, combien de visiteurs il faut, et comment éviter de nuire à son référencement. C’est l’outil de mesure qui accompagne toute démarche d’optimisation du taux de conversion.
Par Alexandre Montenon, consultant en acquisition depuis 2011
AB testing : définition
Le test A/B est une expérience randomisée qui compare deux variantes d’un même élément pour déterminer laquelle est la plus efficace, en s’appuyant sur un test statistique à deux échantillons ; il est sensible à la variance et demande de grands échantillons pour obtenir un résultat significatif. La version A est en général la version actuelle (le « témoin »), la version B la variante qu’on souhaite évaluer.
Trois éléments en font une vraie expérience :
- Le hasard : chaque visiteur est affecté aléatoirement à une version, ce qui rend les deux groupes comparables.
- La simultanéité : les deux versions tournent en même temps, pour neutraliser les effets du jour, de la saison ou d’une campagne.
- Un seul indicateur principal, fixé à l’avance : le taux de demandes envoyées, le taux d’achat, le taux de clic.
Ce que l’on peut tester
| Support | Exemples d’éléments testés | Indicateur habituel |
|---|---|---|
| Page d’offre ou landing page | Titre, argument principal, ordre des sections, preuves, longueur | Demandes ou achats |
| Formulaire | Nombre de champs, une ou plusieurs étapes, texte du bouton | Formulaires envoyés |
| Fiche produit | Photos, présentation du prix, mise en avant de la livraison | Ajouts au panier |
| Objet, expéditeur, premier paragraphe, appel à l’action | Clics | |
| Annonce publicitaire | Titre, visuel, accroche | Coût par contact |
Les tests qui produisent les plus grands écarts portent en général sur le fond : l’argument, l’offre, la structure de la page. Les détails (couleur d’un bouton, police) produisent rarement des différences mesurables, sauf sur des sites à très fort trafic.
Mener un test fiable, étape par étape
1. Partir d’une hypothèse
Un bon test répond à une question précise, née d’une observation. « Les visiteurs mobiles abandonnent au champ budget : le rendre facultatif augmentera les envois » est une hypothèse. « Essayons un autre design » n’en est pas une.
2. Choisir l’indicateur et la durée avant de commencer
Décidez à l’avance ce qui comptera comme une victoire et combien de temps durera le test. Couvrez au moins un cycle complet de votre activité, souvent une à deux semaines entières, pour inclure les jours de semaine et le week-end.
3. Vérifier que le trafic suffit
C’est la question décisive. Avec quelques centaines de visites par mois sur la page et un taux de conversion de 2 %, chaque version recueille une poignée de conversions : aucun écart ne sera significatif avant des mois. Les calculateurs de taille d’échantillon, disponibles gratuitement, donnent le nombre de visiteurs nécessaires selon votre taux actuel et l’écart que vous espérez détecter.
4. Ne changer qu’une chose (ou un ensemble cohérent)
Si la version B modifie le titre, les photos et le formulaire, vous saurez que B est meilleure, mais pas pourquoi. Ce n’est pas grave si l’objectif est de choisir une page ; ça l’est si vous voulez apprendre quelque chose de réutilisable.
5. Ne pas regarder les résultats tous les jours pour arrêter au premier écart
Les écarts fluctuent beaucoup au début. Arrêter le test dès qu’une version « gagne » est la manière la plus sûre de conclure à tort. Attendez la durée et le volume prévus.
6. Conclure, appliquer, documenter
Appliquez la version gagnante à tous les visiteurs, supprimez le dispositif de test, et notez le résultat, y compris quand il n’y a pas de différence : un test « nul » vous apprend que l’élément testé ne compte pas pour vos visiteurs.
Test A/B et référencement : les règles de Google
En pratique : un test bien mené ne pose pas de problème de référencement. Les risques apparaissent quand on oublie de retirer les variantes après le test, quand une variante reste accessible et indexable sous sa propre adresse, ou quand un outil sert une version particulière aux robots.
Avant de lancer votre premier test, faites un « test A/A » : deux versions identiques, réparties au hasard, pendant une semaine. Si l’outil affiche un écart important entre deux pages pareilles, vous saurez qu’il faut plus de volume ou que la mesure est mal configurée. C’est la meilleure façon d’apprendre à ne pas surinterpréter les résultats.
Lire correctement un résultat
Les outils affichent en général un « niveau de confiance » ou une probabilité que la variante soit meilleure. Retenez trois réflexes. Un résultat significatif sur l’indicateur principal compte ; un écart sur un indicateur secondaire choisi après coup ne compte pas. Un écart significatif mais minuscule peut ne pas justifier le coût d’un changement. Enfin, regardez le résultat par grand segment (mobile et ordinateur, nouveaux et anciens visiteurs) seulement pour comprendre, pas pour chercher à tout prix un groupe où la variante gagne : en multipliant les découpages, on finit toujours par trouver un écart dû au hasard.
Quand ne pas faire de test A/B
Quand le trafic est trop faible. Sur une page qui reçoit peu de visites, mieux vaut observer quelques sessions, interroger des clients et corriger les freins évidents.
Quand le problème est évident. Un formulaire qui ne s’envoie pas sur mobile se corrige, il ne se teste pas.
Quand la décision est stratégique. Le prix d’une offre ou le positionnement de l’entreprise ne se tranchent pas sur un test de deux semaines.
Quand le test dégraderait l’expérience d’une partie des visiteurs de façon inacceptable, par exemple en masquant une information légale.
Les alternatives pour les petits sites
Un site de PME n’a souvent pas le trafic nécessaire pour des tests rigoureux. Plusieurs méthodes donnent des enseignements avec peu de visiteurs : les tests utilisateurs (cinq personnes de la cible qui accomplissent une tâche sous vos yeux), les questionnaires courts sur la page, l’analyse des enregistrements de sessions, et la comparaison avant/après sur des périodes comparables, en restant prudent sur les conclusions. Une page dédiée par campagne, comme une landing page, concentre aussi le trafic et rend les comparaisons plus lisibles.
Les outils
Les plateformes de test A/B pour site web permettent de créer des variantes sans développeur, de répartir le trafic et de calculer la significativité. Les outils d’envoi d’e-mails et les plateformes publicitaires intègrent leurs propres fonctions de test. Quel que soit l’outil, vérifiez qu’il respecte le consentement des visiteurs, qu’il ne ralentit pas l’affichage (un script qui fait « clignoter » la page fausse le test) et qu’il ne crée pas de versions indexables.
Les erreurs fréquentes
Arrêter trop tôt. La cause la plus fréquente de fausses victoires.
Tester sans hypothèse. On accumule des résultats sans rien apprendre.
Changer l’indicateur en cours de route. On finit toujours par trouver un chiffre favorable.
Oublier la qualité des conversions. Une version qui génère plus de formulaires peu sérieux n’est pas meilleure.
Laisser traîner les variantes. Après le test, on nettoie.
Exemple fictif : un organisme de formation
Pour illustrer, un cas inventé. Un organisme de formation reçoit plusieurs milliers de visites par mois sur la page d’une formation phare, financée par le compte personnel de formation. L’équipe observe que beaucoup de visiteurs partent avant le bloc « financement ». Elle teste une version B où ce bloc remonte juste sous le titre. Le test dure trois semaines, avec un nombre de visiteurs fixé à l’avance, et la variante B est appliquée à tous une fois le résultat jugé significatif. Les variantes sont supprimées et le résultat documenté. Les éléments de cet exemple sont inventés pour l’illustration.
- L’AB testing compare au hasard deux versions pour savoir laquelle convertit le mieux.
- Une hypothèse, un indicateur et une durée fixés à l’avance.
- Il faut assez de trafic pour qu’un écart soit significatif ; sinon, observez et corrigez.
- Pour Google : pas de version spéciale pour les robots, canonique vers l’original, redirections 302, test court.
- Après le test : appliquer, nettoyer, documenter.
Questions fréquentes sur l’AB testing
Qu’est-ce que l’AB testing ?
C’est une expérience qui montre au hasard deux versions d’une page, d’un e-mail ou d’une annonce à deux groupes de visiteurs, pour mesurer laquelle obtient le meilleur résultat.
Combien de visiteurs faut-il pour un test A/B ?
Cela dépend de votre taux de conversion actuel et de l’écart que vous voulez détecter. Un calculateur de taille d’échantillon donne le chiffre ; sur les petits sites, il est souvent hors de portée.
Combien de temps doit durer un test A/B ?
Au moins un cycle complet d’activité, souvent une à deux semaines entières, et jusqu’à atteindre le volume fixé à l’avance. Google recommande de ne pas le prolonger au-delà du nécessaire.
Un test A/B nuit-il au référencement ?
Pas s’il respecte les règles de Google : même contenu pour robots et visiteurs, canonique vers l’original, redirections temporaires et test de durée limitée.
Quelle différence entre test A/B et test multivarié ?
Le test A/B compare deux versions. Le test multivarié combine plusieurs éléments modifiés à la fois pour mesurer l’effet de chaque combinaison, ce qui demande beaucoup plus de trafic.
Vous avez une question, un projet ? Parlons-en ensemble.
On discute ?