Combien de visiteurs faut-il pour qu’un test A/B soit fiable ?
Les volumes de trafic réellement nécessaires pour un test A/B fiable, avec les chiffres par taux de conversion et les options pour petits sites.
En bref. Pour détecter un gain de 20 % sur une page qui convertit déjà à 3 %, il faut environ 13 900 visiteurs par version, soit près de 28 000 au total. Plus votre taux de conversion de départ est bas et plus le gain espéré est faible, plus le volume explose. En dessous de 1 000 visiteurs par semaine sur la page testée, un test A/B classique ne donnera rien d’exploitable avant plusieurs mois : il faut alors tester des changements radicaux plutôt que des détails.
Pourquoi le volume dépend d’abord de votre taux actuel
Un test A/B compare deux proportions. La statistique n’a aucun moyen de savoir si l’écart que vous observez vient de votre nouveau bouton ou du hasard, sauf si l’écart est suffisamment grand par rapport au bruit. Or le bruit dépend de deux choses : le taux de conversion de départ et l’ampleur du gain que vous cherchez à détecter.
Deux conséquences que la plupart des articles sur le sujet passent sous silence :
- Un site qui convertit à 1 % a besoin de cinq fois plus de trafic qu’un site qui convertit à 10 %, pour détecter le même gain relatif.
- Diviser par deux le gain recherché ne double pas le volume nécessaire : il le quadruple. Passer de « je cherche +20 % » à « je cherche +10 % » fait passer un test de 28 000 visiteurs à 106 000.
C’est la raison pour laquelle la majorité des tests menés sur des sites de PME ne concluent jamais. Ce n’est pas un problème d’outil, c’est un problème d’arithmétique.
Le tableau des volumes réels
Voici le nombre de visiteurs par version nécessaires pour un test à 95 % de confiance et 80 % de puissance, c’est-à-dire les réglages par défaut de tous les outils du marché. Multipliez par deux pour obtenir le trafic total à envoyer sur la page.
| Taux de conversion actuel | Détecter +10 % relatif | Détecter +20 % relatif | Détecter +50 % relatif |
|---|---|---|---|
| 1 % | 163 095 | 42 693 | 7 750 |
| 2 % | 80 682 | 21 109 | 3 826 |
| 3 % | 53 211 | 13 914 | 2 518 |
| 5 % | 31 234 | 8 158 | 1 471 |
| 10 % | 14 751 | 3 841 | 686 |
Un exemple concret. Une page de devis convertit à 2 %. Vous refaites le formulaire et vous espérez raisonnablement +20 %, soit passer à 2,4 %. Il vous faut 21 109 visiteurs par version, 42 218 au total. Si la page reçoit 300 visiteurs par jour, comptez 141 jours. Cinq mois pour valider un formulaire.
Combien de temps cela représente sur votre site
Reprenons le cas d’une page à 3 % qui cherche un gain de 20 %, soit 27 828 visiteurs au total, et regardons la durée selon le trafic quotidien de la page testée.
| Visiteurs par jour sur la page | Durée du test | Verdict |
|---|---|---|
| 100 | 278 jours | Impossible, le site aura changé avant |
| 300 | 93 jours | Trop long, saisonnalité incontrôlable |
| 1 000 | 28 jours | Réalisable, un test par mois |
| 3 000 | 10 jours | Confortable |
| 10 000 | 3 jours | Attendre quand même 14 jours |
Le dernier cas mérite une explication. Même quand le volume est atteint en trois jours, on laisse tourner deux semaines complètes. Le comportement d’achat du mardi n’est pas celui du samedi, et un test lancé un mercredi et arrêté un vendredi mesure surtout votre trafic de milieu de semaine. Deux cycles hebdomadaires complets, c’est le minimum de sérieux.
Les quatre erreurs qui invalident un test
- Regarder les résultats tous les jours et arrêter dès que c’est vert. C’est de loin l’erreur la plus fréquente. Si vous consultez le tableau de bord dix fois pendant le test et que vous arrêtez à la première significativité, votre taux de faux positifs ne vaut plus 5 % mais approche 30 %. Vous validerez des améliorations qui n’existent pas.
- Tester plusieurs variantes sans corriger le seuil. Avec quatre variantes contre l’original, vous faites quatre comparaisons. La probabilité qu’au moins une sorte gagnante par hasard grimpe mécaniquement. Il faut soit diviser le seuil par le nombre de comparaisons, soit augmenter le volume.
- Mesurer le clic au lieu de l’argent. Un bouton rouge peut augmenter les clics de 30 % et faire baisser les commandes, parce qu’il attire des gens qui ne sont pas prêts. L’indicateur de décision doit être la conversion finale, pas l’étape intermédiaire.
- Changer quelque chose pendant le test. Une campagne Ads lancée au milieu du test change la composition du trafic. Les deux versions restent comparables entre elles, mais si le nouveau trafic est massif, vous mesurez surtout la réaction de ce trafic-là.
Un test arrêté avant d’avoir atteint le volume prévu ne donne pas un résultat « moins fiable ». Il ne donne aucun résultat. Fixez le volume cible avant de lancer, écrivez-le quelque part, et ne regardez pas les chiffres avant.
Que faire quand on n’a pas le trafic
La plupart des sites français de PME et d’indépendants sont dans ce cas. Voici les stratégies qui fonctionnent réellement en dessous de 1 000 visiteurs par jour.
Tester des changements radicaux, pas des détails. Le tableau montre que détecter +50 % coûte cinq à six fois moins cher en trafic que détecter +10 %. Donc au lieu de tester deux formulations de bouton, testez une page entièrement différente : autre structure, autre promesse, autre longueur. Les gros écarts se détectent vite.
Tester en haut du tunnel. Un test sur le taux de clic d’une page de catégorie porte sur un événement à 20 ou 30 %, pas à 2 %. Le volume nécessaire s’effondre. Attention toutefois à vérifier ensuite que le gain se propage jusqu’à la commande.
Regrouper plusieurs pages. Si vous avez quinze pages de service construites sur le même modèle, testez la modification sur les quinze en même temps. Vous additionnez les trafics au lieu de les subir un par un.
Passer aux méthodes qualitatives. À faible trafic, cinq entretiens utilisateurs filmés vous apprendront plus que six mois de tests non concluants. Les enregistrements de session et les cartes de chaleur ne prouvent rien statistiquement, mais ils montrent où les gens s’arrêtent. C’est suffisant pour décider.
Utiliser le test avant/après avec prudence. Comparer le mois de mai au mois de juin après refonte n’est pas un test A/B : la météo, la saisonnalité, les campagnes et l’actualité changent en même temps. Ce n’est pas rien, mais ne présentez jamais ce chiffre comme une preuve.
Les outils et ce qu’ils coûtent
Depuis l’arrêt de Google Optimize, le marché s’est repositionné vers le haut. Les ordres de grandeur pour 2026 :
| Outil | Prix indicatif | Pour qui |
|---|---|---|
| Code maison + GA4 | 0 € | Sites avec un développeur, tests simples |
| Varify | 99 à 129 € par mois | PME, éditeur visuel |
| Convert.com | environ 299 $ par mois | E-commerce en croissance |
| Omniconvert | environ 390 $ par mois | E-commerce, avec personnalisation |
| AB Tasty | environ 20 000 € par an | Grands comptes |
| Kameleoon | environ 25 000 € par an | Grands comptes |
| Optimizely, VWO | sur devis | Grands comptes |
Avant de signer un abonnement, faites le calcul dans l’autre sens : avec votre trafic, combien de tests concluants par an pouvez-vous espérer ? Si la réponse est deux, un outil à 300 € par mois vous coûte 1 800 € par test. Un développeur qui code la variante à la main et un tableur pour le calcul reviendront moins cher.
La routine qui fonctionne
Une méthode simple à appliquer avant chaque test, en quinze minutes :
- Relever le taux de conversion actuel de la page sur les 30 derniers jours.
- Décider du gain minimum qui justifierait le travail de mise en production. Si +5 % ne change rien à votre activité, ne cherchez pas à le détecter.
- Lire le volume nécessaire dans le tableau ci-dessus, le diviser par votre trafic quotidien, obtenir une durée.
- Si la durée dépasse six semaines, ne lancez pas ce test. Changez d’hypothèse, prenez plus radical, ou changez de page.
- Noter la date de fin dans l’agenda et ne pas ouvrir le tableau de bord avant.
Questions fréquentes
Quel niveau de confiance faut-il viser ?
95 % est le standard, et c’est le réglage par défaut des outils. Descendre à 90 % réduit le volume nécessaire d’environ 25 %, au prix d’un risque de faux positif doublé. C’est acceptable pour un test à faible enjeu, comme un titre de page, mais pas pour une modification du tunnel de paiement.
Peut-on faire un test A/B avec 500 visiteurs ?
Uniquement si le taux de conversion mesuré est élevé, par exemple un taux de clic à 30 % que vous voulez faire passer à 45 %. Pour une conversion classique à 2 ou 3 %, 500 visiteurs ne permettent de détecter que des écarts gigantesques, du type doublement du taux. Si votre variante double la conversion, vous le verrez sans outil.
Combien de temps un test doit-il durer au minimum ?
Quatorze jours, même si le volume statistique est atteint plus tôt. Cela couvre deux cycles hebdomadaires complets et lisse les différences de comportement entre jours ouvrés et week-end. Au-delà de six semaines, le contexte change trop pour que le résultat reste interprétable.
Un résultat non significatif signifie-t-il que la variante est mauvaise ?
Non. Il signifie que vous n’avez pas assez de données pour distinguer les deux versions. La variante peut être meilleure de 5 % sans que votre test puisse le prouver. Dans ce cas, gardez la version la plus simple à maintenir et passez à une hypothèse plus ambitieuse.