Calculateur gratuit de significativité de test A/B
Découvrez en quelques secondes si le résultat de votre split test est statistiquement significatif. Saisissez les visiteurs et les conversions des deux variantes pour voir la gagnante, le lift, la p-value et la taille d'échantillon nécessaire.
Niveau de confiance
Confiance
0.0%
En attente de donnéesSaisissez les visiteurs et les conversions des deux variantes pour voir votre verdict.
- Contrôle (A) taux de conversion
- 0.00%
- Variante (B) taux de conversion
- 0.00%
- Lift
- --
- p-value
- --
- Taille d'échantillon
- --
Astuce de pro. N'arrêtez pas un test dès que la confiance dépasse 95%. Fixez la taille d'échantillon à l'avance et laissez le test tourner. Sinon, vous risquez de déclarer des faux positifs.
Comment ça marche
Vérifier la significativité d'un test A/B en 3 étapes
Obtenez un verdict clair et statistiquement solide sur votre split test en moins d'une minute, sans tableur et sans inscription.
- 01
Saisissez les chiffres du contrôle
Ajoutez le total des visiteurs et des conversions de la variante A, la version d'origine contre laquelle vous testez.
- 02
Saisissez les chiffres de la variante
Ajoutez les visiteurs et conversions de la variante B, la nouvelle version. Vos taux de conversion se mettent à jour en direct.
- 03
Lisez votre verdict
Voyez si le résultat est significatif, avec le lift, la p-value et la confiance, ainsi qu'une estimation du nombre de visiteurs qu'il vous manque si vous n'y êtes pas encore.
Pourquoi c'est important
Pourquoi les marketers vérifient la significativité
Un taux de conversion plus élevé ne suffit pas à désigner une gagnante. Un vrai test de significativité vous dit quand arrêter, quand continuer et quand un résultat n'est que du bruit.
Savoir quand arrêter un test
Désignez les gagnantes avec une vraie confiance plutôt qu'au jugé, et ne laissez pas de côté des variantes qui fonctionnent.
Éviter les faux positifs
Ne laissez plus le peeking vous coûter de l'argent. Une p-value correcte vous dit quand un écart est réel.
Planifier votre prochain test
L'indication de taille d'échantillon estime combien de visiteurs il faut à chaque variante, avec une puissance de 80%, pour confirmer l'écart que vous observez. Servez-vous-en pour dimensionner votre prochain test avant son lancement.
Un reporting plus clair
Partagez le lien du résultat avec votre équipe en un clic, pour que tout le monde lise les mêmes chiffres, avec la même confiance.
Cas d'usage
Où les équipes utilisent le calculateur de test A/B
Des landing pages aux créas publicitaires, voici comment les marketers glissent une vérification rapide de la significativité dans chaque expérience qu'ils mènent.
Tests de landing pages
Comparez deux versions d'une landing page pour savoir quel titre, quel hero ou quel CTA fait vraiment bouger le taux de conversion.
Facebook et Meta Ads
Départagez deux créas ou deux audiences avec un vrai appui statistique, au lieu de vous fier aux libellés d'Ads Manager.
Tests d'annonces Google Ads
Comparez deux variantes d'annonce search responsive pour confirmer qu'un nouveau titre bat vraiment le contrôle avant d'augmenter les dépenses.
Tests d'objets d'e-mail
Envoyez deux objets à une petite partie de votre liste et désignez le gagnant en toute confiance avant l'envoi complet.
Tests du tunnel de commande
Vérifiez qu'une nouvelle étape de paiement, un badge de confiance ou un upsell améliore vraiment le taux de finalisation et n'est pas du bruit.
Expériences sur la page de tarifs
Lancez un test propre entre deux niveaux de prix ou deux mises en page, et décidez sur la base des inscriptions, pas de l'intuition.
FAQ
Questions sur le calculateur de significativité de test A/B.
Tout ce qui n'est pas ici se trouve dans le Centre d'aide, ou écrivez-nous.
FAQ
Qu'est-ce que la significativité statistique en A/B testing ?
La significativité statistique mesure la confiance que vous pouvez avoir dans le fait que l'écart entre deux variantes est réel et non une simple variation aléatoire. La règle courante est de déclarer un gagnant à partir de 95% de confiance, c'est-à-dire quand il reste moins de 5% de chances que le résultat soit dû au hasard.
Qu'est-ce qu'une p-value ?
La p-value est la probabilité d'observer votre résultat (ou un résultat plus extrême) s'il n'existait en réalité aucune différence entre les variantes. Plus la p-value est faible, plus la preuve que l'écart est réel est solide. Une p-value de 0,05 correspond à 95% de confiance.
Quel niveau de confiance utiliser ?
La plupart des marketers travaillent à 95% de confiance, ce qui revient à accepter 5% de risque de faux positif. Passez à 99% quand l'enjeu est élevé (par exemple un déploiement sur tout le trafic payant) et à 90% uniquement pour des expérimentations précoces à faible risque.
De combien de visiteurs ai-je besoin pour un test A/B ?
Cela dépend de votre taux de conversion de départ et de l'ampleur du lift que vous voulez détecter. En règle générale, les petits lifts (moins de 5%) demandent des dizaines de milliers de visiteurs par variante, tandis que les gros lifts (20% et plus) se confirment avec quelques milliers. Le calculateur estime combien de visiteurs supplémentaires il faut à chaque variante pour confirmer l'écart que vous observez, avec une puissance de 80%.
Qu'est-ce que le lift dans un test A/B ?
Le lift est l'écart relatif en pourcentage entre les taux de conversion des deux variantes. Si la variante A convertit à 3% et la variante B à 4,5%, le lift de B sur A est de 50%. C'est le lift qui vous sert vraiment à décider si un changement mérite d'être déployé.
Pourquoi mon test n'est-il pas significatif alors que la variante B est en tête ?
Un taux de conversion plus élevé ne suffit pas. Il faut assez de données pour que l'écart ait peu de chances de venir du hasard. Plus le lift est faible, plus il faut de visiteurs. Arrêter un test trop tôt, c'est risquer de déployer un changement qui n'était que du bruit.
Qu'est-ce que le problème du peeking ?
Le peeking consiste à consulter ses résultats en permanence et à arrêter le test dès que la confiance dépasse 95%. Cette habitude fait grimper en flèche le taux de faux positifs. Pour l'éviter, fixez la taille d'échantillon nécessaire à l'avance, puis regardez le résultat une seule fois, à la fin.
Ce calculateur fonctionne-t-il pour Facebook, Google ou TikTok Ads ?
Oui. La significativité est une statistique universelle : le calculateur fonctionne pour tout test A/B où vous pouvez mesurer des visiteurs (ou impressions, clics, envois) et des conversions. Saisissez les chiffres de Meta Ads, Google Ads, TikTok Ads, de vos plateformes emailing ou de l'analytics de votre landing page.
Ce calculateur de test A/B est-il gratuit ?
Oui. Le calculateur de significativité de test A/B est 100% gratuit : sans inscription, sans limite et sans mur e-mail. Lancez autant de tests que nécessaire, à titre personnel ou commercial.
Mes données sont-elles stockées quelque part ?
Non. Tous les calculs se font entièrement dans votre navigateur. Vos nombres de visiteurs et de conversions ne quittent jamais votre appareil et ne sont jamais envoyés à nos serveurs.
Testez en A/B la landing page que vos visiteurs voient vraiment
Les plus gros gains en A/B testing viennent de la page où atterrit votre trafic payant. Utilisez LanderLab pour créer, tester et publier des landing pages qui convertissent, puis ramenez les chiffres dans ce calculateur.