--- title: "Test A/B sur un petit site : combien de visites avant de conclure" description: "Test A/B sur un petit site : c'est le nombre de visites, pas le calendrier, qui dit quand conclure, avec la taille d'échantillon à viser." canonical: "https://socialinfluencebuilder.com/blogue/test-ab-petit-site/" lastmod: "2026-09-28T14:43:43+00:00" lang: "fr-CA" format: "markdown" --- Version HTML : # Test A/B sur un petit site : combien de visites avant de conclure > **Note d'archive.** Cet article décrit la situation au moment de sa publication. Les règles, les outils et les fonctionnalités mentionnés ont pu changer depuis. Vérifiez l'information à jour auprès de la source officielle avant d'agir. Test A/B sur un petit site ne suit pas la même horloge que sur un site achalandé : c'est le nombre de visiteurs recueillis, et non les jours au calendrier, qui indique quand un test est terminé. Je comprends qu'un propriétaire regarde ses résultats après deux jours et se sente prêt à couronner un gagnant. J'ai vu des clients changer un bouton ou un titre sur la foi d'une poignée de visites, puis se demander pourquoi la courbe des ventes n'a jamais bougé. Ce qui tranche la question, c'est le nombre de visites que vous accumulez avant que le résultat cesse de bouger. ## Test A/B sur un petit site : pourquoi le volume de trafic décide de votre échéancier Le volume de trafic décide de votre échéancier parce qu'un petit site n'accumule pas assez de conversions pour qu'une date au calendrier veuille dire quoi que ce soit. La plupart de mes clients tiennent des commerces locaux à Mascouche et dans le Grand Montréal. Ils ne voient pas des milliers de visiteurs par jour, et ça change la façon dont le [test A/B](/glossaire/#a-b-testing) doit fonctionner pour eux. Avec moins de clics et moins de conversions, un test a besoin de plus de temps sur la page avant que les chiffres se stabilisent. Si une page attire quelques dizaines de visiteurs par semaine, vous n'aurez pas de réponse en trois jours. Vous attendez que les chiffres arrêtent de sauter au hasard. Précipiter les choses vous donne du bruit déguisé en réponse, et c'est comme ça que naissent les mauvaises décisions. ## Taille d'échantillon : combien de visites un test exige avant de vous fier au résultat La taille d'échantillon dépend de deux choses : votre taux de conversion actuel et l'ampleur de l'amélioration que vous espérez voir. Un petit site qui vise un petit gain a besoin de bien plus de visites par version que la plupart des propriétaires ne l'imaginent, et plus le changement testé est modeste, plus il faut de visites pour le voir au-dessus du bruit quotidien. Je calcule ça avant de lancer quoi que ce soit, parce que sauter cette estimation, c'est ce qui pousse les gens à s'arrêter trop tôt et à se fier à un chiffre qui n'a jamais été stable. Pour une boutique en ligne, je pars du volume de commandes mensuel et du taux de conversion actuel à la caisse. Quand le trafic d'un commerce est assez faible pour qu'un test propre prenne plusieurs mois, je le dis franchement et j'oriente le propriétaire vers les plus gros problèmes d'abord. Un test qui ne peut jamais se terminer ne vaut pas la peine d'être commencé. ## Une seule variable à la fois plutôt que plusieurs d'un coup Tester un seul changement à la fois est la seule façon de savoir quel changement a produit un effet. Changez le titre, la couleur du bouton et la photo du produit dans le même test, et vous n'avez aucun moyen de séparer leurs effets. Un petit site peine déjà à recueillir assez de visites pour une seule réponse propre, alors répartir cette attention sur trois changements d'un coup ne fait qu'enterrer le signal. Je conseille à mes clients de choisir le seul élément le plus susceptible de faire pencher la décision qui compte, souvent le titre ou l'appel à l'action principal. Testez celui-là seul, attendez un vrai échantillon, puis passez au suivant. C'est plus lent, mais chaque résultat vous apprend quelque chose de réutilisable sur la page suivante. Grouper les changements donne une impression d'efficacité et vous laisse presque toujours à deviner lequel a fonctionné. ## Configurer Google Optimize pour un test sur un petit site Google Optimize répartit votre trafic à votre place, donc le travail de configuration consiste surtout à garder le test équitable. Je répartis le trafic à parts égales entre la page d'origine et la nouvelle version, pour qu'aucune des deux ne reçoive de visiteurs supplémentaires qui fausseraient la comparaison. La plupart de ce que je teste pour mes clients se trouve sur une [page d'atterrissage](/services/pages-atterrissage/) de campagne, où une offre unique rend le résultat plus facile à lire qu'une page générale chargée. Je vérifie aussi qu'aucun second test ne tourne sur la même page, parce que deux tests en même temps mêlent les données et cachent quel changement a causé quoi. ### Répartir le trafic également et éviter les tests qui se chevauchent Google Optimize trie les visiteurs avec un témoin plutôt que par date, donc vous ne faites aucun calcul manuel pour garder la répartition égale. Une fois qu'une personne arrive sur une version, elle continue de voir cette même version lors de ses visites suivantes, ce qui garde les données propres. Le vrai danger sur un petit site, c'est de faire rouler deux tests en même temps. Testez un titre et une couleur de bouton ensemble sur une page, et vous ne saurez pas lequel a produit le résultat. Ma règle avec mes clients : un test, une page, un résultat à la fois. Quand deux tests toucheraient la même page, je les planifie l'un après l'autre. ## Lire les résultats d'un test A/B sans vous leurrer sur un petit échantillon Lire les résultats sur un petit échantillon veut dire ralentir avant de nommer un gagnant, parce qu'un petit échantillon oscille fort et qu'une seule bonne journée ressemble vite à une preuve. Avant de me fier à un résultat, je passe une courte liste : 1. Taille d'échantillon : chaque version a-t-elle recueilli un vrai nombre de conversions, et pas seulement des visites ? 2. Durée : le test a-t-il couvert une ou deux semaines complètes, avec le trafic de semaine et de fin de semaine ? 3. Constance : la version en tête est-elle restée devant sur plusieurs jours, et pas seulement lors d'une pointe ? 4. Différence pratique : l'écart est-il assez grand pour compter, ou tient-il dans la variation quotidienne normale ? Si les quatre tiennent, le résultat vaut la peine qu'on agisse dessus. ## Quand arrêter un test tôt : la règle de décision La règle de décision consiste à fixer votre taille d'échantillon cible et votre échéance avant de commencer, puis à laisser le test tranquille jusqu'à ce que vous atteigniez les deux. Les propriétaires me demandent sans arrêt combien de temps laisser rouler un test. Écrire la règle d'arrêt avant le lancement et la traiter comme un contrat, c'est ce qui vous empêche de jeter un œil tous les deux ou trois jours et d'abandonner dès qu'une version prend une courte avance. Un petit site n'a pas le trafic pour justifier des décisions hâtives. La seule chose qui justifie de briser la règle vient de l'extérieur du test : une erreur de site ou une page brisée qui vous force la main. ## Pour aller plus loin - **Service:** [Pages d’atterrissage conçues pour convertir, à Montréal](https://socialinfluencebuilder.com/services/pages-atterrissage/) - **Étude de cas:** [Institut V Esthétique](https://socialinfluencebuilder.com/etudes-de-cas/institut-v-esthetique/) - **Glossaire:** [Glossaire marketing numérique: A/B Testing (Test A/B)](https://socialinfluencebuilder.com/glossaire/#a-b-testing)