Un test A/B consiste à montrer deux versions d'une même page à deux groupes de visiteurs tirés au sort, puis à comparer un indicateur précis : clics sur un bouton, formulaires envoyés, commandes. Le principe est simple. Sa mise en œuvre l'est beaucoup moins depuis que Google a fermé son outil gratuit.
La première version de cet article s'appuyait sur les tests intégrés à Google Analytics. Ils n'existent plus : Google Optimize et Optimize 360 ont cessé de fonctionner le 30 septembre 2023, et Google Analytics 4 n'a jamais reçu de remplaçant natif. Nous reprenons donc le sujet à zéro : ce que Google propose aujourd'hui, comment brancher un outil tiers sur GA4, à partir de quel volume de trafic un test peut conclure, et quoi faire quand ce volume manque.
Un test A/B est une décision statistique, pas un arbitrage esthétique
Le trafic est réparti aléatoirement entre une version de contrôle (A) et une ou plusieurs variantes, chaque groupe voyant sa version pendant toute la durée du test. À la fin, on compare les taux de conversion et on vérifie si l'écart dépasse ce que le hasard seul aurait pu produire. Sans cette vérification, vous commentez du bruit.
Les éléments testés sont presque toujours les mêmes : titre, image d'en-tête, appel à l'action, longueur du formulaire, ordre des blocs, affichage du prix. Le bon candidat est un choix que vous ne savez pas trancher, sur une page qui sert un objectif clair.
C'est le premier travail à faire, avant tout outil. Chaque page modèle sert un but unique, et le reste doit lui céder la place. Je montrais autrefois à mes clients la page d'accueil de Vend, éditeur de logiciel de caisse : tout y convergeait vers l'essai gratuit, le lien vers le blog tenant en une ligne minuscule. Le site a disparu depuis, Vend ayant été racheté par Lightspeed, mais l'exercice reste valable : listez, page par page, l'action que cherchent à provoquer trois sites de votre secteur.
Optimize est arrêté, GA4 n'a pas de remplaçant natif
Google est explicite : « Pour effectuer un test A/B dans Google Analytics, vous devez intégrer un outil de test A/B tiers » (aide Google Analytics). GA4 ne crée pas de variantes, ne répartit pas le trafic et ne déclare pas de gagnant. Il sert à lire les résultats, pas à conduire le test.
Dans sa page sur l'arrêt d'Optimize, Google indique travailler avec trois fournisseurs pour intégrer leurs outils à GA4 — AB Tasty, Optimizely et VWO — et précise que ses API sont publiques, donc ouvertes à tout éditeur (aide Google Optimize). Deux exceptions utiles : Firebase A/B Testing reste maintenu pour les applications mobiles, et Google Ads dispose de son propre « Centre de tests », qui regroupe tests de campagnes et études d'impact (aide Google Ads). Si votre sujet est la publicité et non le site, c'est là qu'il faut chercher — voir notre page sur la gestion de campagnes Google Ads.
Comment un outil tiers alimente Google Analytics 4
L'intégration est normalisée. L'outil de test envoie à GA4 un événement experience_impression portant un paramètre exp_variant_string, dont le format recommandé est ID_OUTIL-ID_EXPERIENCE-ID_VARIANTE (documentation développeurs Google Analytics). Vous créez ensuite une audience par variante et vous croisez celle-ci avec vos propres dimensions : appareil, source de trafic, ancienneté du visiteur.
C'est ce que l'outil de test ne donne pas toujours : le contexte. Une variante peut gagner sur mobile et perdre sur ordinateur, gagner sur le trafic de marque et ne rien produire ailleurs. Pour partager ces lectures en interne, un tableau de bord Data Studio (ex-Looker Studio) branché sur la propriété GA4 suffit. En revanche, ne demandez pas à GA4 de trancher la significativité : la décision se prend dans l'outil de test, seul à connaître l'affectation réelle des visiteurs.
Quels outils envisager aujourd'hui
| Outil ou approche | Type | Lien avec GA4 | Profil adapté |
|---|---|---|---|
| AB Tasty | Plateforme commerciale | Partenaire d'intégration cité par Google | PME et ETI à trafic établi |
| VWO | Plateforme commerciale | Partenaire d'intégration cité par Google | E-commerce, équipes marketing internes |
| Optimizely | Plateforme commerciale | Partenaire d'intégration cité par Google | Grands comptes, tests côté serveur |
| Kameleoon | Plateforme commerciale | Intégrations analytics annoncées par l'éditeur | Sites à fort trafic, personnalisation |
| GrowthBook | Open source, auto-hébergeable | Analyse via l'export GA4 vers BigQuery | Équipes avec ressource technique |
| Firebase A/B Testing | Outil Google | Propriété GA4 pour applications | Applications mobiles uniquement |
| Centre de tests Google Ads | Outil Google | Interne à Google Ads | Tests de campagnes et d'annonces |
Deux points de vigilance. Le marché se concentre : AB Tasty et VWO ont annoncé le 20 janvier 2026 leur rapprochement, sous réserve des conditions de clôture habituelles (annonce sur le blog de VWO). Feuilles de route et tarifs peuvent bouger : demandez un engagement écrit sur la durée de votre contrat. Les offres gratuites, elles, vont et viennent : vérifiez le plafond de visiteurs testés au moment de votre choix, sans vous fier à un comparatif en ligne, y compris celui-ci. Pour une TPE, l'option la plus réaliste reste l'open source auto-hébergé, comme GrowthBook — ou l'absence de test A/B.
Le consentement réduit votre échantillon
La CNIL n'exempte de consentement que des traceurs de mesure d'audience strictement limités : mesure des performances, détection de problèmes de navigation, optimisation technique ou ergonomique, avec production de statistiques anonymes. Les tests A/B ne figurent pas dans cette liste de finalités exemptées (CNIL, « Cookies : solutions pour les outils de mesure d'audience »). En pratique, le traceur qui affecte un visiteur à une variante se traite comme un traceur soumis au consentement. Conséquence concrète : le test ne tourne que sur la part de visiteurs ayant accepté. Si la moitié refuse, l'échantillon est divisé par deux et la durée nécessaire double. Mesurez votre taux de consentement réel avant d'annoncer une date de résultats.
Avez-vous assez de trafic ? Faites le calcul avant
C'est le point qui disqualifie la majorité des projets de test dans les TPE-PME. Une règle empirique donne l'ordre de grandeur du nombre de visiteurs par variante : n ≈ 16 × p × (1 − p) / d², où p est votre taux de conversion actuel et d l'écart absolu que vous voulez pouvoir détecter, avec les conventions usuelles de 95 % de confiance et 80 % de puissance.
Avec un taux de conversion de 2 %, détecter un gain relatif de 20 % (d = 0,4 point) demande environ 19 600 visiteurs par variante, soit près de 40 000 sur la page testée. Pour un gain relatif de 50 %, on descend autour de 3 100 par variante. Les petits gains coûtent très cher en trafic, et ce sont les plus fréquents : Microsoft indiquait sur le blog de Bing, le 8 août 2013, que lorsque les idées sont évaluées objectivement dans une expérience contrôlée, « moins d'un tiers » font bouger les métriques qu'elles étaient censées améliorer (périmètre : expériences menées sur Bing).
Le marché, lui, est mature. Selon le bilan Fevad publié le 11 février 2026, le e-commerce français a atteint 196,4 milliards d'euros en 2025 (+7 % sur un an), avec 3,2 milliards de transactions (+10 %) mais un panier moyen en recul de 3 %, à 62 euros (périmètre France, produits et services). La croissance vient du volume, pas des taux de conversion : les écarts à mesurer sont étroits.
Enfin, le trafic manque souvent, tout simplement. Le baromètre France Num 2025, publié le 15 septembre 2025 par la Direction générale des Entreprises et réalisé par le Crédoc auprès de 11 021 entreprises dont 7 978 TPE (données déclaratives), indique que 65 % des TPE-PME possèdent un site présentant leur activité et 27 % une solution de vente en ligne. Beaucoup reçoivent quelques centaines de visites par mois. Sur ce volume, un test A/B ne conclura jamais.
Sans le trafic nécessaire : les alternatives honnêtes
- Réparer avant de tester. Formulaire trop long, page lente sur mobile, numéro de téléphone non cliquable : ces défauts se corrigent, ils ne se testent pas. Voir l'optimisation de la vitesse d'un site.
- Passer au qualitatif. Cinq tests utilisateurs filmés, des enregistrements de sessions, un questionnaire de sortie : cela ne prouve rien statistiquement, mais révèle des blocages qu'aucun test A/B ne montrera. C'est l'objet d'un audit UX.
- Tester là où il y a du volume. Objets d'e-mails, annonces Google Ads, visuels de campagne cumulent souvent plus d'impressions que vos pages.
- Tester au niveau du site. Un changement de navigation ou de bloc de réassurance présent partout mobilise tout votre trafic, pas celui d'une seule page.
Six règles pour que le test serve à quelque chose
- Écrire l'hypothèse avant. « Remplacer "Envoyer" par "Demander un devis" augmentera les formulaires reçus, car le libellé actuel n'annonce pas la suite. »
- Un seul indicateur primaire. Les autres servent de garde-fous, pas de critères de décision.
- Fixer la durée à l'avance : deux cycles hebdomadaires complets au minimum, pour absorber l'écart entre semaine et week-end.
- Ne pas arrêter au premier pic favorable. Couper dès que l'écart plaît est la façon la plus courante de se tromper.
- Faire des changements visibles. Une nuance de bleu ne déplacera rien à votre échelle.
- Documenter les tests perdants. Ils évitent de redéployer dans six mois une idée déjà invalidée.
Un dernier conseil, entendu en conférence il y a des années et que je continue de donner : inspirez-vous des sociétés qui investissent lourdement dans leur acquisition. Leurs pages d'atterrissage ont probablement été testées. Ce n'est pas une preuve, leur contexte n'étant pas le vôtre, mais c'est une bonne réserve d'hypothèses.
Questions fréquentes
Google Analytics permet-il encore de faire de l'A/B testing ?
Non, pas directement. Google Analytics 4 ne crée pas de variantes et ne répartit pas le trafic : sa documentation indique qu'il faut intégrer un outil de test tiers. GA4 sert ensuite à lire et à segmenter les résultats du test.
Par quoi remplacer Google Optimize, arrêté en septembre 2023 ?
Google cite trois partenaires intégrés à Google Analytics 4 : AB Tasty, Optimizely et VWO. D'autres solutions existent, dont des plateformes open source auto-hébergeables comme GrowthBook, et Firebase A/B Testing pour les applications mobiles.
Combien de visiteurs faut-il pour un test A/B ?
Cela dépend de votre taux de conversion et de l'écart que vous voulez détecter. Avec un taux de 2 % et l'objectif de repérer un gain relatif de 20 %, il faut environ 19 600 visiteurs par variante. En dessous de quelques milliers de visiteurs par variante, un test ne conclura pas.
Combien de temps doit durer un test A/B ?
Au minimum deux cycles hebdomadaires complets, pour lisser les différences entre jours de semaine et week-end. La durée se fixe avant le lancement, en fonction du trafic disponible, et ne s'ajuste pas en cours de route selon les résultats observés.
Faut-il le consentement des visiteurs pour lancer un test A/B ?
En France, les tests A/B ne figurent pas parmi les finalités que la CNIL exempte de consentement au titre de la mesure d'audience. Le traceur qui affecte un visiteur à une variante se traite donc comme un traceur soumis au consentement, ce qui réduit d'autant l'échantillon testé.
Un test A/B peut-il nuire au référencement naturel ?
Pas s'il est correctement mis en place : test temporaire, contenu comparable entre les variantes, redirections temporaires plutôt que permanentes si vous utilisez des URL distinctes. Le risque apparaît quand une variante reste en ligne des mois ou sert à montrer au moteur un contenu différent de celui des visiteurs.