Icône Calculateur de taille d’échantillon A/B BestMKT Outils

Calculateur de taille d’échantillon A/B

Le taux de conversion actuel de votre variante de contrôle.

Niveau de confiance
Puissance statistique

La puissance représente la capacité du test à détecter l’effet recherché s’il existe réellement.

Type de test

Bilatéral : détecte une différence dans les deux directions. Unilatéral : teste uniquement une amélioration de B par rapport à A.

Taille d’échantillon recommandée
—
Renseignez votre taux de conversion actuel et l’amélioration minimale à détecter pour estimer la taille d’échantillon.
Exemples rapides
Comment est calculée la taille d’échantillon ?

n = [zα × √(2 × p̄ × (1 – p̄)) + zβ × √(p1 × (1 – p1) + p2 × (1 – p2))]² ÷ Δ²
avec p1 le taux actuel, p2 le taux cible, p̄ leur moyenne et Δ l’écart à détecter. Le résultat est toujours arrondi au visiteur supérieur et suppose une répartition 50/50 entre A et B.

Plus l’amélioration que vous souhaitez détecter est faible, plus l’échantillon nécessaire est important : détecter 5 % → 6 % demande moins de visiteurs que 5 % → 5,2 %.

Atteindre la taille d’échantillon estimée ne signifie pas qu’un test doit être arrêté automatiquement. Respectez également votre protocole, votre durée minimale et les cycles business pertinents.

À savoir

Cette taille d’échantillon est une estimation pour planifier un test A/B comparant deux taux de conversion. Elle suppose des observations indépendantes, un trafic relativement stable, une attribution aléatoire correcte, une métrique de conversion binaire, une hypothèse principale unique et une répartition équilibrée entre A et B. Elle ne tient pas compte de la saisonnalité, des consultations répétées en cours de test, des comparaisons multiples, des erreurs de mesure ou des variations inhabituelles de trafic.

🔒 Vos données restent dans votre navigateur. Aucune information n’est envoyée ou enregistrée.

Vous préparez un test A/B et souhaitez savoir combien de visiteurs sont nécessaires pour obtenir un résultat fiable ? Ce calculateur de taille d’échantillon A/B vous permet d’estimer instantanément le nombre de visiteurs à prévoir par variante à partir de votre taux de conversion actuel, de l’amélioration minimale recherchée, du niveau de confiance et de la puissance statistique.

L’outil calcule automatiquement la taille d’échantillon recommandée pour chaque variante ainsi que le trafic total nécessaire. Vous pouvez également estimer la durée du test à partir de votre volume de visiteurs quotidien.

Tous les calculs sont réalisés directement dans votre navigateur, sans inscription et sans envoyer aucune donnée vers un serveur.

Comment calculer la taille d’échantillon d’un test A/B

Pour estimer le nombre de visiteurs nécessaire, renseignez :

  • votre taux de conversion actuel ;
  • l’amélioration minimale détectable ;
  • le niveau de confiance souhaité ;
  • la puissance statistique.

Par exemple :

Taux de conversion actuel : 5 %
Amélioration minimale : +10 % relatif
Taux cible : 5,50 %
Niveau de confiance : 95 %
Puissance statistique : 80 %

Le calculateur détermine alors automatiquement le nombre de visiteurs nécessaire pour chaque variante afin de pouvoir détecter cette différence avec les paramètres choisis.

Comment utiliser le calculateur de taille d’échantillon A/B

Cet outil de planification de test A/B fonctionne en quelques étapes simples :

  • Indiquez votre taux de conversion actuel : utilisez les performances de votre variante de contrôle.
  • Définissez l’effet minimum à détecter : choisissez une amélioration relative ou un écart en points de pourcentage.
  • Sélectionnez le niveau de confiance : 90 %, 95 % ou 99 %.
  • Choisissez la puissance statistique : généralement 80 % ou 90 %.
  • Consultez la taille d’échantillon : le nombre de visiteurs nécessaire par variante s’affiche instantanément.

Si vous connaissez votre trafic quotidien, vous pouvez également obtenir une estimation de la durée nécessaire pour atteindre l’échantillon recommandé.

Pourquoi calculer la taille d’échantillon avant un test A/B ?

Lancer un test sans avoir suffisamment de trafic peut produire des résultats difficiles à interpréter.

Une taille d’échantillon adaptée permet notamment de :

  • préparer la durée du test ;
  • éviter les expériences trop courtes ;
  • déterminer si le trafic disponible est suffisant ;
  • détecter une amélioration minimale définie à l’avance ;
  • réduire le risque de tirer des conclusions à partir d’un échantillon trop faible.

Le calcul de la taille d’échantillon constitue donc une étape importante avant de lancer une expérience.

Qu’est-ce que la taille d’échantillon dans un test A/B ?

La taille d’échantillon correspond au nombre d’utilisateurs ou visiteurs nécessaires dans chaque variante pour pouvoir détecter un effet donné avec un niveau de confiance et une puissance statistique définis.

Dans un test classique réparti à 50/50 :

Variante A : contrôle

Variante B : nouvelle version

Si le calcul indique :

20 000 visiteurs par variante

vous aurez besoin d’environ :

40 000 visiteurs au total

avant d’atteindre la taille d’échantillon estimée.

Qu’est-ce que le taux de conversion de référence ?

Le taux de conversion actuel représente les performances de votre variante de contrôle.

La formule est :

Taux de conversion = Conversions ÷ Visiteurs × 100

Par exemple :

500 conversions
10 000 visiteurs

500 ÷ 10 000 × 100 = 5 %

Ce taux constitue la base du calcul de taille d’échantillon.

Plus le taux de conversion est précis et représentatif de vos performances habituelles, plus l’estimation sera utile pour planifier votre test.

Qu’est-ce que l’amélioration minimale détectable ?

L’amélioration minimale détectable, souvent appelée MDE — Minimum Detectable Effect, correspond à la plus petite différence que vous souhaitez pouvoir détecter.

Par exemple :

Taux actuel : 5 %

Vous souhaitez détecter une amélioration relative de :

+10 %

Le taux cible devient :

5,50 %

Votre test doit donc être suffisamment grand pour pouvoir distinguer une différence entre 5,00 % et 5,50 %.

Amélioration relative ou points de pourcentage ?

Ces deux manières d’exprimer une amélioration sont différentes.

Amélioration relative

Passer de :

5 % à 5,5 %

correspond à :

+10 % relatif

car :

(5,5 – 5) ÷ 5 × 100 = 10 %

Points de pourcentage

Passer de :

5 % à 6 %

correspond à :

+1 point de pourcentage

et non à +1 % relatif.

Dans ce cas, l’amélioration relative est :

+20 %

Le calculateur vous permet de choisir la méthode la plus adaptée à votre hypothèse.

Pourquoi une petite amélioration nécessite-t-elle plus de visiteurs ?

Plus l’effet que vous souhaitez détecter est faible, plus il est difficile de le distinguer de la variation aléatoire.

Par exemple, détecter :

5 % → 7 %

nécessite généralement moins de données que détecter :

5 % → 5,2 %

Une petite amélioration peut être très intéressante d’un point de vue business, mais elle demande souvent un échantillon plus important pour être détectée statistiquement.

Qu’est-ce que le niveau de confiance ?

Le niveau de confiance définit le seuil statistique utilisé pour évaluer le résultat.

Le calculateur propose :

  • 90 % ;
  • 95 % ;
  • 99 %.

Un niveau de confiance plus élevé exige généralement davantage de données.

Le niveau de 95 % est fréquemment utilisé dans les tests A/B, mais le choix dépend du contexte et du risque d’erreur acceptable.

Qu’est-ce que la puissance statistique ?

La puissance statistique représente la capacité d’un test à détecter l’effet recherché lorsqu’il existe réellement.

Par exemple, une puissance de :

80 %

signifie que le test est conçu pour avoir une forte probabilité de détecter l’effet minimum défini, sous les hypothèses du calcul.

Le calculateur permet de choisir :

  • 80 % ;
  • 90 % ;
  • 95 %.

Augmenter la puissance statistique augmente généralement la taille d’échantillon nécessaire.

Pourquoi 80 % de puissance est souvent utilisé ?

Une puissance de 80 % constitue un compromis fréquemment utilisé entre :

  • capacité à détecter un effet ;
  • quantité de trafic nécessaire ;
  • durée de l’expérience.

Cela ne signifie pas que 80 % convient automatiquement à tous les tests.

Pour des décisions particulièrement importantes, vous pouvez choisir une puissance plus élevée, au prix d’un échantillon plus important.

Test bilatéral ou unilatéral : quelle différence ?

Le type de test influence également la taille d’échantillon.

Test bilatéral

Un test bilatéral cherche à détecter une différence dans les deux directions :

A ≠ B

La variante B peut être meilleure ou moins bonne.

C’est généralement le choix le plus prudent pour un test A/B classique.

Test unilatéral

Un test unilatéral cherche uniquement à détecter une amélioration dans une direction précise :

B > A

L’hypothèse directionnelle doit idéalement être définie avant le lancement du test.

Il ne faut pas choisir un test unilatéral après avoir vu les résultats simplement pour faciliter l’obtention d’une significativité.

Exemple de calcul de taille d’échantillon A/B

Imaginons :

Taux actuel : 5 %
Amélioration minimale relative : 10 %
Taux cible : 5,50 %
Confiance : 95 %
Puissance : 80 %

Le calculateur peut alors déterminer qu’un nombre important de visiteurs est nécessaire dans chaque variante pour détecter cette différence.

Si vous souhaitez détecter une amélioration plus importante, par exemple :

5 % → 6 %

la taille d’échantillon nécessaire sera généralement plus faible.

Comment estimer la durée d’un test A/B ?

Une fois la taille d’échantillon calculée, vous pouvez estimer la durée nécessaire à partir de votre trafic.

La formule simplifiée est :

Durée = Échantillon total ÷ Visiteurs éligibles par jour

Par exemple :

Échantillon total nécessaire : 60 000 visiteurs
Trafic éligible quotidien : 5 000 visiteurs

60 000 ÷ 5 000 = 12 jours

La durée estimée est donc d’environ 12 jours.

Si seulement 50 % du trafic participe au test, la durée sera approximativement deux fois plus longue.

Pourquoi ne pas arrêter un test dès qu’il devient significatif ?

Consulter continuellement les résultats et arrêter une expérience dès qu’une p-value passe sous un seuil peut augmenter le risque de conclusions incorrectes.

Il est préférable de définir avant le test :

  • la taille d’échantillon ;
  • la durée minimale ;
  • la métrique principale ;
  • le niveau de confiance ;
  • l’effet minimum recherché.

Atteindre momentanément la significativité ne remplace pas un protocole expérimental cohérent.

Taille d’échantillon et significativité statistique : quelle différence ?

Ces deux notions interviennent à des moments différents.

Le calcul de taille d’échantillon est utilisé avant le test.

Il répond à :

Combien de visiteurs dois-je prévoir ?

Le calcul de significativité statistique est utilisé une fois les résultats obtenus.

Il répond à :

La différence observée entre A et B est-elle statistiquement significative ?

Ces deux outils sont donc complémentaires.

Peut-on avoir trop peu de trafic pour faire un test A/B ?

Oui.

Si votre trafic est faible et que vous cherchez à détecter une petite différence, le calcul peut indiquer une taille d’échantillon très importante.

Cela peut signifier que le test nécessiterait plusieurs semaines ou mois.

Dans ce cas, vous pouvez éventuellement :

  • tester un changement plus important ;
  • choisir une métrique plus fréquente ;
  • concentrer davantage de trafic sur l’expérience ;
  • revoir la priorité du test.

Il ne faut toutefois pas augmenter artificiellement l’effet minimum uniquement pour obtenir un échantillon plus faible si cet effet ne correspond pas à votre objectif réel.

Quelle amélioration minimale choisir ?

Il n’existe pas de valeur universelle.

L’amélioration minimale détectable doit idéalement correspondre au plus petit effet suffisamment important pour justifier une décision business.

Par exemple, selon le contexte, une amélioration relative de :

5 %

10 %

20 %

peut avoir une valeur économique très différente.

Le choix doit donc tenir compte :

  • du trafic disponible ;
  • de la valeur d’une conversion ;
  • du coût de l’implémentation ;
  • de l’impact business attendu.

Taille d’échantillon pour une landing page

Pour une landing page, vous pouvez utiliser :

  • votre taux de conversion actuel ;
  • l’amélioration minimale souhaitée ;
  • votre niveau de confiance ;
  • votre puissance statistique.

Par exemple :

Taux actuel : 4 %
Objectif minimum : +15 % relatif

Le taux cible est :

4,60 %

Le calculateur estime alors combien de visiteurs doivent être répartis entre A et B pour pouvoir détecter cet écart.

Taille d’échantillon pour un test ecommerce

Dans l’ecommerce, la conversion peut correspondre à :

  • un achat ;
  • un ajout au panier ;
  • un début de checkout ;
  • une inscription.

Il est généralement préférable d’utiliser une métrique suffisamment importante pour l’activité mais assez fréquente pour générer un volume de données exploitable.

Taille d’échantillon en SaaS

En SaaS, vous pouvez planifier des expériences sur :

  • inscription ;
  • activation ;
  • onboarding ;
  • essai gratuit ;
  • upgrade ;
  • conversion payante ;
  • adoption d’une fonctionnalité.

Le principe reste identique : estimez votre taux actuel, définissez l’effet minimum intéressant et calculez le nombre d’utilisateurs nécessaire.

Taille d’échantillon en email marketing

Le calcul peut également être utilisé pour comparer deux variantes lorsque la métrique étudiée est une proportion, par exemple :

  • taux de clic ;
  • taux de conversion ;
  • inscription après clic.

Il faut toutefois s’assurer que les utilisateurs sont correctement répartis entre les variantes et que les observations peuvent être considérées comme indépendantes.

Les limites du calcul de taille d’échantillon

Le résultat reste une estimation statistique.

Il suppose notamment :

  • une répartition correcte du trafic ;
  • des observations indépendantes ;
  • un taux de conversion relativement stable ;
  • une métrique binaire ;
  • une hypothèse principale clairement définie.

Le calcul ne prend pas directement en compte :

  • la saisonnalité ;
  • les erreurs de tracking ;
  • les changements de campagne ;
  • les comparaisons multiples ;
  • l’arrêt anticipé ;
  • les effets réseau ;
  • les utilisateurs exposés aux deux variantes.

La qualité du design expérimental reste donc essentielle.

Un calculateur de taille d’échantillon A/B simple, gratuit et 100% privé

Ce calculateur de taille d’échantillon pour test A/B respecte trois principes :

  • Gratuit : aucun paiement ou abonnement nécessaire.
  • Sans inscription : utilisez l’outil immédiatement sans créer de compte.
  • 100% privé : tous les calculs sont réalisés localement dans votre navigateur.

Vos taux de conversion, hypothèses et volumes de trafic ne sont pas envoyés vers un serveur et ne sont pas enregistrés.

FAQ

Comment calculer la taille d’échantillon d’un test A/B ?

Vous devez connaître votre taux de conversion actuel, l’amélioration minimale que vous souhaitez détecter, le niveau de confiance et la puissance statistique.

Le calculateur utilise ces paramètres pour estimer le nombre de visiteurs nécessaire par variante.

Combien de visiteurs faut-il pour un test A/B ?

Il n’existe pas de nombre universel. La taille nécessaire dépend du taux de conversion, de l’effet recherché, du niveau de confiance et de la puissance statistique.

Qu’est-ce que le MDE dans un test A/B ?

MDE signifie Minimum Detectable Effect, ou amélioration minimale détectable. Il représente la plus petite différence que vous souhaitez être capable de détecter.

Quelle puissance choisir pour un test A/B ?

80 % est couramment utilisé, mais vous pouvez choisir une puissance supérieure si vous souhaitez réduire davantage le risque de ne pas détecter un effet réel.

Quel niveau de confiance utiliser ?

95 % est fréquemment utilisé pour les tests A/B. Un niveau plus élevé, comme 99 %, nécessite généralement davantage de visiteurs.

Quelle différence entre amélioration relative et points de pourcentage ?

Passer de 5 % à 5,5 % représente une amélioration relative de 10 %, mais seulement +0,5 point de pourcentage.

Pourquoi une petite amélioration nécessite-t-elle plus de trafic ?

Parce qu’une faible différence est plus difficile à distinguer de la variation aléatoire. Il faut donc davantage d’observations pour la détecter avec le même niveau de confiance.

Comment calculer la durée d’un test A/B ?

Divisez le nombre total de visiteurs nécessaire par le trafic quotidien éligible au test.

Par exemple :

60 000 visiteurs nécessaires ÷ 5 000 visiteurs par jour = environ 12 jours.

Peut-on arrêter le test lorsque la taille d’échantillon est atteinte ?

Atteindre la taille estimée constitue un élément important, mais il faut également respecter le protocole du test, la durée minimale et les cycles business pertinents.

Quelle différence entre taille d’échantillon et significativité statistique ?

La taille d’échantillon est estimée avant le lancement du test. La significativité statistique est analysée après avoir collecté les résultats.

Ce calculateur de taille d’échantillon A/B est-il gratuit ?

Oui. L’outil est entièrement gratuit et utilisable sans limite.

Mes données sont-elles enregistrées ?

Non. Tous les calculs sont effectués directement dans votre navigateur. Aucune donnée saisie n’est envoyée ou stockée.

Chaque outil BestMKT Outils suit les mêmes principes : simplicité, rapidité, gratuité et respect de votre vie privée.