Test A/B de fiche produit Shopify : la formule de taille d’échantillon avant de croire un résultat (2026)

La durée nécessaire pour un test de fiche produit dépend de deux chiffres que la plupart des vendeurs ne calculent jamais avant de lancer le test : leur taux de conversion de base et l’ampleur de gain qu’ils veulent vraiment être capables de détecter. Sautez ce calcul et le test se juge comme la plupart des boutiques en dropshipping le font — un coup d’œil au dashboard après deux ou trois jours, une variante en tête, on bascule tout. Au trafic de la plupart des boutiques, cet écart est presque toujours du bruit déguisé en gagnant.

Le signe se voit dès qu’on regarde les chiffres. Une boutique à 40 sessions par jour par variante avec un taux de base de 3 % convertit environ une commande par jour, parfois zéro, parfois deux. Une seule vente en plus un mardi fait bouger le taux journalier de 100 %, et ça n’a rien à voir avec le titre que vous avez changé. Arrêtez un test sur ce genre d’échantillon et vous ne lisez pas un résultat, vous lisez mardi dernier.

La suite : pourquoi la plupart des tests de fiche produit sont arrêtés avant de vouloir dire quoi que ce soit, une formule de taille d’échantillon que vous pouvez calculer avec vos propres chiffres plutôt que de faire confiance à la boîte noire d’un outil, ce que ce calcul représente vraiment en jours pour une petite boutique comme pour une plus grosse, une grille pour lire un test honnêtement pendant qu’il tourne encore, et les risques de contamination que la formule elle-même ne peut pas voir.

Pourquoi la plupart des tests de fiche produit en dropshipping sont arrêtés trop tôt

Le schéma d’échec est toujours le même : ouvrir le dashboard au jour deux, voir la variante B convertir 20 % mieux que A, tout basculer sur B. À faible trafic journalier, cet écart de 20 % est construit presque entièrement sur du timing de commande aléatoire, pas sur quoi que ce soit que la page ait fait différemment — relancez les deux mêmes variantes deux jours de plus et l’avance s’inverse.

Les boutiques en dropshipping sont plus exposées à ça qu’un gros site à fort trafic, parce que l’échantillon se remplit tellement lentement. Un taux de base de 3 % à 40 sessions par jour par variante produit environ un achat par jour ; un écart de zéro à deux commandes se lit comme un mouvement de conversion de 100-200 % sur un dashboard qui n’a aucune idée qu’il regarde un pile ou face.

Le correctif est ennuyeux, et c’est exactement pour ça que la plupart des vendeurs le sautent : décidez la taille d’échantillon avant le lancement, pas en regardant les chiffres bouger, et résistez à toucher au test jusqu’à ce que ce chiffre soit atteint ou qu’un résultat franchisse un seuil assez large pour être crédible plus tôt — couvert dans la grille plus bas.

La formule de taille d’échantillon : combien de visiteurs il faut vraiment par variante

C’est la même approximation qui tourne derrière la plupart des calculateurs de split-test commerciaux, juste rendue visible pour que vous puissiez la lancer sur votre propre taux de base plutôt que de faire confiance à ce qu’un plugin décide d’appeler « significatif ». Pour une comparaison à deux proportions à environ 95 % de confiance et 80 % de puissance, le nombre de visiteurs nécessaire par variante est :

Passez vos deux chiffres dans la formule. p est votre taux de conversion de fiche produit actuel en décimal — 3 % s’écrit 0,03. d est le gain minimum, en points de conversion absolus, que vous voulez vraiment pouvoir détecter — si vous voulez seulement savoir si ça passe de 3 % à 3,75 %, d vaut 0,0075, pas 0,75.

• n par variante ≈ 16 × p × (1 − p) / d²
• p = votre taux de conversion de base actuel, en décimal (3 % = 0,03)
• d = le gain minimum que vous voulez pouvoir détecter, en points de conversion absolus (un passage de 3 % à 3,75 % = 0,0075)
• C’est une approximation, pas un calcul exact — arrondissez le résultat vers le haut plutôt que vers le bas, surtout à faible taux de base

Vois les pubs qui gagnent en ce moment

Transformer une taille d’échantillon en nombre de jours

Lancez la formule sur un taux de base de 2,5 % où vous voulez attraper un gain relatif de 20 % — un passage à environ 3 %, donc d = 0,005. Ça donne n ≈ 16 × 0,025 × 0,975 ÷ 0,005² ≈ 15 600 sessions par variante, 31 200 au total. À 300 sessions totales par jour réparties à parts égales, ça fait 150 par variante par jour — environ 104 jours pour atteindre l’échantillon. Pour quasiment toute petite boutique en dropshipping, ce gain n’est tout simplement pas détectable dans un délai que quiconque va attendre.

Élargissez le gain que vous cherchez à détecter et le tableau change vite. Même taux de base à 2,5 %, maintenant à la recherche d’un gain relatif de 40 % (vers environ 3,5 %, d = 0,01), et n tombe à environ 3 900 par variante — 7 800 au total. Aux mêmes 150 sessions par jour par variante, ça fait environ 26 jours, un test que la plupart des boutiques peuvent réellement terminer. La leçon n’est pas que votre test était faux, c’est que la question posée était trop subtile pour le trafic dont vous disposez.

Comme repère approximatif à un taux de base de 2,5-3 % et un gain qui mérite vraiment d’être attrapé (environ 25-30 % relatif, nécessitant dans les 6 000-7 000 sessions par variante) : environ 1 000 sessions par jour par variante règle ça en moins d’une semaine, 300 par jour par variante prend environ trois semaines, et sous 100 par jour par variante ça dépasse deux mois — à ce volume, ne testez que des changements assez gros pour attendre un gain bien plus large, pas un gain subtil.

La grille de décision : ship, kill, ou on continue

Lisez le test par rapport à l’objectif d’échantillon fixé avant le lancement, pas par rapport à l’air convaincant qu’a l’écart aujourd’hui.

• Ship : échantillon complet atteint, et l’écart tient à ou au-dessus de votre gain minimum détectable pendant les derniers jours du test, pas seulement le dernier jour
• Gardez A, testez quelque chose de plus gros ensuite : échantillon complet atteint, mais l’écart reste dans la bande du gain minimum détectable — à ce niveau de trafic il n’y a pas de vraie différence entre les deux pages, et c’est un résultat légitime, pas un test raté
• Arrêt précoce acceptable : sous environ un tiers de l’échantillon cible, mais une variante traîne déjà de plus du double de votre gain minimum détectable — cet écart est assez large pour être un vrai signal plutôt que du bruit, et il n’y a aucune raison de brûler le reste du trafic pour le prouver à nouveau
• Continuez, ne tranchez pas encore : sous l’échantillon cible et l’écart reste dans la bande du gain minimum détectable — c’est exactement le stade où un « gagnant évident » aujourd’hui s’inverse la semaine suivante, et c’est l’endroit où les vendeurs arrêtent un test trop tôt le plus souvent

Faire tourner le test assez proprement pour croire le chiffre

Changez une seule variable par test — image principale, affichage du prix, ou placement du badge de confiance, pas les trois en même temps. Une page qui change l’image, la mise en page du prix et la position du badge en même temps et qui gagne vous dit que quelque chose dans ce paquet a marché, pas quelle partie, donc le prochain test repart sur une hypothèse au hasard.

Gardez le mix de trafic stable pendant que le test tourne. Lancer un nouvel ad set, élargir le ciblage, ou déplacer le budget entre plateformes pendant le test peut faire bouger le taux de conversion à lui seul — une audience moins chère et moins qualifiée qui arrive en plein test va faire baisser les deux variantes ensemble, et ça n’a rien à voir avec la page.

Faites tourner les deux variantes en même temps, jamais l’une après l’autre. Une page qui a fait tourner la variante A une semaine et la variante B la semaine suivante n’est pas un test contrôlé — ce sont deux semaines différentes avec des mix de trafic différents, des répartitions de jours de semaine différentes, et peut-être deux promotions différentes en cours, et la comparaison ne vous dit rien de fiable sur l’une ou l’autre page.

Ce que la formule ne peut pas vous dire

Une nouvelle mise en page reçoit souvent un petit coup de pouce éphémère juste parce qu’elle est différente pour les visiteurs qui reviennent — un effet de nouveauté qui tend à s’éteindre en une à deux semaines. Si un résultat paraît fort tôt, ça vaut un second regard quelques semaines après le lancement plutôt que de traiter les chiffres du jour cinq comme définitifs.

La saisonnalité et les promotions contaminent la lecture d’une façon que le calcul de taille d’échantillon ne peut pas voir. Une bannière de solde, une semaine de paye, ou un pic Black Friday déplace le taux de conversion indépendamment de tout ce qui est sur la page, donc un test qui chevauche un de ces événements a besoin d’une durée plus longue ou d’une autre fenêtre, pas d’une lecture plus rapide.

Enchaîner beaucoup de tests successifs au seuil standard de 95 % de confiance veut dire qu’environ un « gagnant » sur vingt est du pur hasard même quand tous les chiffres se vérifient — c’est pourquoi un résultat sur la métrique que vous visiez vraiment compte plus qu’un écart surprenant sur un chiffre secondaire enterré dans le dashboard. Le suivi concurrentiel de Trackira montre quelles mises en page de fiche produit, quels badges et quels affichages de prix les boutiques qui tournent déjà en pub dans votre niche utilisent en ce moment, ce qui est un moyen plus rapide de choisir quoi tester ensuite que de deviner depuis une bibliothèque de templates.

Combien de temps dois-je faire tourner un test A/B sur ma fiche produit Shopify ?

Ça dépend de votre taux de conversion de base, de votre trafic journalier, et du gain minimum que vous voulez pouvoir détecter — pas d’un nombre de jours fixe. Lancez d’abord la formule de taille d’échantillon sur vos propres chiffres ; une boutique à 150 sessions par jour par variante a typiquement besoin de 3 à 15 semaines selon la subtilité du gain qu’elle cherche à attraper.

Combien de visiteurs faut-il pour un test de fiche produit valide ?

Utilisez n ≈ 16 × p × (1 − p) / d² par variante, où p est votre taux de conversion actuel en décimal et d le gain minimum, en points absolus, que vous voulez pouvoir détecter. Une boutique à 2,5 % de base qui vise un gain relatif de 40 % a besoin d’environ 3 900 sessions par variante ; viser un gain relatif de 20 % demande environ 15 600.

Qu’est-ce que le gain minimum détectable et pourquoi ça compte ?

C’est le plus petit gain que vous voulez vraiment être capable d’attraper, exprimé en points de conversion absolus. Le fixer trop bas rend l’échantillon nécessaire inatteignable pour la plupart des boutiques ; le fixer au plus petit mouvement qui changerait vraiment votre décision fait finir le test dans un délai que vous pouvez attendre.

Puis-je faire confiance à un test qui n’a pas atteint l’échantillon complet ?

Seulement si l’écart dépasse déjà le double de votre gain minimum détectable et que l’échantillon atteint au moins un tiers de l’objectif — cette combinaison est un vrai signal. Dans la bande du gain minimum détectable, un résultat précoce est du bruit, quel que soit l’air convaincant qu’il a sur le dashboard.