L’A/B testing gratuit existe. La plupart des PME ne le savent pas parce que les comparatifs recommandent systématiquement des outils à 300€/mois.
Google Optimize a été arrêté en septembre 2023. Depuis, la plupart des recommandations pointent vers VWO, AB Tasty ou Optimizely – des plateformes excellentes, mais facturées entre 200 et 1 500€ par mois. Pour une PME guyanaise ou ultramarine qui veut simplement tester deux versions d’une landing page, c’est un budget difficile à justifier avant d’avoir démontré le ROI.
Il existe des alternatives sérieuses. Certaines sont open source, d’autres ont des plans gratuits substantiels. Aucune n’est parfaite, mais trois d’entre elles couvrent 90% des besoins réels d’une PME qui veut optimiser ses conversions sans débourser un euro.
Ce que vous cherchez vraiment avec un A/B test
Avant de choisir un outil, posez-vous la bonne question : qu’est-ce que vous voulez mesurer ?
Un A/B test n’a de valeur que si trois conditions sont remplies :
- Un trafic suffisant – En dessous de 500 visiteurs uniques par semaine sur la page testée, les résultats statistiquement significatifs prendront des mois. Avec 2 000+ visiteurs hebdomadaires, un test de 2-3 semaines suffit.
- Une seule variable – Changer le CTA ET la couleur du bouton ET le titre en même temps ne vous dit rien. Un test = une hypothèse = une variable.
- Un objectif binaire – Clique ou ne clique pas. Achète ou n’achète pas. S’inscrit ou ne s’inscrit pas. Les métriques « engagement » et « temps passé » sont des distractions.
Ces trois conditions tiennent avec n’importe quel outil de cette liste. Le reste – l’interface, les dashboards IA, les intégrations – c’est du confort, pas du fondamental.
Les 5 outils gratuits ou quasi-gratuits testés
1. GrowthBook – l’open source qui tient la route
GrowthBook est la référence open source de l’expérimentation. Fondée en 2020, la plateforme est utilisée en production par des équipes chez Loom, Buildkite, et des centaines de startups YCombinator.
Ce qu’il fait : A/B tests, tests multivariés, feature flags, analyse statistique avancée (CUPED, Bayésien, Sequential). Il se connecte à votre entrepôt de données existant (BigQuery, Snowflake, Postgres, MySQL) plutôt que d’ingérer vos données – vous gardez la main.
Tarif réel : Gratuit en auto-hébergement (100% des fonctionnalités). Cloud gratuit jusqu’à 3 utilisateurs et 1 million d’événements par mois. Le plan Pro commence à 20€/mois.
Pour qui : Toute équipe avec un développeur disponible 2h pour l’installation. L’interface est propre, la documentation solide. Si vous êtes sur WordPress ou Webflow, il existe des intégrations via JavaScript SDK.
Limitation à connaître : L’analyse visuelle (heatmaps, session recording) n’est pas incluse. Vous devrez le coupler avec Microsoft Clarity pour le diagnostic.
2. PostHog – la suite complète à coût zéro
PostHog est l’outil le plus complet de cette liste. Conçu pour les équipes produit, il combine analytics, session replay, feature flags, A/B tests, enquêtes et entrepôt de données dans une seule plateforme.
Ce qu’il fait : Expérimentation A/B (y compris tests multivariés), feature flags pour déploiements progressifs, enregistrements de sessions, analytics comportemental, enquêtes utilisateurs intégrées.
Tarif réel : Gratuit jusqu’à 1 million d’événements, 5 000 enregistrements de sessions, 1 million de requêtes feature flags et 1 500 réponses d’enquêtes par mois. Ces quotas se renouvellent chaque mois, sans carte de crédit requise.
Pour qui : Les équipes produit ou marketing qui veulent tout centraliser. PostHog s’installe en 10 minutes via un snippet JavaScript. Il existe des SDK pour React, Next.js, Vue, Python, Ruby et iOS/Android.
Avantage concurrentiel : La combinaison « session replay + A/B test » dans un seul outil est rare en gratuit. Vous pouvez regarder exactement comment les utilisateurs se comportent sur chaque variante – c’est la donnée qualitative qui manque dans la plupart des outils purement quantitatifs.
3. Statsig – la puissance ex-Facebook en free tier
Statsig a été fondé en 2021 par des ingénieurs qui ont bâti l’infrastructure d’expérimentation de Facebook. Aujourd’hui, la plateforme gère les tests de production chez OpenAI, Notion et Atlassian.
Ce qu’il fait : Feature flags, A/B tests, analyse de métriques de guardrail (pour s’assurer qu’une variante ne dégrade pas d’autres indicateurs), détection automatique des anomalies, intégration native avec les entrepôts de données cloud.
Tarif réel : Free tier permanent avec 1 million d’événements par mois. Le plan Pro démarre à 150€/mois pour les équipes plus larges.
Différence clé par rapport aux autres : Statsig intègre nativement des « guardrail metrics » – des indicateurs de protection qui vous alertent si votre variante B améliore le taux de clic mais dégrade le taux de complétion ou le temps en page. C’est le type de sophistication qu’on trouvait uniquement dans les outils enterprise il y a deux ans.
Pour qui : Les équipes techniques qui veulent une infrastructure d’expérimentation solide sans dépenser. L’interface est moins accessible aux non-développeurs, mais la puissance analytique est supérieure.
4. Microsoft Clarity – le diagnostic gratuit et illimité
Clarity n’est pas un outil d’A/B test. C’est un outil de diagnostic : heatmaps, session recording, analyse des clics de rage, détection des scroll dead zones. Et il est 100% gratuit, sans limite de trafic ni de durée de rétention.
Ce qu’il fait : Enregistrements de sessions illimités, heatmaps de clics et scroll, détection des « dead clicks » et « rage clicks », intégration native avec Google Analytics 4 pour croiser données comportementales et données d’acquisition.
Tarif réel : Gratuit, illimité, sans aucune limite de trafic. Microsoft n’a pas publié de limitation officielle sur le volume.
Comment l’intégrer à votre workflow CRO : Clarity ne vous dit pas quelle variante convertit mieux – c’est le rôle de GrowthBook ou PostHog. Mais il vous dit pourquoi les utilisateurs ne convertissent pas sur la variante de contrôle, ce qui vous aide à formuler des hypothèses pertinentes avant de lancer un test.
Installation : Un seul script JavaScript à coller avant la fermeture du tag <body>. Compatible WordPress, Shopify, Wix, Webflow.
5. AB Tasty Starter – le compromis pour les équipes no-code
Si votre équipe n’a pas de développeur et que le code JavaScript vous freine, AB Tasty propose un éditeur visuel sans code pour créer et lancer des tests directement depuis un navigateur.
Ce qu’il fait : Tests A/B et multivariés via éditeur visuel (drag-and-drop), personnalisation de contenu par segment, tests de redirections, analyse des conversions.
Tarif réel : Le plan Starter démarre à 49€/mois pour les petits sites. Un essai gratuit de 14 jours est disponible sans carte de crédit.
Pour qui : Les équipes marketing sans ressources techniques qui veulent tester des landing pages, des CTA et des formulaires sans intervention développeur. Attention : si vous avez déjà rencontré les limites du no-code en entreprise, vérifiez que les données d’AB Tasty s’exportent dans votre entrepôt avant de vous engager. Le compromis : vous payez pour le confort no-code.
Quel outil choisir selon votre profil
| Profil | Outil recommandé | Budget mensuel | Délai d’installation |
|---|---|---|---|
| PME avec 1 développeur | GrowthBook Cloud (free) + Clarity | 0€ | 4h |
| Équipe produit SaaS | PostHog (free tier) | 0€ | 2h |
| Startup technique, scale | Statsig (free) + Clarity | 0€ | 6h |
| No-code, marketing only | AB Tasty Starter | 49€ | 1h |
| E-commerce Shopify/WooCommerce | PostHog + Clarity | 0€ | 3h |
La règle simple : si vous avez un développeur, commencez par PostHog – la gratuité, la couverture fonctionnelle et la documentation sont imbattables pour une première mise en place. Si vous êtes seul et que le code vous bloque, investissez dans le plan d’entrée d’AB Tasty et gagnez du temps. Pour choisir vos métriques d’optimisation, lisez d’abord les 3 métriques qui comptent vraiment pour piloter une PME – vos objectifs de conversion doivent s’aligner avec vos indicateurs de pilotage.
Votre premier A/B test en 48h : le framework en 5 étapes
Un test A/B qui n’est pas structuré avant d’être lancé produit des données inutilisables. Voici le framework que nous utilisons chez 1D-D1 pour chaque test, quel que soit le volume de trafic.
Étape 1 – Formuler une hypothèse précise (30 min)
Format obligatoire : « Si je [modification], alors [métrique] augmentera de [X%] parce que [raisonnement]. »
Exemple : « Si je remplace le CTA ‘En savoir plus’ par ‘Voir les tarifs →’, alors le taux de clic sur le CTA augmentera de 15% parce que l’intention transactionnelle est plus explicite. »
Étape 2 – Calculer le trafic nécessaire (15 min)
Avant de lancer, calculez la durée minimale de votre test. Avec un trafic de 1 000 visiteurs/semaine, un effet attendu de 20% et un niveau de confiance de 95%, vous avez besoin d’environ 2 semaines. Utilisez le calculateur de VWO ou Evan Miller (gratuits en ligne).
Étape 3 – Implémenter la variante (2-4h)
Dans PostHog ou GrowthBook, créez une expérience, définissez vos variants (A = contrôle, B = variante), ajoutez l’event de conversion dans votre code (ou via le SDK JavaScript sans déploiement si vous utilisez le visual editor).
Étape 4 – Laisser tourner sans toucher (1-3 semaines)
L’erreur la plus fréquente : stopper le test dès que la variante B semble « gagner ». Le phénomène de peek bias fausse les résultats. Respectez la durée calculée à l’étape 2, sauf si vous avez défini une règle d’arrêt anticipé dans Statsig (guardrail metrics).
Étape 5 – Documenter et déployer (1h)
Si B gagne avec un intervalle de confiance >95% : déployez la variante B à 100% du trafic et documentez l’hypothèse, le résultat et l’impact estimé sur le revenu. Cette documentation vaut de l’or pour les tests futurs. Pour intégrer ces résultats dans une mécanique de croissance complète, le framework AARRR adapté aux PME ultramarines vous donnera la structure dans laquelle positionner votre programme de tests.
Si aucun gagnant : ce n’est pas un échec. C’est une information – votre hypothèse était fausse. Formulez-en une nouvelle.
Le mot de la fin
Le A/B testing n’est pas une pratique réservée aux équipes e-commerce avec 50 000 visiteurs par jour. Avec PostHog ou GrowthBook, une PME avec 2 000 visiteurs mensuels peut structurer des tests qui améliorent concrètement son taux de conversion – sans budget logiciel.
La vraie contrainte n’est pas l’outil. C’est la discipline : formuler des hypothèses précises, respecter les durées de test et documenter les résultats. Le reste est de la mécanique.
♚ 1D-D1 – One Day or Day One. Parlons stratégie →






