Publié le 14 octobre 2026 · Emailing

A/B testing email : quoi tester, quoi ignorer

La plupart des e-commerces qui font de l'A/B testing testent la couleur d'un bouton, un emoji dans l'objet, ou la position d'une image. Ils obtiennent un chiffre qui bouge de quelques dixièmes de point, le déclarent gagnant, et passent au test suivant. Ce n'est pas de l'optimisation, c'est du bruit statistique habillé en méthode. Sur un volume d'envoi moyen, ces micro-écarts ne veulent rien dire : ils disparaîtraient ou s'inverseraient si vous relanciez le même test la semaine suivante.

Le problème n'est pas de tester, c'est de tester la mauvaise chose et de la mesurer avec le mauvais indicateur. Un test qui porte sur un détail cosmétique et qui se juge sur le taux de clic ne peut structurellement rien vous apprendre sur ce qui fait vendre. Voici ce qui mérite réellement un test sur votre emailing, ce qui n'en vaut pas la peine, et comment mesurer sans se raconter d'histoires.

Ce qui mérite vraiment d'être testé

Un test a de la valeur quand la variable testée peut plausiblement changer la décision d'achat du lecteur, pas seulement son ressenti visuel. Quatre familles de variables remplissent cette condition sur un emailing e-commerce.

L'angle et la promesse de l'objet

Tester deux formulations d'un même objet a peu d'intérêt. Tester deux angles différents en a beaucoup : un objet qui joue sur la rareté du stock contre un objet qui joue sur un bénéfice produit précis, par exemple. Ce n'est plus une question de style, c'est une question de ce que vous promettez avant même l'ouverture. Deux angles opposés attirent des lecteurs différents, avec des attentes différentes, et cela se répercute jusqu'à la conversion.

La Big Idea du message

La Big Idea, c'est l'idée centrale qui organise tout l'email : pourquoi ce produit, pourquoi maintenant, pourquoi vous. Tester deux Big Ideas revient à tester deux raisons d'achat différentes pour la même offre. C'est le test le plus structurant qui existe, parce qu'il ne change pas l'emballage du message, il change l'argument qui doit convaincre le lecteur d'acheter.

L'offre et sa présentation

Une offre peut se présenter de plusieurs façons sans changer de nature : mise en avant d'un avantage produit plutôt qu'un autre, ordre de présentation entre plusieurs bénéfices, ou choix de l'élément de preuve sociale affiché en premier. Ces choix pèsent directement sur la perception de valeur, donc sur la conversion. C'est une variable qui mérite un test, à condition de ne changer qu'un seul de ces éléments à la fois.

La structure de la séquence

Au-delà d'un email isolé, la structure d'une séquence entière se teste : nombre de messages avant relance, ordre des arguments sur plusieurs emails, moment où l'offre apparaît dans le parcours. Une séquence de panier abandonné à deux emails contre une séquence à trois emails est un test structurel qui peut changer le taux de récupération de façon mesurable, bien plus qu'un bouton repeint.

Ce qui ne vaut pas la peine sur une petite liste

Sur une liste de quelques milliers d'abonnés, les micro-variations sans significativité statistique occupent du temps sans jamais produire de décision fiable. Couleur d'un bouton, emoji dans l'objet, longueur d'un email à quelques lignes près, position d'une image dans le corps du message : ces éléments produisent des écarts si faibles qu'ils se noient dans la variation naturelle d'une campagne à l'autre. Vous pourriez tester la même variante deux semaines de suite et obtenir des résultats différents, simplement parce que le trafic et le contexte d'achat ont changé.

Ce n'est pas que ces détails n'ont aucun effet en théorie. C'est qu'à l'échelle d'un e-commerce qui n'envoie pas des millions d'emails, l'effet est trop petit pour être distingué du hasard. Tester ces éléments revient à consommer du temps d'équipe et de la patience pour un résultat qui ne changera jamais votre décision, puisque vous ne pourrez de toute façon pas être sûr qu'il est réel.

Deux pièges qui invalident vos tests

Tester sur un volume trop faible pour conclure

Le premier piège consiste à déclarer un vainqueur après quelques centaines d'envois par variante, alors que l'écart observé n'a rien de statistiquement significatif. Un e-commerce qui teste deux objets sur 500 destinataires chacun, avec un taux de conversion de quelques pour cent, obtient des résultats basés sur une poignée de commandes. Une seule vente d'écart entre les deux variantes suffit alors à inverser le classement. Conclure sur ce volume revient à tirer une règle générale d'un tirage au sort.

La solution n'est pas de renoncer au test, c'est de dimensionner correctement : soit vous attendez d'avoir un volume d'envoi suffisant pour la variable testée, soit vous cumulez plusieurs campagnes similaires avant de statuer, soit vous acceptez que certaines décisions se prennent sur votre expertise plutôt que sur un test impossible à rendre fiable à votre échelle.

Optimiser le taux d'ouverture ou de clic au lieu des ventes

Le second piège est plus insidieux, parce qu'il donne l'impression de faire les choses sérieusement. Vous testez, vous mesurez, vous obtenez un écart net, mais vous le mesurez sur le mauvais indicateur. Un objet peut faire grimper le taux d'ouverture en attirant des lecteurs curieux mais peu qualifiés, tout en faisant baisser la conversion parce que ces lecteurs n'achètent pas. Le taux de clic pose le même problème : un lien plus visible génère plus de clics sans garantir que ces clics se transforment en commandes.

Le taux d'ouverture et le taux de clic ne sont pas des objectifs, ce sont des indicateurs intermédiaires à disqualifier comme mesure de succès. On teste ce qui bouge le chiffre d'affaires, on mesure la conversion et les ventes générées par chaque variante, jamais l'engagement de surface. Un test qui gagne sur l'ouverture et perd sur la conversion est un test perdant, point final.

Une méthode simple pour un e-commerce

Pas besoin d'un dispositif complexe pour tester utilement. Quatre étapes suffisent pour un e-commerce qui n'a pas une équipe data dédiée.

D'abord, choisissez une seule variable à fort enjeu par test : un angle d'objet, une Big Idea, une présentation d'offre. Ne mélangez jamais plusieurs changements dans la même variante, sinon vous ne saurez jamais lequel a produit l'écart observé. Ensuite, dimensionnez le test sur votre volume réel : si votre liste ne permet pas d'atteindre un nombre de conversions suffisant sur une seule campagne, prévoyez de cumuler plusieurs envois avant de conclure, plutôt que de statuer trop tôt.

Troisièmement, fixez à l'avance l'indicateur de décision : la conversion ou le chiffre d'affaires généré par variante, jamais l'ouverture ou le clic seuls. Cela évite la tentation de choisir après coup l'indicateur qui arrange la conclusion souhaitée. Enfin, vérifiez la significativité avant de généraliser : un calculateur de signification statistique, gratuit et rapide à utiliser, vous dira si l'écart observé dépasse la simple variation aléatoire. Sans cette vérification, un test gagnant reste une intuition non confirmée.

Un exemple concret : deux tests sur le même e-commerce

Une boutique de produits pour la maison, avec 8 000 abonnés actifs, lance deux tests le même mois. Le premier compare deux couleurs de bouton d'appel à l'action sur sa newsletter hebdomadaire, envoyée en deux moitiés de liste. L'écart de clics entre les deux variantes est de moins d'un point, et l'écart de commandes se résume à quelques ventes de différence sur plusieurs centaines. Aucune conclusion fiable n'en ressort : le résultat change de sens si on isole une semaine plutôt qu'une autre.

Le second test compare deux angles d'objet pour une même relance de panier abandonné, envoyée sur plusieurs semaines à mesure que des paniers se déclenchent, jusqu'à cumuler plusieurs milliers d'envois par variante. Le premier angle met en avant la disponibilité limitée du produit, le second rappelle un bénéfice concret de l'article laissé au panier. L'écart de taux d'ouverture entre les deux est faible, mais l'écart de conversion, mesuré sur les commandes réellement passées, est net et se maintient sur plusieurs semaines de test. C'est ce second résultat, testé sur une variable structurante et validé sur un volume suffisant, qui devient une décision durable pour la boutique.

Ce qu'il faut retenir

• Testez ce qui peut changer une décision d'achat : angle d'objet, Big Idea, présentation de l'offre, structure de séquence.
• Ignorez les micro-variations cosmétiques : couleur de bouton, emoji, mise en page fine, sans effet mesurable à votre échelle.
• Ne testez qu'une seule variable à la fois : mélanger les changements empêche d'identifier ce qui a produit l'écart.
• Dimensionnez le test sur votre volume réel : un écart sur quelques dizaines de commandes n'est pas une conclusion, c'est du hasard.
• Mesurez la conversion, jamais l'ouverture ou le clic seuls : ce sont des indicateurs intermédiaires, pas des objectifs.
• Vérifiez la significativité avant de généraliser : un calculateur statistique confirme qu'un écart n'est pas dû au hasard.

Pour aller plus loin

Avant de tester un objet, assurez-vous de maîtriser ce qui fait vraiment ouvrir un objet d'email e-commerce, puis travaillez la structure du message avec les principes pour écrire un email qui vend. Si vous voulez situer vos tests dans une démarche d'ensemble, un audit emailing e-commerce révèle souvent des priorités plus rentables que le test en cours. Pour approfondir la méthode statistique, le blog de Klaviyo publie régulièrement des retours chiffrés sur l'A/B testing e-commerce.