Bayesian
Une approche statistique qui utilise la probabilité pour représenter l'incertitude sur les paramètres du modèle.
Approche statistique qui repose sur l’utilisation de la probabilité pour modéliser l’incertitude autour des paramètres d’un modèle. Contrairement à l’approche fréquentiste, elle intègre à la fois les données observées et, lorsque disponible, des informations a priori (appelées priors) pour mettre à jour la probabilité d’une hypothèse à mesure que de nouvelles données sont collectées.
En contexte CRO / A/B testing :
L’approche bayésienne permet de répondre à des questions concrètes comme :
“Quelle est la probabilité que la variation B soit meilleure que la variation A ?”
Plutôt que de rejeter ou non une hypothèse nulle, elle fournit une probabilité directe et actionnable, bien plus intuitive pour les équipes métier.
Avantages pour le CRO :
- Donne des résultats exploitables en continu, sans attendre une taille d’échantillon prédéfinie,
- S’adapte dynamiquement à l’évolution du test,
- Fournit des estimations probabilistes claires : par exemple, “il y a 92 % de chances que la variation B soit meilleure que A”,
- Facilite la prise de décision rapide et progressive,
- Moins exposée aux biais liés à l’arrêt anticipé (peeking),
- Compatible avec des contextes de personnalisation avancée ou de tests multi-variantes.
Outils qui utilisent l’approche bayésienne :
- Optimizely (Stats Engine)
- VWO (Bayesian Engine)
- AB Tasty (option Bayésienne)
- Convert.com, Google Ads (Expériences), etc.
Points de vigilance :
- Le choix et l’interprétation des priors peuvent influencer les résultats si mal calibrés,
- Moins familière pour les équipes purement data/scientifiques habituées aux tests traditionnels.
Autres termes : Statistiques
Voir tout le glossaire- Approche Frequentist (A/B test)Une approche statistique qui estime les paramètres du modèle en se basant uniquement sur les données observées, sans utiliser d'informations a priori.Statistiques
- Confiance statistiqueNiveau de certitude que l'on a dans les résultats d'un test statistique.Statistiques
- Faux NégatifsRésultats qui manquent à détecter un effet qui est réellement présent.Statistiques
- Faux PositifsRésultats indiquant à tort qu'un effet est présent alors qu'il ne l'est pas.Statistiques
- Mann-Whitney U TestUn test non paramétrique utilisé pour comparer deux échantillons indépendants afin de déterminer s'ils proviennent de la même distribution.Statistiques
- MDE (Minimum Detectable Effect)La plus petite différence qui, si elle existe, peut être détectée de manière fiable dans un test statistique.Statistiques




