Bayésien ou fréquentiste, et quel outil choisir
Votre outil d'expérimentation affiche une probabilité de gain ou une p-valeur, et l'équipe ne sait pas toujours laquelle croire. Cette leçon explique ce que chaque cadre dit vraiment, comment lire leurs sorties et comment choisir un outil selon votre volume, vos données et votre budget. Une voie gratuite est présentée pour démarrer sans engagement.
Objectif de la leçon
À la fin de cette leçon, vous serez capable d'expliquer à une équipe la différence entre une lecture fréquentiste et une lecture bayésienne d'un test, de lire la sortie d'un outil dans les deux cadres, et de choisir un outil d'expérimentation adapté à vos contraintes, avec une voie gratuite.
Thèmes abordés
- A/B test bayésien
- approche fréquentiste
- outils d'expérimentation
- CUPED
- réduction de variance
Dans quel module
Analyser le résultat
Comment lire un résultat de test sans surinterpréter ni passer à côté d'un problème ?
Leçons du module
- Lire une p-valeur et un intervalle de confiance
- Les pièges de l'analyse : regards répétés, comparaisons multiples, nouveauté, SRM, Simpson
- Bayésien ou fréquentiste, et quel outil choisir (cette leçon)
Ce que vous apprendrez dans la formation
Cette leçon fait partie de la formation Concevoir et analyser un A/B test
- Décider si un A/B test est la bonne méthode (volume, B2B, réversibilité, délai, éthique) et choisir une alternative adaptée sinon.
- Formuler une hypothèse testable, choisir une métrique principale sensible et attribuable, des garde-fous et l'événement d'exposition à enregistrer.
- Choisir l'unité de randomisation et prévenir les interférences entre groupes, y compris en B2B.
- Calculer une taille d'échantillon et une durée à partir du taux de base, de l'effet minimal détectable, du seuil de significativité et de la puissance.
- Analyser un résultat (p-valeur, intervalle de confiance, significativité pratique, garde-fous) et lire une sortie bayésienne ou fréquentiste d'un outil.
- Détecter et éviter les pièges d'analyse (regards répétés, comparaisons multiples, effet de nouveauté, déséquilibre des groupes, paradoxe de Simpson).
- Décider à partir de règles écrites avant le test et documenter l'expérience dans un mémo réutilisable.
Formations liées
- Concevoir et valider une expérience produit avec l'IAJunior · ~2 h 30 min
- Écrire des specs que les développeurs et les agents IA comprennentConfirmé · ~2 h 30 min
- Instrumenter un produit et utiliser les données pour déciderConfirmé · ~3 h 30 min