Probant ou GrowthBook

Les deux outils comparés point par point, d’après la documentation publique de GrowthBook, consultée le 11 novembre 2026. Chaque affirmation sur GrowthBook renvoie à sa source.

78 sources tirées de 33 pages officielles, consultées le 11 novembre 2026.

Ce que GrowthBook propose.

GrowthBook se présente comme une plateforme « warehouse-native » d’expérimentation, de feature flags et d’analytics produit.¹ Les données restent dans l’entrepôt du client : seules des statistiques agrégées en sortent.² Son moteur est bayésien par défaut, fréquentiste au choix.^3,4,5

Probant s’adresse aux sites qui veulent des tests A/B dont le verdict tient : un plan fixé avant le lancement, et des garde-fous suivis jusqu’au déploiement. Il mesure ce que vaut vraiment chaque conversion : la marge d’une commande, le lead qualifié ou signé, l’abonnement payé.

Les différences, point par point.

À gauche, ce que dit la documentation publique de GrowthBook, chaque phrase avec sa source. À droite, ce que fait Probant. « Non mentionné » signifie que rien n’a été trouvé dans cette documentation : ce n’est pas la preuve qu’une fonction n’existe pas.

Probant et GrowthBook, point par point. Les appels de note renvoient aux sources, en bas de page.
Point comparé	GrowthBook	Probant
Méthode statistique	Deux moteurs : bayésien (par défaut) et fréquentiste (tests t de Student), au choix par organisation ou par projet. Le test séquentiel est une option du moteur fréquentiste.^3,4,5	Fréquentiste, avec un plan séquentiel fixé avant le lancement : effet visé, durée et points de contrôle. Le verdict s’écrit en une phrase, avec une fourchette à 95 %.
Coup d’œil (peeking)	Test séquentiel par « asymptotic confidence sequences » (Waudby-Smith et al. 2023), activable par défaut ou par test. Réservé au moteur fréquentiste et aux plans Pro et Enterprise ; non activé par défaut.^6,7,8,9	On ne décide qu’aux points de contrôle prévus, avec les bornes d’O’Brien-Fleming : très strictes au début, proches du seuil classique à la fin. Pendant un déploiement, les fourchettes sont toujours valides (mSPRT) : on peut les consulter à tout moment.
Répartition des visiteurs (SRM)	Test du khi-deux automatique sur chaque expérience, avec avertissement si p < 0,001 (seuil réglable) ; le résultat reste affiché. Dans les Safe Rollouts seulement, on peut choisir de suspendre ou d’annuler le déploiement en cas de SRM.^10,11,12,13	La répartition des visiteurs est contrôlée par un test du khi-deux à chaque lecture du rapport. En cas de déséquilibre, le test passe au statut « bloqué » : aucun gagnant n’est annoncé.
Garde-fous	Dans une expérience classique, les métriques garde-fous sont affichées à part et nourrissent les recommandations du Decision Framework (« Roll back now »), sans arrêt automatique documenté. L’annulation automatique sur dégradation d’un garde-fou existe dans les Safe Rollouts (plans Pro et Enterprise).^14,15,16,17	Les métriques garde-fous sont suivies avec leur fourchette ; un garde-fou n’est franchi que si toute la fourchette dépasse la limite. Un garde-fou franchi bloque le verdict du test, arrête seul un test en cours et, pendant un déploiement, ramène les visiteurs sur l’originale automatiquement.
Déploiements progressifs	Ramp Schedules par paliers (attente, approbation) et Safe Rollouts : paliers 1 → 5 → 10 → 25 → 50 % avec surveillance des garde-fous et rollback automatique. Plans Pro et Enterprise selon la doc ; la page tarifs place les Ramp Schedules dans Enterprise.^16,18,19,20	Paliers 25 % → 50 % → 100 % par défaut, 10 % → 25 % → 50 % → 100 % en mode prudent. Retour arrière automatique quand un garde-fou est franchi ; un visiteur exposé le reste aux paliers suivants.
Multi-armed bandit	Bandits multi-bras qui réallouent le trafic selon une métrique de décision unique (plans Pro et Enterprise). Les bandits contextuels (poids par segment) sont réservés au plan Enterprise.^21,22,23	Test d’optimisation : échantillonnage de Thompson, réalloué au plus une fois par jour, avec une part minimale par variante. Il maximise un taux de conversion, ou un montant par visiteur comme le chiffre d’affaires : probabilité d’acheter et panier moyen tirés de leurs lois, valeurs plafonnées au centile comme dans un test A/B. En option, des parts par appareil (mobile, tablette, ordinateur) : un tirage par appareil, chacun avec son apprentissage et son plancher. Un visiteur garde toujours sa variante : une nouvelle répartition ne vaut que pour les visiteurs arrivés après elle. Dit à l’écran : il maximise les conversions (ou le montant par visiteur) pendant le test, il ne prouve pas qu’une variante est meilleure. L’écart se lit époque par époque (et appareil par appareil), sans gagnant proclamé ; l’export CSV donne la même lecture.
Revenu et marge par visiteur	Métriques moyennes (ex. revenu par utilisateur) et ratios (ex. panier moyen) analysées avec intervalle de confiance à 95 % en fréquentiste ou distribution a posteriori en bayésien.^24,25,26 La marge par visiteur n’est pas mentionnée dans leur documentation publique (consultée le 11 novembre 2026).	CA et marge par visiteur, chacun avec sa fourchette ; le gain est chiffré en euros. La marge est calculée sur le serveur, à partir des commandes rapprochées, du coût de chaque produit (Shopify ou CSV) et des frais de la boutique ; pas de verdict en marge sous 90 % du CA couvert par des coûts connus.
Biais du gagnant	Pas de correction du « winner’s curse » par test par défaut (prior non informatif). Un prior propre optionnel (Normale de moyenne 0, écart-type 0,3) rétrécit les écarts vers 0 en bayésien, et le tableau Insights « dé-biaise » l’impact cumulé du programme par l’estimateur de James-Stein.^27,28,29,30	Le gain annoncé est corrigé du biais du gagnant, par rétrécissement bayésien vers les effets des tests passés de la boutique.
Mode bayésien	Moteur bayésien par défaut avec « Chance to Win » et distribution de l’écart (graphique en violon). Prior non informatif par défaut, prior propre et priors par métrique en option. Le risque (perte attendue) est calculé mais n’est plus affiché dans l’application.^31,32,33	En option, désactivée par défaut : une lecture bayésienne à côté du verdict, avec la probabilité que la variante fasse mieux, l’intervalle de crédibilité et la perte attendue de chaque choix. L’a priori est centré sur zéro et aussi large que les effets mesurés par les tests arrêtés de la boutique ; tant qu’ils sont trop peu nombreux pour l’estimer, pas de lecture : aucun a priori par défaut n’est inventé. La décision suit toujours le plan scellé ; quand les deux lectures divergent, le rapport dit pourquoi.
Comparaisons multiples	Correction au choix : aucune, Holm-Bonferroni (FWER) ou Benjamini-Hochberg (FDR), sur l’ensemble des métriques objectifs × variantes (et segments). Uniquement dans le moteur fréquentiste ; les métriques secondaires et garde-fous sont exclues.^34,35,36	Les comparaisons de segments sont corrigées par la méthode de Holm. Avec plusieurs variantes, le risque d’erreur se partage entre les comparaisons (Bonferroni).
Test multivarié	La doc parle de « multivariate A/B tests » au sens de tests à plusieurs variantes (A/B/n) via des flags non booléens. Aucun plan factoriel complet ni rapport d’interactions n’est documenté ; la doc juge les interactions entre tests parallèles rares.^37,38,39	Plan factoriel complet généré par Probant : de deux à quatre sections, chacune de deux à quatre niveaux, seize combinaisons au plus, chacune servie comme une variante. Effets principaux de chaque section sur tout le trafic et interactions entre deux sections, corrigés par la méthode de Holm sur les comparaisons annoncées au plan. Le plan dit, au trafic mesuré de l’espace, si le test peut conclure, et propose de retirer un niveau ou une section ; aucune meilleure combinaison n’est proclamée sans contrôle.
Réduction de variance (CUPED)	Réduction de variance CUPED (ajustement par régression sur données pré-expérience) dans les deux moteurs, sur les plans Pro et Enterprise ; la post-stratification (CUPEDps) est réservée au plan Enterprise.^40,41,42,43	CUPED appliqué aux rapports des tests réels, sur l’historique de chaque visiteur avant sa première exposition ; sans historique, l’écart reste brut et le rapport le dit.
Éditeur visuel	« AI Visual Editor » sous forme de panneau latéral Chrome sur le site réel : mode IA en langage naturel, mode manuel point-and-click, import Figma, CSS global et JavaScript personnalisé. Plans Pro et Enterprise ; rendu en production via un SDK front ou edge.^44,45,46	Deux façons d’éditer, qui produisent les mêmes modifications : un aperçu de la page chargé par Probant, sans ses scripts, ou la vraie page du site, scripts compris. Sur le site, l’éditeur est chargé par le script déjà installé, avec un lien signé, de courte durée, pour un brouillon et une variante ; sans extension de navigateur. Il n’envoie à Probant que les modifications choisies.
Widgets	Des widgets prêts à l’emploi ne sont pas mentionnés dans leur documentation publique (consultée le 11 novembre 2026).	Bandeau, compte à rebours, pop-in, badge, réassurance, barre d’action, date de livraison, preuve sociale, code promo, livraison offerte et enquête, réglés sans code dans l’éditeur et gardés dans la bibliothèque de l’espace pour d’autres tests. Un widget n’est qu’une suite de modifications ordinaires : textes échappés, liens en https ou vers le site, styles posés sans attribut style, donc sans assouplir une politique CSP stricte. Le compte à rebours suit le fuseau du site et disparaît à l’échéance ; la pop-in s’ouvre à l’arrivée, à l’intention de sortie ou après défilement, se ferme au clavier et ne réapparaît plus de la visite si le consentement le permet. Leurs petits modules ne se chargent que pour les visiteurs de la variante. La date de livraison est recalculée chez le visiteur (heure limite, jours ouvrés, jours fériés) ; la preuve sociale compte exactement les achats reçus sur une semaine glissante et ne s’affiche qu’à partir d’un seuil : Probant n’affiche jamais de faux « X personnes regardent ce produit ». L’enquête pose une question à réponses fermées ou une échelle de recommandation, sans texte libre ; chaque réponse part avec les conversions, après l’accord du visiteur quand l’espace l’exige, et se lit par variante, avec sa fourchette.
Script et clignotement	Balise script chargée en async ; anti-flicker natif seulement sur le Script Tag, désactivé par défaut (écran blanc, délai max 3,5 s par défaut). La doc recommande l’Edge SDK pour supprimer tout flicker. Poids du script non indiqué dans la doc.^47,48,49,50	Script de moins de 6,5 Ko compressé, chargé en asynchrone, qui ne masque jamais la page. Affectation côté serveur possible, pour un affichage sans aucun clignotement.
Permissions fines	Plan gratuit : rôle Admin seulement. Pro : rôles standard et rôles par projet. Rôles personnalisés à permissions fines, équipes et rôle « No Access » réservés au plan Enterprise.^51,52	Quatre rôles fixes, et des rôles personnalisés que le propriétaire compose à partir d’un catalogue de permissions nommées : préparer, lancer et arrêter, déployer, approuver un lancement, écrire le JavaScript des variantes, gérer les drapeaux, les métriques, la marge, les membres, les clés. Aucune élévation : la facturation, les rôles, le transfert et la suppression de l’espace restent au propriétaire ; on n’attribue jamais plus que ses propres permissions, et une clé d’API ne dépasse pas celles de son auteur.
Hébergement des données	GrowthBook Cloud est hébergé sur AWS, sous-traitants d’hébergement (AWS, MongoDB Atlas, ClickHouse) situés aux États-Unis. La région eu-west-1 n’est proposée que pour l’entrepôt géré et l’Event Forwarder. Les données d’analyse restent dans l’entrepôt du client, et l’auto-hébergement est possible.^{53,54,55,56,57,58}	Base de données et fonctions en région Paris (Supabase, Vercel cdg1).
Consentement par défaut	Par défaut, le Script Tag pose un cookie first-party gbuuid « long-lived » et envoie les expositions vers gtag, GTM et Segment. L’attribut data-no-auto-cookies retarde le cookie jusqu’au consentement, mais l’affectation se fait quand même avec un identifiant non persisté.^{59,60,61,62,63}	Consentement exigé par défaut : aucun cookie, aucune affectation et aucun envoi avant l’accord du visiteur. Accord donné en cours de lecture : la page ne change pas sous les yeux du visiteur, sa variante commence à la page suivante. Cookie interne au site, de 390 jours au plus, jamais prolongé.
Modèle de prix	Tarif par utilisateur, trafic illimité : Starter gratuit (3 utilisateurs), Pro à 40 $ par siège et par mois (jusqu’à 30 utilisateurs), Enterprise sur devis. L’entrepôt géré et le CDN sont facturés à l’usage au-delà des quotas (30 $/M d’événements, 10 $/M de requêtes CDN).^{64,65,66,67,68}	Forfait mensuel fixe, sans dépassement : la facture ne dépasse jamais le forfait choisi.

Ce que GrowthBook fait aussi.

Ces points, Probant les partage avec GrowthBook. Ils ne sont pas propres à Probant.

Un test séquentiel
Test séquentiel par « asymptotic confidence sequences » (Waudby-Smith et al. 2023), activable par défaut ou par test. Réservé au moteur fréquentiste et aux plans Pro et Enterprise ; non activé par défaut.^6,7,8,9
Une correction des comparaisons multiples
Correction au choix : aucune, Holm-Bonferroni (FWER) ou Benjamini-Hochberg (FDR), sur l’ensemble des métriques objectifs × variantes (et segments). Uniquement dans le moteur fréquentiste ; les métriques secondaires et garde-fous sont exclues.^34,35,36
Une réduction de variance (CUPED)
Réduction de variance CUPED (ajustement par régression sur données pré-expérience) dans les deux moteurs, sur les plans Pro et Enterprise ; la post-stratification (CUPEDps) est réservée au plan Enterprise.^40,41,42,43
Le revenu par visiteur, avec sa fourchette
Métriques moyennes (ex. revenu par utilisateur) et ratios (ex. panier moyen) analysées avec intervalle de confiance à 95 % en fréquentiste ou distribution a posteriori en bayésien.^24,25,26
Des déploiements progressifs
Ramp Schedules par paliers (attente, approbation) et Safe Rollouts : paliers 1 → 5 → 10 → 25 → 50 % avec surveillance des garde-fous et rollback automatique. Plans Pro et Enterprise selon la doc ; la page tarifs place les Ramp Schedules dans Enterprise.^16,18,19,20

Quand choisir GrowthBook plutôt que Probant.

D’après la documentation publique de GrowthBook.

Vous voulez un outil en code ouvert, à héberger vous-même
Code majoritairement sous licence MIT (« open core »), quelques répertoires sous licence Enterprise ; auto-hébergement documenté avec le même code que le cloud.^69,70,71
Probant est un service hébergé en région Paris.
Vos données vivent déjà dans un entrepôt
Analyse exécutée dans l’entrepôt du client (BigQuery, Snowflake, Redshift, Databricks, ClickHouse, Postgres, Athena…) ; seules des statistiques agrégées remontent. Entrepôt ClickHouse géré disponible pour qui n’en a pas.^2,72,73
Probant mesure les événements de son script et les commandes reçues par son API.
Vous voulez des tests par grappes, par exemple par région
Expériences « cluster » : randomisation d’un groupe (organisation, région…) et analyse sur l’unité incluse, avec avertissement sous 20 clusters par variante ; plans Pro et Enterprise. Pas de test switchback (alternance dans le temps) documenté.^{74,75,76,77,78}
Probant propose aussi des tests par zone et par alternance dans le temps, pour les prix et les frais de livraison.

Ce qui distingue Probant.

Ces points ne figurent pas dans la documentation publique de GrowthBook, consultée le 11 novembre 2026. Une absence de mention n’est pas une preuve d’absence : s’ils comptent pour vous, posez la question à GrowthBook.

La marge par visiteur
Probant mesure le CA et la marge par visiteur, chacun avec sa fourchette.
GrowthBookLa marge par visiteur n’est pas mentionnée dans leur documentation publique (consultée le 11 novembre 2026).
En savoir plus
Un SRM qui bloque le verdict
Un déséquilibre de répartition fait passer le test au statut « bloqué » : aucun gagnant n’est annoncé.
GrowthBookTest du khi-deux automatique sur chaque expérience, avec avertissement si p < 0,001 (seuil réglable) ; le résultat reste affiché. Dans les Safe Rollouts seulement, on peut choisir de suspendre ou d’annuler le déploiement en cas de SRM.^10,11,12,13 Un blocage automatique du test n’y est pas mentionné (consultée le 11 novembre 2026).
Le consentement exigé par défaut
Aucun cookie, aucune affectation et aucun envoi avant l’accord du visiteur.
GrowthBookPar défaut, le Script Tag pose un cookie first-party gbuuid « long-lived » et envoie les expositions vers gtag, GTM et Segment. L’attribut data-no-auto-cookies retarde le cookie jusqu’au consentement, mais l’affectation se fait quand même avec un identifiant non persisté.^{59,60,61,62,63} Un consentement exigé par défaut n’y est pas mentionné (consultée le 11 novembre 2026).
Un test arrêté par ses garde-fous
Un garde-fou franchi arrête seul un test en cours et bloque son verdict.
GrowthBookDans une expérience classique, les métriques garde-fous sont affichées à part et nourrissent les recommandations du Decision Framework (« Roll back now »), sans arrêt automatique documenté. L’annulation automatique sur dégradation d’un garde-fou existe dans les Safe Rollouts (plans Pro et Enterprise).^14,15,16,17 Un arrêt automatique du test sur un garde-fou n’y est pas mentionné (consultée le 11 novembre 2026).
En savoir plus

Questions fréquentes.

Combien coûte GrowthBook ?

Tarif par utilisateur, trafic illimité : Starter gratuit (3 utilisateurs), Pro à 40 $ par siège et par mois (jusqu’à 30 utilisateurs), Enterprise sur devis. L’entrepôt géré et le CDN sont facturés à l’usage au-delà des quotas (30 $/M d’événements, 10 $/M de requêtes CDN).^{64,65,66,67,68} Probant est vendu au forfait mensuel fixe, sans dépassement : la facture ne dépasse jamais le forfait choisi.

Où GrowthBook héberge-t-il les données ?

GrowthBook Cloud est hébergé sur AWS, sous-traitants d’hébergement (AWS, MongoDB Atlas, ClickHouse) situés aux États-Unis. La région eu-west-1 n’est proposée que pour l’entrepôt géré et l’Event Forwarder. Les données d’analyse restent dans l’entrepôt du client, et l’auto-hébergement est possible.^{53,54,55,56,57,58} Probant héberge base de données et fonctions en région Paris.

GrowthBook mesure-t-il la marge ?

La marge par visiteur n’est pas mentionnée dans leur documentation publique (consultée le 11 novembre 2026). Probant mesure le CA et la marge par visiteur, chacun avec sa fourchette, à partir des commandes et du coût de chaque produit.

Peut-on regarder les résultats de GrowthBook en cours de test ?

Test séquentiel par « asymptotic confidence sequences » (Waudby-Smith et al. 2023), activable par défaut ou par test. Réservé au moteur fréquentiste et aux plans Pro et Enterprise ; non activé par défaut.^6,7,8,9 Probant fixe ses points de contrôle avant le lancement (O’Brien-Fleming) et utilise des fourchettes toujours valides pendant les déploiements.

Sources.

Pages officielles de GrowthBook, consultées le 11 novembre 2026. Les citations sont reproduites dans leur langue d’origine.

Source 1 : www.growthbook.io/about
GrowthBook is the warehouse-native platform for experimentation, feature flags, and product analytics trusted by AI-native product teams at 4,000+ companies worldwide.
Source 2 : docs.growthbook.io/warehouses
One of the major benefits of GrowthBook is that your data remains securely stored in your data warehouse, and only the aggregated statistics are transmitted to GrowthBook servers or your self-hosted environment.
Source 3 : docs.growthbook.io/statistics/overview
GrowthBook provides both Bayesian and frequentist approaches to experiment analysis. We default to Bayesian statistics because they provide a more intuitive framework for decision making for most customers
Source 4 : docs.growthbook.io/statistics/overview
You can choose between the two statistics engines at the Organization or Project level.
Source 5 : docs.growthbook.io/statistics/overview
The current frequentist engine computes two-sample t-tests for relative percent change; you can reduce variance (via CUPED) and you can enable sequential testing to mitigate concerns with peeking.
Source 6 : docs.growthbook.io/statistics/sequential
Sequential Testing is available on Pro and Enterprise plans.
Source 7 : docs.growthbook.io/statistics/sequential
Sequential Testing is only implemented for the Frequentist statistics engine.
Source 8 : docs.growthbook.io/statistics/sequential
Sequential testing allows you to look at your experiment results as many times as you like while still keeping the number of false positives below the expected rate. In other words, it is the frequentist solution to the peeking problem in AB testing.
Source 9 : docs.growthbook.io/statistics/sequential
To that end, we implement Asymptotic Confidence Sequences introduced by Waudby-Smith et al. (2023)
Source 10 : docs.growthbook.io/app/experiment-results
Every experiment automatically checks for a Sample Ratio Mismatch (SRM) and will warn you if found.
Source 11 : docs.growthbook.io/app/experiment-results
We only show this warning if the p-value is less than 0.001 (customizable in your Organization Settings)
Source 12 : docs.growthbook.io/app/experiment-results
Under the hood, we are conducting a standard chi-squared test for Sample Ratio Mismatch
Source 13 : docs.growthbook.io/features/safe-rollouts
Under Advanced Settings, you can choose how GrowthBook responds to other issues, such as a sample ratio mismatch, no traffic, or multiple exposures: hold the ramp, roll back, or warn only.
Source 14 : docs.growthbook.io/app/experiment-results
Guardrail metrics are treated much like regular metrics, but they are placed in a separate part of the results view and are not part of any p-value corrections in the frequentist engine
Source 15 : docs.growthbook.io/app/experiment-decisions
Clear Signals, which requires no guardrail failures and all goal metric successes
Source 16 : docs.growthbook.io/features/safe-rollouts
GrowthBook automatically rolls back and disables the rule if any of them regress significantly, so there is no separate auto-rollback toggle.
Source 17 : docs.growthbook.io/features/safe-rollouts
Safe Rollout is available on Pro and Enterprise plans.
Source 18 : docs.growthbook.io/features/ramp-schedules
A Ramp Schedule rolls a feature out in stages instead of switching it on for everyone at once.
Source 19 : docs.growthbook.io/features/safe-rollouts
1% → 5% → 10% → 25% → 50%
Source 20 : docs.growthbook.io/features/ramp-schedules
Ramp Schedules is available on Pro and Enterprise plans.
Source 21 : docs.growthbook.io/bandits/overview
When your bandit is running, we recalculate the percent of traffic to allocate to each variation based on which variation (or arm) is performing better on a single Decision Metric.
Source 22 : docs.growthbook.io/bandits/overview
Multi Armed Bandits is available on Pro and Enterprise plans.
Source 23 : docs.growthbook.io/bandits/contextual
Contextual Bandits is available on Enterprise plans.
Source 24 : docs.growthbook.io/app/metrics
A Revenue per User metric would use SUM and select the column where the order total is stored.
Source 25 : docs.growthbook.io/app/metrics
Ratio Metrics let you pick a custom denominator and allow for metrics such as Average Order Value (denominator is number of orders) or Session Duration (denominator is number of sessions).
Source 26 : docs.growthbook.io/app/experiment-results
The graph now represents a 95% confidence interval
Source 27 : docs.growthbook.io/statistics/overview
At GrowthBook, we default to an improper, uninformative prior.
Source 28 : docs.growthbook.io/statistics/overview
By default, we use a Normal distribution with mean 0 and standard deviation 0.3.
Source 29 : docs.growthbook.io/statistics/overview
In effect, it will shrink positive and negative results towards 0, but eventually will be overcome as more data is collected.
Source 30 : docs.growthbook.io/insights
De-biasing is achieved through the positive-part James-Stein shrinkage estimator, which mitigates the natural bias in experiment outcomes (where more decisive results tend to show larger effects).
Source 31 : docs.growthbook.io/statistics/overview
Chance to Win is straight forward. It is simply the probability that a variation is better.
Source 32 : docs.growthbook.io/overview
Custom Priors - For Bayesian stats, set custom prior distributions for each metric
Source 33 : docs.growthbook.io/statistics/details
Note: we no longer use risk in the GrowthBook app, but still compute it in the experiment results database.
Source 34 : docs.growthbook.io/statistics/multiple-corrections
Growthbook allows you to choose no multiple testing correction, a correction that controls the Family-wise Error Rate (Holm-Bonferroni), and a correction that controls the False Discovery Rate (Benjamini-Hochberg).
Source 35 : docs.growthbook.io/statistics/multiple-corrections
Multiple testing corrections are only implemented for the Frequentist statistics engine.
Source 36 : docs.growthbook.io/statistics/multiple-corrections
We correct using all p-values for all Goal metrics; this excludes Secondary and Guardrail metrics.
Source 37 : docs.growthbook.io/features/basics
Remote config, multivariate A/B tests
Source 38 : docs.growthbook.io/overview
Experiment - Run a controlled hypothesis test between 2 or more feature values
Source 39 : docs.growthbook.io/using/fundamentals
In practice, meaningful interaction effects are rare. More often, running tests in parallel simply increases variance without changing the overall results.
Source 40 : docs.growthbook.io/statistics/cuped
CUPEDps (Controlled-experiment Using Pre-Experiment Data + post-stratification) increases the velocity of experimentation by reducing the uncertainty in estimates of experiment uplift.
Source 41 : docs.growthbook.io/statistics/cuped
CUPED is available on Pro and Enterprise plans.
Source 42 : docs.growthbook.io/statistics/cuped
Post Stratification is available on Enterprise plans.
Source 43 : docs.growthbook.io/statistics/overview
In fact, tools like CUPED are available for both engines.
Source 44 : docs.growthbook.io/app/visual
The AI Visual Editor is a Chrome side-panel extension.
Source 45 : docs.growthbook.io/app/visual
AI Visual Editor is available on Pro and Enterprise plans.
Source 46 : docs.growthbook.io/app/visual/manual-mode
Inject a JavaScript block. Use sparingly — it's an escape hatch for changes that genuinely need imperative code
Source 47 : docs.growthbook.io/lib/script-tag
<script async data-client-key="YOUR_CLIENT_KEY_HERE"
Source 48 : docs.growthbook.io/app/url-redirects
The Script Tag is the only front-end SDK that natively provides an anti-flicker mechanism (off by default).
Source 49 : docs.growthbook.io/app/url-redirects
antiFlickerTimeout: The maximum number of milliseconds that the anti-flicker blank screen will be shown. Defaults to 3500 (3.5 seconds).
Source 50 : docs.growthbook.io/app/visual/running-on-your-site
It eliminates flicker entirely and produces a far better experience for users.
Source 51 : docs.growthbook.io/account/user-permissions
On the Free plan, members can only be assigned the Admin role — assigning any other role (including custom roles) requires a Pro or Enterprise account.
Source 52 : docs.growthbook.io/account/user-permissions
Enterprise organizations using GrowthBook also have the added flexibility of defining custom roles, which enable organizations to fine-tune a role's permissions.
Source 53 : www.growthbook.io/legal/subprocessors
Amazon Web Services, Inc. Cloud hosting provider United States
Source 54 : www.growthbook.io/platform/security
Hosted by GrowthBook on AWS
Source 55 : www.growthbook.io/legal/subprocessors
MongoDB, Inc. Data storage and processing United States MongoDB Atlas is hosted on AWS and provides a database for GrowthBook.
Source 56 : www.growthbook.io/legal/subprocessors
ClickHouse, Inc. Data storage and processing United States ClickHouse Cloud stores all event data sent to the Managed Warehouse product.
Source 57 : docs.growthbook.io/app/managed-warehouse
If you selected eu-west-1 as your Data Region when creating your Managed Warehouse, set the ingestor host option shown for your SDK above to https://eu-west-1.gb-ingest.com.
Source 58 : www.growthbook.io/platform/deployment-options
Self-Hosted GrowthBook gives you maximum control: deploy within your infrastructure, behind your firewall, with your own security policies applied.
Source 59 : docs.growthbook.io/lib/script-tag
By default, this SDK persists a random unique identifier in a first-party cookie named gbuuid.
Source 60 : docs.growthbook.io/lib/script-tag
id - creates a long-lived gbuuid cookie if it doesn't exist already
Source 61 : docs.growthbook.io/lib/script-tag
If you must delay persisting the gbuuid cookie until a user consents, you can add a data-no-auto-cookies attribute to the script tag.
Source 62 : docs.growthbook.io/lib/script-tag
This will still generate a UUID for the user, but will not persist it.
Source 63 : docs.growthbook.io/lib/script-tag
Defaults to gtag,gtm,segment, and none turns tracking off.
Source 64 : www.growthbook.io/pricing
Pro For small and mid-sized teams with advanced statistics and analytics. $40 / seat / month Up to 30 users
Source 65 : www.growthbook.io/pricing
Enterprise For teams running experimentation and releasing features at scale. Custom
Source 66 : www.growthbook.io/pricing
Managed Warehouse 1M events/mo 2M events/mo (then $30/M) Custom
Source 67 : www.growthbook.io/pricing
CDN Requests 1M/mo 2M/mo (then $10/M) Custom
Source 68 : www.growthbook.io/platform/deployment-options
Only cloud offers a Pro tier at a low $40 per month, per seat.
Source 69 : github.com/growthbook/growthbook/blob/main/README.md
GrowthBook is an Open Core product. The bulk of the code is under the permissive MIT license.
Source 70 : github.com/growthbook/growthbook/blob/main/LICENSE
Content outside of the above mentioned directories or restrictions above is available under the "MIT Expat" license as defined below.
Source 71 : www.growthbook.io/platform/deployment-options
Same codebase, same features, same development roadmap.
Source 72 : docs.growthbook.io/overview
No raw user-level events or PII are ever sent to GrowthBook.
Source 73 : docs.growthbook.io/app/managed-warehouse
We create 3 tables in a ClickHouse database managed by GrowthBook:
Source 74 : docs.growthbook.io/experimentation-analysis/cluster-experiments
A cluster experiment randomizes a group (the cluster) but analyzes a smaller unit inside it (the subunit).
Source 75 : docs.growthbook.io/experimentation-analysis/cluster-experiments
A marketplace randomizes by region to limit interference between buyers and sellers, but measures conversion per user.
Source 76 : docs.growthbook.io/experimentation-analysis/cluster-experiments
Cluster Experiments is available on Pro and Enterprise plans.
Source 77 : docs.growthbook.io/experimentation-analysis/cluster-experiments
GrowthBook warns when any variation has fewer than 20 clusters.
Source 78 : docs.growthbook.io/experimentation-analysis/interleaving
An A/B test (or a switchback or synthetic control test where interference is a risk) on the one or two finalists

Probant Ou pas encore…

Créez votre espace, ou explorez d’abord la démo avec les données d’une boutique fictive.

Créer mon espace Explorer la démo

Démo ouverte, sans inscription
Forfait fixe, jamais de dépassement
Données hébergées à Paris

Probant ou GrowthBook

Ce que GrowthBook propose.

Les différences, point par point.

Ce que GrowthBook fait aussi.

Un test séquentiel

Une correction des comparaisons multiples

Une réduction de variance (CUPED)

Le revenu par visiteur, avec sa fourchette

Des déploiements progressifs

Quand choisir GrowthBook plutôt que Probant.

Vous voulez un outil en code ouvert, à héberger vous-même

Vos données vivent déjà dans un entrepôt

Vous voulez des tests par grappes, par exemple par région

Ce qui distingue Probant.

La marge par visiteur

Un SRM qui bloque le verdict

Le consentement exigé par défaut

Un test arrêté par ses garde-fous

Questions fréquentes.

Sources.

Probant Ou pas encore…