Probant ou Intelligems

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

36 sources tirées de 24 pages officielles, consultées le 11 novembre 2026.

Ce qu’Intelligems propose.

Intelligems se présente comme la plateforme d’optimisation du profit et d’A/B testing conçue pour Shopify.¹ Installée à New York, elle a levé 9 millions de dollars en série A.^2,3 Son moteur est bayésien.⁴

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 d’Intelligems, 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 Intelligems, point par point. Les appels de note renvoient aux sources, en bas de page.
Point comparé	Intelligems	Probant
Méthode statistique	Moteur bayésien unique avec simulations de Monte Carlo ; pas de mode fréquentiste documenté. L’éditeur précise que le modèle ne tient pas compte de la saisonnalité intra-semaine.⁴	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)	Aucun test séquentiel ni intervalle toujours valide documenté. La documentation recommande d’attendre des minimums (300 commandes par groupe, 7 jours) ; un verdict automatique via l’API (opt-in) ajoute un critère de stabilité sur les derniers jours.^5,6	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)	Aucun contrôle SRM natif dans l’interface n’est documenté. L’éditeur fournit un guide pour bâtir soi-même (n8n + API) une alerte Slack incluant un test du khi-deux, et un second guide pour mettre en pause automatiquement les tests en échec.⁷	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	Aucune métrique garde-fou native n’est documentée. Un guide officiel explique comment mettre en pause automatiquement un test qui franchit des seuils de santé (visiteurs, SRM, chute de conversion) avec un workflow externe (n8n) appelant l’API.⁸	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	Déployer une variante gagnante termine le test et crée une personnalisation qui reprend ses modifications.⁹ Un déploiement par paliers avec retour arrière automatique n’est pas mentionné dans leur documentation publique (consultée le 11 novembre 2026).	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	Aucune allocation dynamique native n’est documentée. Un guide officiel montre comment construire un bandit manchot (n8n + API) qui déplace le trafic par paliers jusqu’à 80/20.¹⁰	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	Revenu par visiteur, panier moyen et autres métriques de revenu, chacune avec significativité et intervalles à 95 % (crédibles, issus du modèle bayésien).^11,12 Profit brut par visiteur et par commande, avec intervalles : COGS par variante (CSV ou synchro Shopify), coût d’expédition moyen par commande et pourcentage de frais de transaction. Les COGS s’appliquent rétroactivement ; un COGS manquant compte pour 0 (avertissement sous 90 % du revenu couvert).^13,14,15,16	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	Une correction du biais du gagnant n’est pas mentionnée dans leur documentation publique (consultée le 11 novembre 2026).	Le gain annoncé est corrigé du biais du gagnant, par rétrécissement bayésien vers les effets des tests passés de la boutique.
Mode bayésien	Mode bayésien par défaut : probabilité de battre le contrôle, probabilité d’être le meilleur, intervalles à 95 % sur l’écart et la valeur. Le choix du prior et la perte attendue ne sont pas documentés.^17,18	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	Une correction des comparaisons multiples n’est pas mentionnée dans leur documentation publique (consultée le 11 novembre 2026).	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	Jusqu’à cinq groupes par test (A/B/C/D/E). Aucun test multivarié factoriel natif n’est documenté : la FAQ conseille de créer un groupe par combinaison ; aucune analyse des interactions n’est documentée.^19,20	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)	Une réduction de variance (CUPED) n’est pas mentionnée dans leur documentation publique (consultée le 11 novembre 2026).	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	Visual Builder qui embarque la boutique dans l’app (clic sur un élément, aperçu en direct) ; éditeur Styles & JavaScript disponible dans chaque expérience.^21,22	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	Composants prêts à l’emploi pour les offres (boutons de quantité, barre de progression, message d’offre, upsells) et bibliothèque de blocs checkout (badges, preuve sociale, upsell ; Shopify Plus).^23,24	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	Script ESM chargé via l’App Embed avec blocking="render" par défaut : le navigateur ne peint pas la page avant son chargement (FCP/LCP un peu plus élevés). Anti-flicker : masque seulement les éléments modifiés, toute la page pour les redirections. Poids non publié.^25,26	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	L’accès suit la permission d’application de Shopify.²⁷ Des rôles personnalisés ou des permissions fines ne sont pas mentionnés dans leur documentation publique (consultée le 11 novembre 2026).	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	La politique de confidentialité indique un transfert hors d’Europe, vers le Canada et les États-Unis ; le script est servi depuis AWS S3.^28,29 Une région d’hébergement dans l’UE n’est pas mentionnée dans leur documentation publique (consultée le 11 novembre 2026).	Base de données et fonctions en région Paris (Supabase, Vercel cdg1).
Consentement par défaut	L’affectation se fait dès la première visite et s’enregistre dans un cookie interne au site et dans le stockage local.³⁰ Une gestion du consentement n’est pas mentionnée dans leur documentation publique (consultée le 11 novembre 2026).	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	Prix public par boutique selon le volume mensuel de commandes et les modules choisis, sans facturation par visiteur ni dépassement. À partir de 69 $/mois (Smart Content) ; Unlimited à partir de 349 $/mois sur l’App Store ; 3 mois minimum pour Smart Pricing et Unlimited ; -20 % en annuel.^31,32,33	Forfait mensuel fixe, sans dépassement : la facture ne dépasse jamais le forfait choisi.

Ce qu’Intelligems fait aussi.

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

Le revenu par visiteur, avec sa fourchette
Revenu par visiteur, panier moyen et autres métriques de revenu, chacune avec significativité et intervalles à 95 % (crédibles, issus du modèle bayésien).^11,12
Un éditeur visuel
Visual Builder qui embarque la boutique dans l’app (clic sur un élément, aperçu en direct) ; éditeur Styles & JavaScript disponible dans chaque expérience.^21,22
Des widgets prêts à l’emploi
Composants prêts à l’emploi pour les offres (boutons de quantité, barre de progression, message d’offre, upsells) et bibliothèque de blocs checkout (badges, preuve sociale, upsell ; Shopify Plus).^23,24
Une lecture bayésienne
Mode bayésien par défaut : probabilité de battre le contrôle, probabilité d’être le meilleur, intervalles à 95 % sur l’écart et la valeur. Le choix du prior et la perte attendue ne sont pas documentés.^17,18

Quand choisir Intelligems plutôt que Probant.

D’après la documentation publique d’Intelligems.

Vous vendez sur Shopify et voulez mesurer le profit
Profit brut par visiteur et par commande, avec intervalles : COGS par variante (CSV ou synchro Shopify), coût d’expédition moyen par commande et pourcentage de frais de transaction. Les COGS s’appliquent rétroactivement ; un COGS manquant compte pour 0 (avertissement sous 90 % du revenu couvert).^13,14,15,16
Probant mesure aussi la marge par visiteur, avec sa fourchette, et ne rend pas de verdict en marge tant que les coûts connus couvrent trop peu du chiffre d’affaires.
Vous voulez qu’une IA construise les variantes
AI Visual Builder (modifications décrites en langage naturel), Atlas Experience Agent (configure une expérience à partir d’une description), Atlas QA (recette automatisée avec captures), agent IA dans Slack et skills via le serveur MCP.^34,35,36
L’assistant de l’éditeur de Probant propose des modifications de la page à partir d’une consigne.
Vous voulez un prix au volume de commandes
Prix public par boutique selon le volume mensuel de commandes et les modules choisis, sans facturation par visiteur ni dépassement. À partir de 69 $/mois (Smart Content) ; Unlimited à partir de 349 $/mois sur l’App Store ; 3 mois minimum pour Smart Pricing et Unlimited ; -20 % en annuel.^31,32,33
Probant est vendu au forfait mensuel fixe, sans dépassement.

Ce qui distingue Probant.

Ces points ne figurent pas dans la documentation publique d’Intelligems, 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 Intelligems.

La correction du biais du gagnant
Le gain annoncé est corrigé par rétrécissement bayésien vers les effets des tests passés de la boutique.
IntelligemsUne correction du biais du gagnant 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.
IntelligemsAucun contrôle SRM natif dans l’interface n’est documenté. L’éditeur fournit un guide pour bâtir soi-même (n8n + API) une alerte Slack incluant un test du khi-deux, et un second guide pour mettre en pause automatiquement les tests en échec.⁷ 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.
IntelligemsL’affectation se fait dès la première visite et s’enregistre dans un cookie interne au site et dans le stockage local.³⁰ Une gestion du consentement n’est pas mentionnée dans leur documentation publique (consultée le 11 novembre 2026).
Une réduction de variance (CUPED)
CUPED s’applique aux rapports des tests, sur l’historique de chaque visiteur avant sa première exposition.
IntelligemsUne réduction de variance (CUPED) n’est pas mentionnée dans leur documentation publique (consultée le 11 novembre 2026).

Questions fréquentes.

Combien coûte Intelligems ?

Prix public par boutique selon le volume mensuel de commandes et les modules choisis, sans facturation par visiteur ni dépassement. À partir de 69 $/mois (Smart Content) ; Unlimited à partir de 349 $/mois sur l’App Store ; 3 mois minimum pour Smart Pricing et Unlimited ; -20 % en annuel.^31,32,33 Probant est vendu au forfait mensuel fixe, sans dépassement : la facture ne dépasse jamais le forfait choisi.

Où Intelligems héberge-t-il les données ?

La politique de confidentialité indique un transfert hors d’Europe, vers le Canada et les États-Unis ; le script est servi depuis AWS S3.^28,29 Une région d’hébergement dans l’UE n’est pas mentionnée dans leur documentation publique (consultée le 11 novembre 2026). Probant héberge base de données et fonctions en région Paris.

Intelligems mesure-t-il la marge ?

Profit brut par visiteur et par commande, avec intervalles : COGS par variante (CSV ou synchro Shopify), coût d’expédition moyen par commande et pourcentage de frais de transaction. Les COGS s’appliquent rétroactivement ; un COGS manquant compte pour 0 (avertissement sous 90 % du revenu couvert).^13,14,15,16 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 d’Intelligems en cours de test ?

Aucun test séquentiel ni intervalle toujours valide documenté. La documentation recommande d’attendre des minimums (300 commandes par groupe, 7 jours) ; un verdict automatique via l’API (opt-in) ajoute un critère de stabilité sur les derniers jours.^5,6 Probant fixe ses points de contrôle avant le lancement (O’Brien-Fleming) et utilise des fourchettes toujours valides pendant les déploiements.

Sources.

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

Source 1 : www.intelligems.io/llms.txt
Intelligems is the profit optimization and A/B testing platform built specifically for Shopify.
Source 2 : apps.shopify.com/intelligems
15 Maiden Lane, Suite 900, New York, NY, 10038, US
Source 3 : www.intelligems.io/resources/blog/intelligems-raises-9m-to-fuel-the-profit-growth-platform-for-ecommerce-brands
We’re thrilled to announce that Intelligems has raised $9 million in our Series A round, led by Stage 2 Capital.
Source 4 : docs.intelligems.io/analytics/overview/experiment-analytics/statistical-significance
Intelligems uses a Bayesian statistical model and Monte Carlo simulations to analyze A/B tests. Note that the model does not account for intra-week (daily) seasonality, or other store-specific factors.
Source 5 : docs.intelligems.io/analytics/overview/experiment-analytics/statistical-significance
We recommend that in addition to using Intelligems' provided probabilities to determine the significance of your test, you also ensure the test reaches a pre-defined minimum number visitors, orders, and full weeks live.
Source 6 : docs.intelligems.io/analytics/overview/experiment-analytics/statistical-significance
In addition to the raw probabilities and confidence intervals above, Intelligems can return an automated test verdict — a single, actionable read on a test that combines statistical significance with stability (how settled the result has been over recent days).
Source 7 : docs.intelligems.io/developer-resources/external-api/automations-and-guides/automated-test-alerting-for-slack
This guide walks you through creating a daily automation that checks running tests for traffic or data issues (low visitors, SRM failures, large conversion drops, minimum orders per variant) and posts a Slack alert when a test fails health thresholds.
Source 8 : docs.intelligems.io/developer-resources/external-api/automations-and-guides/how-to-automatically-pause-failing-tests
This guide explains how to extend your monitoring workflow to automatically pause an experiment if it fails your health thresholds.
Source 9 : docs.intelligems.io/general-features/rolling-out-tests
Rolling out a winning test variant ends the test and creates a Personalization with the same site modifications as the variant.
Source 10 : docs.intelligems.io/developer-resources/external-api/automations-and-guides/build-a-multi-armed-bandit-for-dynamic-traffic-optimization
Learn how to implement a Multi-Armed Bandit (MAB) workflow using the Intelligems API to automate traffic allocation, minimize opportunity cost, and maximize revenue during live experiments.
Source 11 : docs.intelligems.io/analytics/overview/experiment-analytics/metric-definitions/revenue
Revenue per Visitor: Net revenue divided by number of unique visitors.
Source 12 : docs.intelligems.io/analytics/overview/experiment-analytics/statistical-significance
Value confidence interval: this is a 95% confidence interval around the value measurement for a specific metric.
Source 13 : docs.intelligems.io/analytics/overview/experiment-analytics/metric-definitions/profit
Intelligems can report down to gross profit. We recommend using gross profit per visitor to analyze most tests, especially those that may affect price, product mix, order volume, or shipping rates.
Source 14 : docs.intelligems.io/analytics/overview/experiment-analytics/metric-definitions/profit
You can provide a CSV with COGS for each variant, or we can sync the information from Shopify if it’s available there.
Source 15 : docs.intelligems.io/analytics/overview/experiment-analytics/metric-definitions/profit
If you leave out COGS information for some products, their COGS will be treated as 0, which inflates profit numbers (these products are treated as having a 100% gross margin).
Source 16 : docs.intelligems.io/analytics/overview/how-to-add-profit-to-intelligems-analytics
Updating cost assumptions, including COGS per product, will apply retroactively to existing experiments, so you can do this even after an experiment has started collecting data.
Source 17 : docs.intelligems.io/analytics/overview/experiment-analytics/statistical-significance
Probability to beat control: this is the probability that a test group is better than the control group, on the basis of the selected metric
Source 18 : docs.intelligems.io/analytics/overview/experiment-analytics/statistical-significance
Probability to be best: this is the probability that a test group is best, on the basis of the selected metric.
Source 19 : docs.intelligems.io/getting-started/general-faqs
Set this up as one large experience. Make a group for each combination of variables so that you can properly measure and compare (a multivariate experiences).
Source 20 : www.intelligems.io/pricing
multi-variant testing (up to five groups per test, so A/B/C/D/E, not just A/B)
Source 21 : docs.intelligems.io/general-features/editors/visual-builder
It embeds your store directly within Intelligems, so you can click any element to edit it and see changes live, without leaving the platform.
Source 22 : docs.intelligems.io/content-experiences/content-experiences-overview/how-to-set-up-a-styles-and-javascript-experience
A Styles & JavaScript experience injects your own CSS and JavaScript for a chosen group of visitors, so you can find out whether a change lifts conversion before you commit it to your theme.
Source 23 : docs.intelligems.io/merchandising-experiences/offers-integrating-widgets
When setting up a test or personalization, you can add onsite components to merchandise your offers directly on your site to ensure your customers are aware of the offers they are eligible for, improving conversion and driving additional AOV.
Source 24 : docs.intelligems.io/checkout-experiences/getting-started-with-checkout/checkout-experiences-library
Learn how to build 6 Checkout Experiences in your store
Source 25 : docs.intelligems.io/performance-optimization/site-performance
It stops the browser from painting the page until the Intelligems script has loaded, which prevents flicker on your tests at the cost of slightly higher FCP and LCP times.
Source 26 : docs.intelligems.io/performance-optimization/site-performance/anti-flicker-modes
Price, content, and image tests: Intelligems temporarily hides only the elements your experience changes, then shows them once the right version is applied.
Source 27 : docs.intelligems.io/getting-started/general-faqs
Access to your Intelligems account (sometimes called your Intelligems portal or dashboard) is managed through Shopify, so you won't find a place to add users inside the Intelligems app.
Source 28 : www.intelligems.io/privacy-policy
Additionally, please note that your information will be transferred outside of Europe, including to Canada and the United States.
Source 29 : docs.intelligems.io/developer-resources/incident-report-12-28-2025-cdn-outage
AWS rotated SSL certificates on the S3 service backing our CDN.
Source 30 : docs.intelligems.io/getting-started/general-faqs
Intelligems uses sticky bucketing — each visitor is randomly assigned to a test group on their first visit, and that assignment is persisted in a first-party cookie and `localStorage`.
Source 31 : www.intelligems.io/pricing
You pay a flat monthly fee for your volume tier, with no per-visitor charges and no overages. Build Your Own plans start at $69/month at the lowest order volume tier.
Source 32 : www.intelligems.io/pricing
So Smart Pricing (Limited and Unlimited) and the Unlimited plan carry a 3-month minimum. All other modules are month-to-month.
Source 33 : apps.shopify.com/intelligems
Unlimited $349 / month or $3,468/year and save 17% Pricing scales based on sitewide order volume
Source 34 : docs.intelligems.io/general-features/editors/ai-visual-builder
The AI Builder lets you describe changes to your storefront and have them applied automatically.
Source 35 : docs.intelligems.io/general-features/atlas-ai/atlas-experience-agent
The Atlas Experience Agent configures an experience from a written description.
Source 36 : docs.intelligems.io/general-features/atlas-ai/atlas-qa
Atlas QA is Intelligems' quality assurance (QA) agent.

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 Intelligems

Ce qu’Intelligems propose.

Les différences, point par point.

Ce qu’Intelligems fait aussi.

Le revenu par visiteur, avec sa fourchette

Un éditeur visuel

Des widgets prêts à l’emploi

Une lecture bayésienne

Quand choisir Intelligems plutôt que Probant.

Vous vendez sur Shopify et voulez mesurer le profit

Vous voulez qu’une IA construise les variantes

Vous voulez un prix au volume de commandes

Ce qui distingue Probant.

La correction du biais du gagnant

Un SRM qui bloque le verdict

Le consentement exigé par défaut

Une réduction de variance (CUPED)

Questions fréquentes.

Sources.

Probant Ou pas encore…