L’hypothèse alternative, notée H1 (ou Hₐ), est l’énoncé statistique qui postule l’existence d’un effet réel entre les groupes comparés. Dans le cadre d’un test A/B ou d’une expérimentation CRO, H1 affirme qu’une différence significative existe entre la variante testée et le contrôle sur le KPI principal.
1. Rôle vis‑à‑vis de l’hypothèse nulle
| Terme | Formulation générique | Objectif |
|---|---|---|
| H₀ (hypothèse nulle) | « Aucune différence réelle n’existe » | Point de référence neutre à falsifier |
| H₁ (hypothèse alternative) | « Une différence réelle existe » | Hypothèse de recherche à étayer une fois H₀ rejetée |
On ne « prouve » pas H1 ; on rejette H0 à un niveau de risque α, ce qui fournit un soutien indirect à H1.
2. Types de formulations
| Type de test | Formulation d’H1 | Exemple |
| Bilatéral | Le KPI est différent (↑ ou ↓) | « La nouvelle page modifie le taux de conversion » |
| Unilatéral | Le KPI est supérieur (ou inférieur) | « La nouvelle page augmente le taux de conversion » |
La formulation doit être précise, directionnelle si nécessaire, et déclarée avant le lancement de l’expérimentation.
3. Impact sur la conception du test
- Choix du test statistique : z‑test, t‑test, test χ², etc.
- Niveau de confiance (1−α) : souvent 95 %.
- Puissance (1−β) : probabilité de détecter l’effet si H1 est vraie (souvent 80 %).
- Minimum Detectable Effect (MDE) : taille minimale d’effet que H1 considère pertinente.
4. Interprétation des résultats
| Cas | p‑value | Décision | Conclusion |
| Rejet de H₀ | ≤ α | H₁ soutenue | Effet probable, différence significative |
| Non‑rejet de H₀ | > α | H₁ non démontrée | Données insuffisantes pour conclure |
Un non‑rejet de H₀ n’implique pas que les variantes sont identiques ; cela signifie que l’étude n’a pas détecté d’effet au seuil choisi.
5. Bonnes pratiques
- Pré‑enregistrer H0 et H1 pour éviter le p‑hacking.
- Aligner H1 sur la valeur business : l’effet recherché doit représenter un gain concret.
- Choisir unilatéral vs bilatéral de façon cohérente avec l’objectif.
- Partager H1 avec les parties prenantes pour valider la pertinence du test.
⚡ En résumé
L’hypothèse alternative (H1) formalise l’effet que l’on cherche à démontrer. En rejettant H0 grâce à un test statistique rigoureux, on obtient un soutien à H1, permettant de conclure que la modification testée a probablement un impact réel sur le KPI suivi.