JOURNAL
Entre Google Analytics 4, Clarity, Hotjar, ou encore Amplitude, de nombreuses entreprises disposent aujourd'hui d'une quantité impressionnante de données comportementales. Funnels de conversion, heatmaps, session d’enregistrements, événements personnalisés... il n'a jamais été aussi simple de mesurer ce que font les utilisateurs sur un site ou une application.
Article rédigé par
Baptiste Lemercier
16 juin 2026
Chez expone, nous observons souvent le même problème : des entreprises très bien équipées en analytics continuent de prendre de mauvaises décisions. Non pas par manque de données, mais parce qu'elles attendent de leurs tableaux de bord des réponses qu'ils ne peuvent pas fournir.
Les analytics excellent pour détecter les symptômes
Les outils d'analyse comportementale ont énormément changé la manière dont les entreprises pilotent leurs activités et leurs parcours clients sur le plan digital. Ils permettent d'identifier rapidement les pages qui sous-performent, les étapes d'un tunnel de conversion où les utilisateurs abandonnent ou encore les fonctionnalités qui génèrent le plus d'engagement.
Dans une démarche CRO (Conversion Rate Optimization), ces données sont indispensables. Elles permettent de repérer les points de friction, de prioriser les optimisations et de mesurer l'impact des actions mises en place. Lorsqu'un taux de conversion baisse ou qu'une chute de rétention est observée, les analytics sont souvent les premières à tirer la sonnette d'alarme.
Mais elles s'arrêtent généralement là.
Les analytics savent parfaitement répondre à des questions comme : « Combien d'utilisateurs quittent cette page ? », « À quel moment abandonnent-ils leur parcours ? » ou encore « Quelle variante performe le mieux lors d'un A/B Test ? ». En revanche, elles peinent à répondre à une question pourtant essentielle : pourquoi ?
Capture d'écran d'un rapport d'acquisition utilisateur dans Google Analytics 4 (GA4).
Une même donnée peut cacher plusieurs réalités
Prenons l'exemple d'un SaaS
Imaginons qu'un SaaS constate que seulement 15% des visiteurs de sa page de démonstration prennent rendez-vous avec un commercial. Les dashboards montrent clairement un problème de conversion, mais ils ne permettent pas de comprendre ce qui empêche les 85% restants de passer à l'action.
Le CTA est-il insuffisamment visible ?
La proposition de valeur est-elle mal comprise ?
Les visiteurs ne trouvent-ils pas les informations qu'ils recherchent ?
Manquent-ils d'éléments de réassurance ?
Ou considèrent-ils simplement que le produit ne répond pas à leur besoin ?
Dans chacun de ces cas, les données observées pourraient être exactement les mêmes. Pourtant, les actions correctives seraient totalement différentes.
C'est l'une des limites fondamentales de la donnée quantitative : elle met en évidence les conséquences d'un problème, mais rarement sa cause.
Pourquoi un A/B Test ne répond pas toujours à la bonne question
Face à une baisse de performance, de nombreuses équipes lancent rapidement un ou plusieurs A/B Tests. Une nouvelle accroche est testée, un bouton change de couleur ou un bloc de contenu est déplacé. Cette démarche est pertinente lorsqu'il s'agit d'optimiser une solution dont le problème a déjà été identifié. En revanche, elle devient beaucoup plus discutable lorsque la friction à l'origine du problème est toujours inconnue.
Chez expone, nous voyons régulièrement des entreprises tester différentes variantes d'interface alors qu'elles n'ont pas encore compris ce qui bloque réellement leurs utilisateurs. Dans ces situations, l'A/B Testing ressemble davantage à une succession d'hypothèses qu'à une démarche d'optimisation structurée.
L'A/B Testing permet de déterminer quelle solution fonctionne le mieux. Il ne permet pas d'expliquer pourquoi le problème existe.
Illustration du principe d'un A/B Test comparant deux variantes d'interface. (Knotko 2018.)
Là où l'UX Research devient indispensable
Les entretiens utilisateurs, les tests d'utilisabilité, les enquêtes qualitatives ou les observations terrain permettent d'accéder à une dimension que les analytics ne peuvent pas capturer : l'intention.
L'objectif n'est plus seulement de savoir ce que les utilisateurs font, mais de comprendre pourquoi ils le font.
Certaines frictions restent invisibles dans les données quantitatives. Une incompréhension de la proposition de valeur, un manque de confiance, une attente non satisfaite ou une perception erronée d'un produit peuvent fortement influencer les comportements sans jamais apparaître clairement dans un dashboard.
La friction n'est alors ni visuelle ni technique. Elle est cognitive.
Aucune heatmap ne permet de détecter une incompréhension. Aucun funnel ne mesure un manque de confiance. Aucun événement GA4 ne permet d'identifier une promesse mal formulée.
C'est précisément là que l'UX Research apporte le plus de valeur : elle permet de donner du sens aux données observées et de transformer des hypothèses en certitudes.
Les meilleures décisions naissent de la rencontre entre quantitatif et qualitatif
Opposer les analytics à l'UX Research est évidemment une erreur. Les deux approches répondent à des besoins différents et deviennent vraiment puissantes lorsqu'elles sont utilisées ensemble.
Les analytics permettent d'identifier où se situent les problèmes. L'UX Research permet de comprendre les mécanismes qui se cachent derrière les comportements observés. Autrement dit, les données quantitatives indiquent où regarder et les données qualitatives expliquent pourquoi regarder à cet endroit.
Exemple de Scroll Heatmap
Exemple de Click Heatmap
Comprendre avant d'optimiser
Dire que les analytics « mentent » est évidemment exagéré. Elles remplissent parfaitement leur rôle et sont devenues indispensables pour piloter son site ou son application. Le problème apparaît lorsqu'on leur attribue une capacité qu'elles n'ont jamais eue : celle de comprendre les utilisateurs et les raisons profondes de leurs comportements.
Les dashboards, les heatmaps, les funnels de conversion ou les outils de CRO constituent souvent le point de départ d'une démarche d'optimisation. Mais comprendre pourquoi un utilisateur hésite, doute, abandonne ou ne perçoit pas la valeur d'une offre nécessite d'aller au-delà des chiffres.
C'est précisément là que l'UX Research prend tout son sens. Non pas pour remplacer la donnée, mais pour lui apporter du contexte, de la nuance et de la profondeur.
Si vous vous retrouvez dans ces problématiques ou si vous souhaitez mieux comprendre ce qui freine réellement vos utilisateurs, nous serons ravis d'échanger avec vous. Au sein du studio, nous accompagnons les entreprises dans l'analyse de leurs données et la mise en place de démarches de recherche utilisateur adaptées à leurs enjeux. N'hésitez pas à nous contacter pour en discuter.
Identifiez ce qui freine réellement vos utilisateurs
Les données indiquent où chercher. Nous vous aidons à comprendre ce qui se cache derrière les comportements de vos utilisateurs.
