Choisissez le tri par cartes, le test d'arbre ou le test au premier clic avant de redessiner votre menu.

L'ensemble de données propre à Optimal Workshop, constitué à partir de millions de tâches de test d'arbres, enregistre 70 % de réussite après un premier clic correct et 24 % après un premier clic incorrect.Le premier libellé choisi par une personne influence fortement le résultat. Ce choix ne vous indique cependant pas quelle étude mener. Les équipes effectuent un tri par cartes alors qu'elles disposent déjà d'un menu et doutent uniquement de sa formulation, testent une structure arborescente dont le vocabulaire n'a jamais été vérifié, puis débattent de résultats qui n'auraient jamais permis de trancher la question. Ce guide s'adresse aux responsables UX, aux chefs de produit et aux équipes CRO confrontés à un problème de navigation et disposant d'un budget de recherche fixe. À la fin de ce guide, vous serez capable d'associer une décision de navigation à l'une des trois méthodes, de dimensionner l'étude, de définir un seuil de réussite avant la collecte des données et d'indiquer les limites des résultats.

Les trois méthodes répondent à trois questions différentes

Le tri de cartes est une méthode générative. On soumet des éléments de contenu à des participants, qui les regroupent et nomment les groupes. Cette méthode révèle comment le public cible appréhende le sujet et quels mots il utilise. Elle ne permet cependant pas de déterminer l'efficacité d'un menu particulier, puisqu'il n'y a pas de menu dans l'étude.

Le test d'arborescence est une méthode d'évaluation. On réduit une hiérarchie proposée à de simples étiquettes textuelles, on confie une tâche à des utilisateurs et on observe leur parcours. Cela permet de déterminer si une structure est accessible et quelle branche bloque les utilisateurs. Comme le souligne NN/g, le choix du texte seul supprime volontairement l'emplacement, la couleur et les images, ce qui permet d'isoler la qualité des étiquettes et de la structure.

Le test du premier clic est plus limité. Un écran, une tâche, un clic enregistré. Il permet de vérifier d'un coup d'œil si le point d'entrée est correct, mais ne donne aucune information sur ce qui se passe deux niveaux plus bas.

Utiliser la mauvaise méthode est l'erreur la plus fréquente. « Personne ne trouve la politique de retour » n'est pas un problème de tri de cartes. « Nous ignorons si le terme « Solutions » a une signification pour les acheteurs » n'est pas un problème de test d'arbre de décision ; un tel test ne ferait que vérifier votre supposition.

Tableau des critères : choisissez en fonction de la décision, et non de l’outil pour lequel vous possédez une licence.

Les règles de décision

• Aucune structure, ou une structure à laquelle personne ne croit. Commencez par trier les cartes — cartes ouvertes si vous souhaitez étudier le vocabulaire, cartes fermées si le niveau supérieur est fixe et que seul le placement importe.
• Deux structures candidates et une réunion qui n'en finira pas. Le test de l'arbre de décision est le seul des trois à trancher un débat structurel par un nombre.
• Le trafic arrive, mais le clic suivant est erroné. Testez cet écran au premier clic. Ne reconstruisez pas l'architecture pour corriger une seule étiquette.
• Les analyses montrent déjà à quels endroits les utilisateurs abandonnent. Ignorez la phase de découverte. Testez l'arborescence de la branche défectueuse, puis effectuez un test du premier clic sur l'étiquette de remplacement.
• Nouveau marché ou nouvelle langue. Tri de cartes dans cette langue avec les acteurs de ce marché. Un menu traduit est un menu non testé.

Tailles d'échantillons et seuils que vous pouvez défendre dans une revue

Pour le tri de cartes, Tullis et Wood ont testé 168 utilisateurs et analysé des sous-ensembles aléatoires. La corrélation avec les résultats de l'échantillon complet était de 0.75 pour 5 utilisateurs, 0.90 pour 15, 0.93 pour 20, 0.95 pour 30 et 0.98 pour 60. Nielsen interprète ces résultats comme suit : 15 représente un seuil acceptable pour s'arrêter, tandis que 30 est réservé aux projets bénéficiant d'un financement important. La règle des cinq utilisateurs issue des tests d'utilisabilité ne s'applique pas directement : une méthode générative nécessite un nombre suffisant de participants pour que le modèle se stabilise.

Pour tester les arbres de décision, NN/g recommande au moins 50 participants par arbre afin de permettre une comparaison pertinente. Les seuils de réussite sont définis à partir des critères d'Albert et Tullis, établis sur 98 études : moins de 40 % : faible ; 41 à 60 % : acceptable ; 61 à 80 % : bon ; 80 à 90 % : très bon ; plus de 90 % : excellent. Définissez le seuil avant d'analyser les données. Les tâches critiques (paiement, remboursement, prise de rendez-vous) doivent atteindre 90 % ; une tâche de navigation promotionnelle peut se contenter de 70 %.

Considérez la franchise comme un complément au succès, jamais comme sa substitution. Un succès important associé à une faible franchise signifie que les gens y parviennent par tâtonnement : l’étiquette est erronée même si la structure est toujours présente. Ce schéma constitue le signal le plus utile qu’un test d’arbre de décision puisse fournir.

Exemple concret

Une pharmacie en ligne dont le produit principal est « Santé » et qui propose un article d'assistance en dessous. Les chiffres sont donnés à titre indicatif et ne reflètent pas les données clients.

1. Test d'arbre, 60 participants, 8 tâches. « Vérifiez si votre ordonnance est prise en charge. » Succès : 58 %, franchise : 22 % — résultats moyens pour les différentes catégories, et l’écart de franchise se situe au niveau de l’étiquette.
2. Consultez le tableau du premier clic. 41 % pour « Santé », 33 % pour « Assistance », 18 % pour « Compte » : trois catégories plausibles signifient que la frontière entre les catégories n'est pas dans l'esprit des utilisateurs.
3. Tri de cartes fermé, 20 participantsEn utilisant les titres des articles et le niveau supérieur existant, si les éléments de couverture sont répartis sur trois groupes, c'est le niveau supérieur qui est incorrect, et non le libellé.
4. Réécrire et tester à nouveau. Nouvel arbre de compétences, mêmes 8 tâches, 60 nouveaux participants. Objectif : réussite supérieure à 80 % et pertinence supérieure à 60 %.
5. Testez la nouvelle étiquette au premier clic Sur la page réelle avant expédition. Le test sur arbre ne révélait aucune odeur visible ; la page en production, si.

[DONNÉES INTERNES NÉCESSAIRES : remplacer cette séquence illustrative par un test d’arbre Switas anonymisé avant/après, incluant les chiffres de succès et de directivité ainsi que le nombre de tâches.]

Étiquettes en turc, et pourquoi le cas régional n'est pas cosmétique

Deux éléments rendent les tests d'étiquetage plus difficiles en turc et dans plusieurs langues voisines, et ces deux éléments sont importants pour toute personne vendant dans la région et pas seulement depuis celle-ci.

Tout d'abord, le turc est une langue agglutinante : le sens s'ajoute à un radical sous forme de suffixes. Ainsi, une catégorie composée de deux mots courts en anglais correspond souvent à un seul mot long en turc. Les menus qui tiennent dans la version anglaise débordent, et les équipes y remédient en les tronquant – ce qui est précisément la variable mesurée par un test d'arbre de décision. Testez les étiquettes à la longueur qu'elles afficheront réellement.

Deuxièmement, le turc possède quatre lettres I : pointé İ (U+0130) et i (U+0069), sans point I (U+0049) et ı (U+0131). Selon la réglementation turque, les minuscules i correspond à İ, Pas IPar conséquent, la correspondance insensible à la casse, telle qu'elle est conçue pour l'anglais, échoue : une recherche sur « iptal » ne trouvera aucun résultat pour l'enregistrement « IPTAL ». Si la recherche sur le site, les filtres ou la gestion de la casse du fil d'Ariane passent par un appel en majuscules ne tenant pas compte des spécificités locales, les utilisateurs n'obtiennent aucun résultat pour un terme pourtant existant. Il est donc essentiel d'éliminer cette possibilité avant d'incriminer l'étiquette.

Il existe également un enjeu de conformité. Le critère de succès 2.4.6 des WCAG 2.2, « Titres et étiquettes », est de niveau AA et exige que les titres et les étiquettes décrivent le sujet ou l'objectif. Une étiquette ayant obtenu un taux de réussite de 40 % lors des tests ne constitue pas seulement un problème de conversion ; elle constitue également un argument contre une affirmation de conformité.

Ce que ces chiffres ne prouvent pas

Le chiffre le plus souvent cité est celui de 87 % de réussite après un premier clic correct contre 46 % après un clic incorrect, d'après les travaux de Bailey et Wolfson (2006-2009). Attention toutefois : le jeu de données beaucoup plus important d'Optimal Workshop donne des résultats de 70 % et 24 % pour la même comparaison. Même direction, mais des ordres de grandeur sensiblement différents ; de plus, il s'agit de corrélations mesurées par l'instrument, et non d'une preuve qu'un test de clic permette de prédire le comportement sur un site en production.

Sur ce point, Sauro, Schiavone, Du et Lewis ont mené une étude auprès de 130 participants en 2023, comparant leurs premiers clics sur des images statiques et sur des sites interactifs : les comportements étaient similaires, avec une différence absolue moyenne d’environ 6 % entre les zones d’interaction. Ils ont également précisé ne pas avoir mesuré la réussite des tâches suivantes et que les mises en page adaptatives et les menus contextuels avaient engendré de réelles différences. En réalité, les tests de clics reproduisent les actions des utilisateurs, et non leur capacité à prédire s’ils iront jusqu’au bout.

Les tests d'arbres présentent une limite similaire. Kuric, Demcak et Krajcovic ont comparé trois variantes de tests d'arbres à des prototypes haute fidélité de la même architecture, auprès de 180 participants et pour 1 800 tâches. Les résultats obtenus avec ces variantes étaient contradictoires : la variante affichant l'arbre visible reproduisait le mieux le comportement du prototype, et les mesures de retour en arrière différaient significativement. Par conséquent, si votre outil affiche l'arbre différemment de celui utilisé pour le benchmark, ce dernier n'est pas applicable.

Là où cela dysfonctionne

• Sites dominants en recherche. Si la plupart des sessions commencent par une recherche, vous optimisez un parcours peu utilisé. Vérifiez d'abord la part des sessions qui débutent par une recherche.
• Navigation personnalisée. Les tests arborescents supposent une hiérarchie fixe. Si le menu diffère selon les segments, vous testez une utopie.
• Populations très réduites. Les publics B2B et cliniques peinent souvent à fournir 50 participants qualifiés. Indiquez le nombre de participants plutôt que les pourcentages et précisez-le.
• Aucun des trois tests de compréhension. Ils évaluent la découverte, pas la compréhension une fois la découverte effectuée. Cela nécessite des tests d'utilisabilité.
• Aucun de ces indicateurs ne mesure les revenus. Un point de navigation est une hypothèse pour une expérience, pas une solution éprouvée. Il faut le tester avant de le valider.

Foire aux questions

Puis-je effectuer un tri de cartes et un test d'arbre sur les mêmes participants ?

Pas lors de la même session. Le tri permet aux participants d'apprendre votre modèle, ce qui leur permet ensuite de repérer des éléments qu'un nouvel arrivant ne verrait pas. Constituez des groupes distincts ou espacez les sessions de plusieurs semaines.

De combien de participants ai-je besoin pour un tri de cartes ?

Quinze permet d'obtenir une corrélation de 0.90 avec les résultats de l'échantillon complet dans les données de Tullis et Wood, et 30 permet d'obtenir 0.95. En dessous de 15, le modèle est instable. Au-delà de 30, le gain est minime.

50 participants sont-ils vraiment nécessaires pour un test sur un arbre ?

Pour une comparaison quantitative entre deux arbres, oui — c'est la recommandation de NN/g. Pour un seul arbre, si vous souhaitez uniquement identifier les branches manifestement cassées, 20 à 30 branches permettront de repérer les plus problématiques, mais indiquez le nombre de branches cassées plutôt que leur pourcentage.

Qu'est-ce qui est considéré comme un taux de réussite acceptable ?

Décidez avant de vous lancer. Utilisez les seuils d'Albert et Tullis comme référence : plus de 80 % est très bon, entre 61 et 80 % est bon, moins de 40 % est insuffisant. Relevez le seuil à 90 % pour les tâches liées à l'argent, aux médicaments ou à un droit légal.

Le succès est au rendez-vous, mais la franchise laisse à désirer. Que puis-je améliorer ?

C'est l'intitulé, pas la structure, qui pose problème. Les utilisateurs trouvent la bonne section après avoir exploré les options, ce qui signifie que la catégorie existe dans leur système, mais que votre formulation ne le signale pas. Reformulez l'intitulé et testez à nouveau les mêmes tâches.

Un outil d'IA peut-il supprimer le besoin de participants ?

Ces méthodes ne conviennent pas. Elles mesurent les croyances et les comportements d'une population spécifique ; les estimations d'un modèle concernant cette population constituent une hypothèse, et non des données. Utilisez des modèles pour définir plus rapidement les tâches et regrouper les étiquettes ouvertes.

Suivant

Si vous rencontrez un problème de navigation que l'analyse ne parvient pas à résoudre, la solution la plus économique consiste à effectuer un test d'arborescence sur les deux structures candidates, avec des seuils convenus au préalable. Définissez les tâches, définissez les critères et exécutez le test. Laissez-nous le faire. et vous remettre la liste classée des branches cassées.

Références

• Jakob Nielsen, Tri de cartes : combien d’utilisateurs tester ?, Nielsen Norman Group, 2004
• Tom Tullis et Larry Wood, Combien d'utilisateurs sont nécessaires pour une étude de tri de cartes ?, UPA 2004
• Page Laubheimer, Tests d'arbres, partie 2 : Interprétation des résultats, Nielsen Norman Group, 19 janvier 2024
• Samhita Tankala, Test de tri par cartes vs. test d'arbres de décision, Nielsen Norman Group, 23 février 2024
• Nielsen Norman Group, Tests d'arborescence : Évaluation des libellés et catégories de menus
• Atelier Optimal : Des premiers clics corrects triplent le taux de réussite des tâches, 13 avril 2015
• Jeff Sauro, Will Schiavone, David Du et Jim Lewis, « Les tests de clics permettent-ils de prédire les clics sur un site réel ? », MeasuringU, 21 mars 2023
• Eduard Kuric, Peter Demcak et Matus Krajcovic, Validation de l'architecture de l'information : comparaison interméthodologique des variantes de tests d'arbres et des tests utilisateurs de prototypes, Information and Software Technology 183, juillet 2025
• W3C, Comprendre le critère de succès 2.4.6 : Titres et étiquettes, WCAG 2.2
• Tex Texin, Internationaliser le turc : la lettre turque pointée et sans point I