Analyse expert · Révisée le 22.08.2026

Décider avec peu de données : acheter l’information qui peut réellement changer l’action.

RÉPONSE COURTE

Question décisionnelleComment utiliser « Construire un mix avec peu de données » pour agir malgré l’incertitude ?

Peu de données ne signifie pas absence de décision ; cela interdit surtout les faux niveaux de précision. Le bon plan commence par une décision, ses pertes possibles et les hypothèses qui peuvent la faire basculer. Chaque étude ou expérience est ensuite évaluée par sa valeur de l’information : probabilité de changer utilement l’action multipliée par la perte évitable, moins le coût et le délai de l’étude. Cette logique évite de financer un modèle sophistiqué qui ne peut pas être identifié et concentre l’effort sur une preuve courte, discriminante et réutilisable. Financer d’abord la mesure dont la valeur nette d’information est positive et la plus élevée, puis réviser la décision avant d’acheter la preuve suivante.

DÉCISION SOUTENUEFinancer d’abord la mesure dont la valeur nette d’information est positive et la plus élevée, puis réviser la décision avant d’acheter la preuve suivante.

Calcul reproductible

Spécification et limites du calcul publié.

Ce dossier vérifie l’arithmétique locale du modèle pédagogique. Il ne transforme pas les hypothèses saisies en preuve de marché ou de causalité.

Spécification technique du portefeuille d’apprentissage avec peu de données (ouvre un nouvel onglet)
v1, 31 août 2026 · CC BY 4.0 · Spécification première partie d’un calcul de valeur de l’information illustratif, sans validation empirique des hypothèses.

Ce qu’il faut distinguer

Trois conditions avant tout calcul.

Décision avant donnée

La collecte commence par l’action à choisir, l’exposition et la date. Une donnée utile pour expliquer le passé peut ne rien changer au choix imminent.

Triangulation légère

Avec peu d’observations, combiner économie unitaire, test ciblé, recherche client et référence externe produit souvent une décision plus robuste qu’un modèle unique.

Valeur de l’information

Une mesure est précieuse si elle a une chance réelle de modifier l’action et d’éviter une perte matérielle. La précision sans conséquence décisionnelle a une valeur faible.

Méthode

Construire une séquence d’apprentissage rentable

01Formuler les bascules
Écrire les hypothèses qui changeraient le go/no-go, le budget ou la cible. Associer à chacune une plage et une perte si elle est fausse.
02Créer les options de preuve
Lister pilote, holdout, test géographique, enquête, observation opérationnelle et modèle. Chiffrer coût, délai, population et résultat attendu.
03Calculer la valeur nette
Estimer probabilité que la preuve change la décision multipliée par perte évitable, puis retrancher coût et valeur du délai. Classer les options.
04Apprendre séquentiellement
Acheter la première preuve, mettre à jour les hypothèses et recalculer la valeur des suivantes. Arrêter lorsque l’information ne peut plus changer l’action.

ÉLÉMENT ORIGINAL

Le portefeuille coût × valeur de l’information

Quatre options de preuve sont comparées selon coût, délai, probabilité de changer la décision et perte économique évitable.

OPTIONCOÛTVALEUR BRUTEVALEUR NETTEORDRE

Test géographique

45 k€

90 k€

45 k€

Holdout client

25 k€

37,5 k€

12,5 k€

Recherche qualitative

15 k€

20 k€

5 k€

MMM national

90 k€

0 k€

−90 k€

—

PREMIÈRE PREUVETest géographiqueValeur nette +45 k€

CSVTélécharger le plan d’apprentissage↓

EXEMPLE ILLUSTRATIF · DONNÉES SIMULÉES

Le test géographique vaut 45 k€ net ; le MMM est prématuré

01 · SITUATION

Un lancement expose 300 k€. Un test géographique coûte 45 k€ et a 30 % de chance d’éviter la perte complète. Un holdout client coûte 25 k€ et a 25 % de chance d’éviter 150 k€. Un MMM coûte 90 k€ mais les douze mois disponibles ne séparent pas les canaux.

02 · CALCUL

Valeur nette du test géographique : 30 % × 300 000 − 45 000 = 45 000 €. Holdout : 25 % × 150 000 − 25 000 = 12 500 €. Le MMM reçoit une probabilité de bascule proche de zéro tant que la variation manque, donc une valeur nette proche de −90 000 €.

03 · DÉCISION

Le test géographique est lancé en premier, puis le holdout est réévalué avec son résultat. Le MMM est différé jusqu’à l’obtention d’un historique et de variations identifiables.

Conditions d’acceptation

Ce qui doit être vrai pour agir.

01
Chaque collecte est reliée à une bascule de décision explicite.
02
Coût, délai, probabilité de bascule et perte évitable sont chiffrés.
03
Les preuves sont achetées séquentiellement, pas toutes à la fois.
04
Une méthode non identifiable est différée plutôt que forcée.

Limites

Ce que cette analyse ne prouve pas.

La probabilité de changer la décision est elle-même incertaine.
La valeur de l’information baisse si la fenêtre commerciale est courte.
Plusieurs petites preuves corrélées ne valent pas plusieurs preuves indépendantes.

Références

Travaux mobilisés.

Vaver, J. & Koehler, J. (2012), « Periodic Measurement of Advertising Effectiveness Using Multiple-Test-Period Geo Experiments », Google Research.
Chen, A., Longfils, M. & Remy, N. (2021), « Trimmed Match Design for Randomized Paired Geo Experiments », Google Research.
Owen, A. & Launay, T. (2016), « Multibrand Geographic Experiments », Google Research.