GrowthBook
Feature flags, expérimentation et product analytics open source, exécutés contre votre propre entrepôt de données
GrowthBook est une plateforme open source de feature flags, de tests A/B et de product analytics que vous exécutez contre votre propre entrepôt de données plutôt que chez un fournisseur d'analytics hébergé. Elle compte 8 000 étoiles sur GitHub en date de juillet 2026, est open-core — l'essentiel sous la licence permissive MIT, avec certains répertoires entreprise sous une licence commerciale distincte — et se connecte à des entrepôts comme BigQuery, Snowflake et Databricks pour que les expériences soient mesurées sur des données que vous possédez déjà. Pour un fondateur, c'est l'outil qui donne un sens rigoureux à « on l'a testé » : des déploiements progressifs de fonctionnalités derrière des flags, et des expériences évaluées par un vrai moteur de statistiques. Ce qu'il ne fait pas, c'est créer le trafic dont vous avez besoin avant que tout cela ne produise un résultat digne de confiance.
Ce qu'est GrowthBook
GrowthBook (github.com/growthbook/growthbook) est une plateforme open source qui regroupe trois choses que les fondateurs achètent habituellement séparément : des feature flags, des tests A/B et du product analytics. Vous l'exécutez vous-même avec un simple `docker compose up`, ou vous utilisez leur cloud hébergé, et c'est open-core — l'essentiel du code est sous la licence permissive MIT, avec quelques répertoires entreprise régis par une licence commerciale distincte. Le projet est en développement actif depuis 2021.
Le choix de conception qui le distingue est d'être « warehouse-native ». Au lieu de recollecter vos données d'événements dans un énième silo de fournisseur, GrowthBook interroge les données que vous conservez déjà — en se connectant à BigQuery, Snowflake et Databricks, parmi une liste plus longue de sources prises en charge — et définit les métriques en SQL. Les expériences sont ensuite évaluées par un véritable moteur de statistiques qui prend en charge les tests bayésiens et séquentiels et exécute des vérifications de non-concordance du ratio d'échantillonnage, ce que la plupart des montages A/B maison ratent discrètement.
Les trois missions qu'il remplit
Il est utile de distinguer ce que GrowthBook vous apporte réellement, car les trois capacités se recoupent mais résolvent des problèmes différents :
| Capacité | À quoi ça sert | Quand un fondateur y a recours |
|---|---|---|
| Feature flags | Activer des fonctionnalités pour certains utilisateurs sans déploiement | Déploiements progressifs, coupe-circuits et accès bêta — utiles dès le premier jour |
| Expérimentation (tests A/B) | Mesurer si un changement a réellement fait bouger une métrique | Une fois que vous avez assez de trafic pour qu'un résultat soit digne de confiance |
| Product analytics | Construire des métriques et des tableaux de bord sur les données de votre entrepôt | Quand vous voulez chaque chiffre défini une seule fois, en SQL, et non par outil |
Où il s'insère dans la stack de croissance d'un fondateur
Les feature flags gagnent leur place presque immédiatement — publier derrière un flag permet à un fondateur solo de déployer en toute sécurité et de revenir en arrière instantanément. L'expérimentation, c'est différent : elle ne rapporte que lorsque vous avez assez de trafic pour que l'écart entre deux versions soit du signal plutôt que du bruit. Lancez un test A/B sur une page qui reçoit quarante visiteurs par semaine et vous « apprendrez » des choses purement dues au hasard.
- Fait : vous dire si un changement que vous avez publié a réellement amélioré une métrique, mesuré honnêtement sur vos propres données.
- Fait : vous laisser déployer des fonctionnalités progressivement et les désactiver sans déploiement.
- Ne fait pas : vous envoyer le trafic dont une expérience a besoin avant que ses résultats ne veuillent dire quelque chose.
- Ne fait pas : décider quoi tester — cela vient de savoir où votre tunnel fuit.
Nous avons atteint le seuil de trafic des deux côtés. En construisant AgentCeres, la contrainte honnête sur nos propres expériences était le volume : avec un trafic précoce, la plupart des « victoires » n'atteignaient pas la significativité, donc le travail à plus fort levier consistait à lire le tunnel qualitativement — instrumenter notre étape de connexion a montré presque aucune perte à cet endroit, ce qui a réorienté l'effort vers l'onboarding — plutôt qu'à le tester formellement en A/B. Le séquençage est l'enseignement utile : un outil comme GrowthBook rend les expériences rigoureuses, mais il ne vous récompense qu'après avoir fait le travail de transformer les visiteurs en inscriptions et d'en obtenir suffisamment. AgentCeres — le directeur IA de la croissance sur agentceres.com — est une équipe de marketing IA gérée dont les spécialistes rédigent le SEO, le contenu social et la prospection qui amènent ce trafic, un humain validant tout ce qui sort.
FAQ
- GrowthBook est-il gratuit ?
- Il est open-core. L'essentiel de la base de code est sous la licence permissive MIT, vous pouvez donc auto-héberger le cœur — feature flags, expériences et analytics — commercialement sans frais ; vous l'exécutez sur votre propre infrastructure, donc vos coûts sont les serveurs et l'entrepôt que vous payez déjà. Certaines fonctionnalités entreprise vivent dans des répertoires sous une licence commerciale distincte, et il existe un GrowthBook Cloud hébergé avec une offre gratuite et des offres payantes. Consultez le fichier LICENSE du dépôt et growthbook.io pour la répartition actuelle.
- En quoi GrowthBook diffère-t-il de PostHog ou d'Optimizely ?
- Ils se recoupent mais l'abordent sous des angles différents. Optimizely est une suite d'expérimentation commerciale mature ; PostHog est une plateforme de product analytics tout-en-un qui fait aussi les flags et les expériences et stocke elle-même vos événements. Le pari distinctif de GrowthBook est d'être warehouse-native : il interroge les données que vous conservez déjà plutôt que de les recollecter, et définit les métriques en SQL, ce qui séduit les équipes qui veulent une source de vérité unique pour leurs chiffres. Lequel convient dépend de si vous exploitez déjà un entrepôt et de l'importance que vous accordez à la maîtrise de la couche de données.
- Ai-je besoin de GrowthBook si je suis en pré-lancement ?
- Probablement pas encore pour l'expérimentation, mais la partie feature flags peut tout de même gagner sa place. Les tests A/B ont besoin de trafic pour produire des résultats dignes de confiance, et en pré-lancement vous n'en avez pas — un test mesurera surtout du bruit. Les feature flags, en revanche, permettent même à un fondateur solo de publier derrière un interrupteur et de revenir en arrière instantanément, ce qui est utile dès le premier déploiement. L'expérimentation rigoureuse vaut la peine d'être adoptée une fois que vous avez un trafic réel et régulier.
- Un outil de test A/B remplace-t-il le fait de savoir quoi tester ?
- Non — et c'est le piège courant. Un outil mesure si un changement a fonctionné ; il ne vous dit pas quel changement vaut la peine d'être fait. Cela vient de comprendre où votre tunnel fuit réellement — quelle étape perd des gens et pourquoi — généralement à partir des analytics et des conversations client, et non de l'outil de test lui-même. Pointez une expérience rigoureuse sur une idée au hasard et vous obtenez une réponse rigoureuse à la mauvaise question.
You built it. Now grow it.
AgentCeres is a managed AI marketing team — specialists draft the SEO, social, and outreach that fill your links, you approve what ships. 14-day free trial, from $19/month.