Où les visiteurs tentent-ils d'agir ?
Une carte des clics met en évidence les boutons, liens, visuels et zones vides que les visiteurs essayent d'activer — y compris ceux qui ne sont pas cliquables.
Guide pratique
Une heatmap — ou carte de chaleur — montre où les visiteurs cliquent, parcourent, s’arrêtent et, dans une certaine mesure, ce qu’ils ignorent sur une page.
Utilisée correctement, elle indique où commencer une optimisation sans prétendre expliquer pourquoi un comportement existe.
Elle ne donne pas « la vérité » sur une page. Elle donne une lecture probabiliste de trois comportements distincts, chacun répondant à une question différente.
Une carte des clics met en évidence les boutons, liens, visuels et zones vides que les visiteurs essayent d'activer — y compris ceux qui ne sont pas cliquables.
La scroll map montre la part des visiteurs qui descendent jusqu'à chaque section. Si la chute a lieu juste après le hero, c'est souvent que la promesse de départ n'est pas tenue.
Beaucoup de clics dans un vide, une zone dense de clics répétés sur un même élément, des retours arrière fréquents : ces signes indiquent presque toujours une zone à interroger.
Voici un patron fréquent observé sur des pages longues. Ces chiffres ne sont pas mesurés : ils servent simplement à lire ce qu'une carte de défilement peut révéler en deux secondes.
Environ 40 % des visiteurs arrivent jusqu'à la section principale. Une forte part est perdue immédiatement après le hero.
Environ 18 % parviennent jusqu'aux preuves. Si les preuves sont nécessaires pour convaincre, elles doivent arriver suffisamment tôt.
Environ 7 % atteignent le bas de page où se trouve généralement le CTA ou formulaire final.
Un CTA froid peut être un problème de libellé, de position, de promesse ou de contexte — la heatmap montre la zone, pas la cause.
Un signal fort sur un bouton peut venir de 3 % de visiteurs qualifiés, ou d'un pic de trafic non qualifié — deux situations très différentes.
Remplacer un CTA parce que sa zone est « plus chaude » est souvent une erreur si le vrai problème est dans l'offre ou la promesse de la page.
Ils ne se concurrencent pas. Ils répondent à trois moments différents d'une même question.
On commence souvent par Analytics pour détecter un problème, on passe par la heatmap pour le localiser, puis on utilise le replay — ou une autre lecture qualitative — pour comprendre le comment.
Une lecture intéressante sans action est rarement utile. Une heatmap gagne toute sa valeur comme point de départ d'une séquence structurée.
Une heatmap montre, par exemple, que la moitié des visiteurs ne descend pas au-delà d'une section précise.
Est-ce le titre qui annonce mal la suite, les preuves qui arrivent trop tard, ou le hero qui termine sur une mauvaise promesse ?
« Si on annonce plus clairement les preuves dans le hero, la profondeur de scroll de cette section augmente. »
On change une seule chose à la fois, ou un seul ensemble cohérent, pour que la lecture de l'impact reste honnête.
On regarde la métrique qui a motivé le changement : profondeur de scroll, taux de clic sur le CTA, taux de contact final.
Si le volume le permet et que l'enjeu le justifie, un test A/B compare deux versions plus robustement qu'une simple comparaison avant / après.
Elle montre une zone étrange, une chute de défilement, une impression de blocage. De là on décide quoi tester et pourquoi on pense qu'une modification portera ses fruits.
Il compare deux versions dans des conditions aussi comparables que possible. Il ne sert à rien si l'on ne sait pas d'abord quoi comparer — et c'est là que la heatmap intervient en amont.
Un volume faible ne rend pas une heatmap inutile — il change simplement ce qu'on est en droit d'en déduire.
Quelques dizaines de visiteurs peuvent déjà révéler un comportement extrêmement répété : même CTA systématiquement raté, même section ignorée, même bloc pris pour un bouton.
En revanche, sur des différences subtiles — un gain de quelques points sur un CTA — un faible trafic interdit toute conclusion fiable. On l'utilise alors davantage comme outil d'observation que comme mesure.
L'outil compte moins que la méthode avec laquelle on le lit. Deux équipes peuvent observer exactement la même heatmap et en tirer des conclusions opposées selon qu'elle est utilisée pour confirmer un a priori ou pour mettre à jour une hypothèse.
Beaucoup d'équipes disposent déjà d'un outil d'analytics — et parfois d'un outil de heatmap installé depuis plusieurs mois — mais n'en font rien par manque de temps, de méthode, ou d'implémentation technique.
Nous intervenons à deux niveaux concrets : une installation correcte (événements, pages ciblées, seuils de déclenchement) puis une lecture structurée qui aide à décider quoi modifier plutôt que de réécrire au hasard.
Pages liées
Quelques lectures complémentaires pour prolonger la réflexion sans remplacer un échange sur votre situation.
Session replay : à quoi ça sert sur un site web ?
Comprendre comment les visiteurs parcourent réellement les pages.
Ouvrir la page →A/B testing site web : quand et comment l’utiliser ?
Vérifier si une modification améliore réellement le résultat mesuré.
Ouvrir la page →Suivi des conversions GA4 / GTM : quoi mesurer ?
Brancher une mesure fiable pour que les observations de heatmap correspondent à des événements exploitables.
Ouvrir la page →Intervention pratique
Avant de déplacer des blocs ou de réécrire une page entière, il vaut souvent mieux observer concrètement ce qui est lu, ignoré ou cliqué par erreur.