9 novembre 2026Mis à jour le Fathy Shalaby23 min de lecture
Expérimentation produit : 55 méthodes selon le risque et le niveau de preuve
La plupart des idées échouent face au terrain. Isolez votre hypothèse la plus risquée, fixez le niveau de preuve requis, puis choisissez le test le plus économique parmi 55 méthodes d'expérimentation produit.
Une expérimentation produit est un test court et structuré visant à valider une hypothèse clé dont dépend votre projet, assorti d'un seuil de succès défini avant de vous lancer. Pour bien choisir un test, formulez votre hypothèse, qualifiez son risque (désirabilité, utilisabilité, faisabilité ou viabilité), déterminez le niveau de preuve nécessaire, puis retenez la méthode la plus économique pour atteindre cette certitude. Ce guide classe 55 méthodes selon ces critères, avec le temps et l'effort nécessaires pour chacune.
Points clés
La plupart des idées échouent face au terrain. Chez Microsoft, seul un tiers des idées testées a réellement amélioré la métrique visée, et environ 10 % seulement des expériences contrôlées menées par Google ont débouché sur des changements concrets pour l'entreprise (Kohavi and Longbotham, 2023).
Testez votre hypothèse la plus risquée, pas l'idée tout entière. Marty Cagan distingue quatre grands risques : la valeur, l'utilisabilité, la faisabilité et la viabilité commerciale (SVPG, 2017).
Les niveaux de preuve n'ont pas tous le même poids. Ce que les gens déclarent a très peu de valeur ; un paiement ou une signature offre la certitude maximale. La grille issue de Testing Business Ideas de Strategyzer évalue 44 expériences sur une échelle de 1 à 5 pour le coût, le temps de mise en place, la durée d'exécution et la force de la preuve.
Économique ne veut pas dire fragile. Dans cette même grille, le test concierge obtient un score de coût de 1 sur 5 pour un niveau de preuve de 5 sur 5.
Définissez votre seuil de succès avant de lancer le test. Le modifier en cours de route est le piège classique dans lequel tombent la majorité des équipes.
Pourquoi tester ses idées de produit ?
La majorité des échecs de produits ne proviennent pas d'une mauvaise exécution technique. Ils sont dus à une intuition que personne n'a pris la peine de vérifier.
Les retours d'expérience des entreprises qui mesurent rigoureusement leurs initiatives incitent à l'humilité. Ron Kohavi et Roger Longbotham ont synthétisé ces constats : chez Microsoft, seul un tiers des idées testées a fait bouger la métrique ciblée ; Jim Manzi rapporte qu'environ 10 % des expérimentations de Google ont entraîné des décisions business tangibles ; et l'on estime que Netflix considère 90 % de ses tentatives initiales comme non concluantes (). Ces structures emploient d'excellents profils produit. Leurs premières intuitions tombent pourtant à côté la plupart du temps.
Négliger ces vérifications coûte bien plus cher par la suite. CB Insights a analysé 431 entreprises financées par du capital-risque ayant mis la clé sous la porte depuis 2023, en identifiant les causes pour 385 d'entre elles : 70 % ont manqué de capital, 43 % souffraient d'un mauvais product-market fit, 29 % ont pâti d'un mauvais timing et 19 % affichaient un modèle économique non pérenne (CB Insights, 2026). Plusieurs motifs pouvaient être cités. Or, le manque d'adéquation au marché et des unit economics fragiles sont précisément les incertitudes qu'une expérience rapide et peu coûteuse peut révéler des mois avant l'épuisement de votre trésorerie.
L'expérimentation produit sert justement à vérifier une intuition avant d'engager des moyens financiers significatifs. Vous n'avez pas besoin d'une équipe de recherche dédiée, ni de dérouler l'intégralité des 55 méthodes de ce guide. Il vous suffit d'identifier le test spécifique susceptible de remettre en cause la croyance la plus critique de votre plan.
Qu'est-ce qu'une expérimentation produit ?
Une expérimentation produit est un test ciblé et planifié visant à évaluer une croyance précise, en s'appuyant sur un résultat mesurable défini à l'avance. Une expérience bien conçue réunit quatre éléments :
L'hypothèse, rédigée sous la forme d'une affirmation falsifiable. Exemple : « Les freelances perdent des contrats parce qu'ils oublient de relancer », plutôt que « Les freelances ont besoin de notre solution ».
La méthode : l'action minimale requise pour récolter une preuve tangible au sujet de cette croyance.
La métrique : un indicateur chiffré unique, assorti d'une métrique de garde-fou qui ne doit pas se dégrader.
Le seuil de succès (pass signal) : le résultat prédéfini qui validera formellement le passage à l'étape suivante.
Teresa Torres résume parfaitement la démarche : cessez de tester des idées globales et testez plutôt les postulats sous-jacents dont elles dépendent (Product Talk, 2023). Un projet comme « une application de rappels de rendez-vous pour vétérinaires » repose sur une dizaine de postulats. Beaucoup sont sans danger. Mais un ou deux peuvent anéantir l'idée s'ils s'avèrent faux : ce sont eux qui méritent une expérimentation. Si votre réflexion part d'une demande de fonctionnalité, notre modèle d'énoncé de problème produit vous aidera à la convertir en hypothèse testable.
Quels sont les quatre risques produit qu'une expérience peut tester ?
Toute croyance est liée à un type de risque précis, et c'est ce risque qui dicte la méthode à employer. Marty Cagan, du Silicon Valley Product Group, distingue quatre catégories majeures (SVPG, 2017) :
Risque
Question formulée par Cagan
Terme Strategyzer
Responsable habituel
Premier test économique
Test à fort niveau de preuve
Valeur
Les clients vont-ils l'acheter ou choisir de l'utiliser ?
Désirabilité
Product manager
Entretien client, fake door
Test concierge, lettre d'intention
Utilisabilité
Les utilisateurs arrivent-ils à s'en servir facilement ?
Classé en désirabilité
Product designer
Prototype papier
Test d'utilisabilité sur un produit réel
Faisabilité
Nos ingénieurs peuvent-ils le construire avec le temps, les compétences et la technologie disponibles ?
Faisabilité
Lead engineer
Entretien d'expert, spike technique
Magicien d'Oz, mash-up
Viabilité commerciale
Est-ce compatible avec les contraintes et le modèle de l'entreprise ?
Viabilité
Product manager
Enquête de pricing, étude de marché
Test d'entonnoir (funnel), lettre d'intention
Dans Testing Business Ideas (Wiley, novembre 2019, 368 pages), David J. Bland et Alexander Osterwalder regroupent les risques autour de trois questions : les clients en veulent-ils, pouvons-nous le construire, et en tirerons-nous un revenu durable (Wiley ; Strategyzer, 2025). Leur bibliothèque d'expériences classe les tests liés à l'utilisabilité, comme le tri de cartes ou les prototypes cliquables, sous la bannière de la désirabilité. Nous préférons suivre la distinction de Marty Cagan et traiter l'utilisabilité à part, car « vouloir une chose » et « réussir à s'en servir » sont deux problématiques qui échouent pour des raisons différentes et nécessitent des protocoles distincts.
Teresa Torres introduit une cinquième dimension, l'éthique : devrions-nous vraiment concevoir ce produit ? Quant à l'ordre de priorité, le conseil de Marty Cagan est sans équivoque : traitez les risques majeurs au plus tôt, en particulier la valeur et la viabilité commerciale. Pour aller plus loin sur la nature des preuves associées à chaque dimension, consultez notre article détaillant ce qui constitue une preuve pour les quatre risques produit.
Quelle est la force de la preuve fournie par chaque type d'expérimentation ?
Plus vous montez sur l'échelle, plus le résultat est fiable.
Toutes les preuves ne se valent pas. Un compliment encourageant et un bon de commande signé sont tous deux des « retours positifs », mais un seul devrait réellement peser sur votre roadmap. Alex Osterwalder rappelle ce principe fondamental : ce que les clients disent et ce qu'ils font sont deux réalités distinctes. Les entretiens et les sondages apportent des indices précieux mais faibles, tandis qu'une transaction simulée apporte un signal robuste (Strategyzer, 2017).
Niveau de preuve
Définition
Exemple
Usage recommandé
Ce que les gens disent (déclaratif)
Quelqu'un vous donne son avis verbalement
Un entretien, un sondage
Un signal pour justifier un test plus rigoureux
Signal faible (prémisse)
Un comportement réel, mais peu engageant ou indirect
Un clic sur une publicité, une tendance de recherche
Une piste sur les directions à explorer
Ce que les gens font (comportemental)
Une action concrète a été effectuée
Terminer une tâche, renseigner son e-mail
Une bonne preuve pour cette action précise
Argent ou signature (engagement fort)
L'utilisateur cède une contrepartie de valeur
Un paiement, un contrat signé
La preuve la plus solide avant le lancement
Specky s'appuie sur cette même grille d'évaluation. Une hypothèse ne peut être marquée comme « Validée » que par des comportements réels ou par une transaction (financière ou contractuelle). Tout élément plus faible demeure un « Signal faible », aussi enthousiaste soit le retour client.
Un test plus probant est-il systématiquement plus cher ?
Non. Le poster de la bibliothèque d'expériences de Strategyzer note chaque méthode de 1 à 5, démontrant que le coût financier et la force de la preuve varient de façon indépendante (bibliothèque d'expériences Strategyzer). En voici un aperçu :
Preuve solide, mais nécessite un réel effort de développement
La conclusion s'impose : le véritable coût d'un test rigoureux réside le plus souvent dans le temps que vous y consacrez, et non dans votre budget. Un test concierge exige peu de moyens matériels, mais plusieurs semaines d'exécution manuelle.
Comment choisir la bonne méthode d'expérimentation ?
Répondez successivement à ces cinq questions :
Quelle est l'hypothèse sous-jacente ? Rédigez-la en une seule phrase qui puisse être contredite par les faits.
De quel type de risque s'agit-il ? En veulent-ils (désirabilité) ? Comprennent-ils comment s'en servir (utilisabilité) ? Sommes-nous capables de le produire (faisabilité) ? Cela sera-t-il rentable (viabilité) ?
Quel serait le coût d'une erreur ? Une décision engageant les six prochains mois requiert un niveau de certitude bien plus élevé que le choix de la couleur d'un bouton. Barry O'Reilly insiste sur cette gradation : le lancement d'une fusée exige des critères d'évaluation infiniment plus stricts que l'optimisation d'un flux d'inscription (Thoughtworks, 2014).
Quel est le test le plus économique apportant un niveau de preuve suffisant ? Commencez bas sur l'échelle tant que vos certitudes sont faibles. Ne grimpez que lorsque les enjeux financiers ou opérationnels l'exigent.
Quel résultat fera office de succès ? Formalisez ce seuil par écrit avant de lancer l'expérience. Comme le rappelle Barry O'Reilly, définir des indicateurs en amont évite les réinterprétations biaisées une fois les chiffres sous les yeux.
Notre règle empirique : si se tromper coûte une semaine de travail, le déclaratif suffit. Si l'erreur coûte un trimestre, exigez une preuve comportementale. Si elle implique un recrutement, un an d'efforts ou menace votre trésorerie, exigez un paiement ou une signature.
Si vous devez arbitrer entre plusieurs hypothèses concurrentes sans savoir par laquelle commencer, cartographiez-les d'abord. Notre guide sur le mapping d'hypothèses pour dérisquer ses paris ainsi que notre outil gratuit de cartographie des hypothèses classent vos postulats par impact et niveau de certitude, vous aidant à tester en priorité ce qui compte vraiment.
Tableau de décision : quel test choisir selon le risque et le niveau de preuve ?
Repérez la ligne correspondant à votre type de risque. Progressez vers la droite jusqu'à la colonne correspondant au niveau de preuve exigé par les enjeux. Choisissez ensuite la méthode la plus accessible parmi celles proposées.
Les durées et efforts mentionnés s'appuient sur les fiches méthodologiques ci-après et correspondent aux capacités d'une petite équipe. Lisez une ligne horizontalement pour observer la montée en preuve. Lisez une colonne de haut en bas pour comparer les approches à niveau de preuve équivalent.
Quelles expériences produit répondent à quelle question ? La bibliothèque complète des 55 méthodes
Chaque protocole listé ci-dessous renvoie à un guide complet comprenant un modèle réutilisable, un critère d'évaluation prêt à l'emploi et un cas d'application concret.
Désirabilité : le problème existe-t-il vraiment, et qui en souffre ?
Commencez ici si vous avez encore un doute sur la réalité du problème. La plupart de ces démarches demandent quelques jours et aucun développement informatique.
Le problème est intermittent et les utilisateurs en ont un souvenir imprécis
Après avoir réalisé vos premiers entretiens, utilisez notre modèle de synthèse d'entretiens clients avant de vous lancer dans la moindre analyse quantitative.
Désirabilité : les utilisateurs s'intéresseront-ils à cette offre ?
Mobilisez ces tests dès que l'existence du problème est confirmée. Il s'agit maintenant de vérifier si votre proposition suscite un intérêt réel.
Votre trafic permet d'isoler scientifiquement l'impact d'une modification
Utilisabilité : le produit est-il simple à utiliser et fidélise-t-il ?
Ces protocoles mettent les utilisateurs face à une version très proche de la solution finale. Simplicité d'usage et rétention étant deux questions différentes, analysez chaque méthode avec attention.
Vous pouvez délivrer le service manuellement contre une rémunération
Faisabilité : pouvons-nous concevoir et délivrer la solution ?
Une solution peut susciter l'enthousiasme général tout en étant impossible à exécuter. Recourez à ces approches quand le doute se situe du côté opérationnel ou technique.
Aucune des 54 méthodes répertoriées ne cadre avec votre cas
Comment gravir concrètement l'échelle de la preuve ?
Voici un exemple fictif illustrant le cheminement progressif. Supposons que vous formuliez l'hypothèse suivante : les gérants de salles de sport indépendantes perdent des abonnés parce qu'ils ne repèrent pas à temps ceux qui cessent de venir.
Cinq entretiens clients confirment que les gérants ont déjà cherché à résoudre cette difficulté. C'est du déclaratif (« ce que les gens disent »), réalisé en une semaine.
Une fake door montre que ces gérants acceptent de laisser leur adresse e-mail pour accéder à votre proposition. Disons que 40 inscrits sont obtenus sur 400 visiteurs issus d'une newsletter spécialisée, soit un taux de conversion de 10 %. Vous obtenez un premier comportement réel.
Un test concierge consiste à compiler et envoyer manuellement ces listes chaque semaine à cinq salles ; trois d'entre elles acceptent de payer un deuxième mois. Vous disposez désormais d'un engagement financier.
Sur la base des estimations de nos tableaux, les étapes 1 à 3 demandent environ cinq semaines : une pour les entretiens, une pour la fake door, trois pour le service concierge. Chaque étape a représenté un investissement légèrement supérieur à la précédente, mais n'a été enclenchée que parce que la précédente s'était montrée concluante. En cas d'échec à l'une de ces étapes, vous vous seriez arrêté là, épargnant ainsi le temps et les ressources alloués aux étapes suivantes.
Remarquez ce qui a été délibérément évité : personne n'a lancé d'enquête pour demander aux gérants « s'ils utiliseraient » une telle solution, et aucun dashboard n'a été programmé pour espérer mesurer du trafic. Chaque étape a uniquement permis de répondre à l'incertitude la plus critique du moment. Pour comprendre comment articuler cette rigueur au sein d'un cycle de discovery complet, consultez notre guide du processus de product discovery.
Combien d'expérimentations mener et avec combien de participants ?
Il n'y a pas de quota absolu. Continuez d'expérimenter tant que l'hypothèse maîtresse de votre projet n'est pas étayée par un niveau de certitude proportionné au coût d'un éventuel échec. La synthèse de l'ouvrage par Strategyzer recommande un rythme pragmatique : mener trois à cinq petites expériences sur vos postulats les plus prioritaires au cours du premier mois, en privilégiant l'action la plus concise capable de valider ou d'invalider chacun d'eux (Strategyzer, 2025).
Associez toujours signaux faibles et signaux forts. Une phase déclarative vous indique où porter votre regard ; un test comportemental confirme si l'observation se vérifie. Deux séries d'entretiens concordantes ne restent jamais rien de plus que deux faisceaux d'opinions.
La volumétrie de participants s'adapte selon l'approche :
Tests d'utilisabilité : cinq testeurs par itération. Les travaux de Jakob Nielsen montrent que cinq utilisateurs suffisent à relever environ 85 % des frictions d'utilisabilité, et quinze la quasi-totalité. Mieux vaut donc répartir son budget sur plusieurs petits cycles itératifs (Nielsen Norman Group, 2000).
Enquêtes : ciblez environ 50 retours exploitables issus d'un segment bien caractérisé avant de vous fier à des ratios. Notre guide sur les enquêtes de discovery en détaille les fondements.
Tests A/B (split tests) : ils requièrent un volume de trafic significatif. Kohavi et Longbotham précisent qu'une répartition 50/50 garantit une puissance statistique optimale une fois écartées les anomalies techniques initiales. Si votre audience est modeste, privilégiez une fake door ou une landing page. Notre guide des tests A/B pour product managers détaille ces principes statistiques.
Lettres d'intention et préventes : un échantillon restreint de quelques retours suffit dès lors qu'il s'agit de véritables décideurs dotés d'un pouvoir budgétaire.
Quelles sont les erreurs les plus fréquentes en expérimentation produit ?
Tester le concept global plutôt que l'hypothèse risquée sous-jacente. À la question « Est-ce que ça va marcher ? », impossible d'obtenir une réponse binaire nette. À « Les gérants paieront-ils 50 € par mois pour une liste hebdomadaire ? », oui.
Privilégier la méthode que l'on maîtrise déjà. Les adeptes des formulaires ont tendance à tout sonder par questionnaire. Laissez la nature du risque imposer la méthodologie adéquate.
Confondre déclaratif et passage à l'acte. Vingt entretiens dithyrambiques restent cantonnés au bas de l'échelle de preuve.
Définir son seuil de succès après avoir pris connaissance des résultats. Analyser une métrique a posteriori pour se justifier relève de la rationalisation, non de la démarche scientifique.
Lancer des tests A/B sur un trafic trop faible. Quelques centaines de visites n'ont pas la puissance statistique requise pour prouver la causalité d'un résultat.
Négliger les risques moins séduisants. Les fondateurs privilégient spontanément les tests de désirabilité. Marty Cagan rappelle la nécessité de valider très tôt la valeur et la viabilité business. Une impasse technique ou réglementaire (faisabilité) peut condamner un projet adoré tout aussi rapidement.
Griller les étapes de l'échelle. Lancer une campagne de crowdfunding sans avoir conduit le moindre échange direct revient à perdre des semaines pour apprendre ce qu'une conversation de vingt minutes aurait révélé.
Dans quels cas faut-il éviter de lancer une expérimentation ?
Renoncez à l'expérimentation lorsque la décision est peu coûteuse et aisément réversible : déployer en production et observer le comportement réel fait alors office de meilleur test. Notre réflexion sur les décisions produit réversibles et irréversibles vous aidera à les différencier. Évitez-la également si le déploiement aura lieu de toute façon quel que soit le retour du terrain : tester pour la forme est inutile. Enfin, si aucune des 55 approches n'est applicable à vos contraintes de marché (par exemple lors de cycles d'appels d'offres publics pluriannuels), préférez concevoir une expérience sur mesure plutôt que d'appliquer une formule inadaptée.
Est-il éthique d'évaluer l'intérêt pour un produit qui n'existe pas encore ?
Certains protocoles comme la fake door, le test 404, la prévente ou le Magicien d'Oz confrontent l'utilisateur à une solution encore incomplète ou simulée. Pour garder une démarche éthique :
Informez immédiatement l'utilisateur sur l'écran suivant que la fonctionnalité est en préparation, et remerciez-le pour son intérêt.
N'encaissez aucun paiement que vous ne soyez en mesure de rembourser ou de satisfaire. Précisez explicitement les délais de livraison attendus.
Si une intervention humaine simule un service automatisé (Magicien d'Oz), informez les participants à l'issue de l'expérience lorsque cela présente un enjeu direct pour eux.
Sollicitez systématiquement l'accord préalable avant tout enregistrement, et n'exploitez les e-mails collectés que dans le strict cadre de la finalité annoncée.
Comment mettre cela en pratique dans Specky
Renseignez votre Lean Canvas sur la page Hypothèses : Specky génère automatiquement les postulats implicites sur lesquels il repose. Chaque élément prend place sur une matrice croisant impact et niveau d'incertitude, isolant numériquement les plus critiques. Cliquez sur un postulat, sélectionnez un protocole d'expérimentation, et votre fiche de cadrage se préremplit avec les étapes opérationnelles, le seuil de validation et le temps de réalisation estimé.
Le mode opératoire s'adapte selon la méthode retenue. Certaines démarches reposent sur des entretiens par IA menés au sein de Vouch, accessible sur vouch.specky.space. D'autres amènent Specky à générer une page de capture dédiée et à collecter les retours. Pour d'autres encore, l'outil analyse les métriques issues de vos outils analytics connectés. Pour le reste des méthodes, vous réalisez le test sur le terrain pendant que Specky centralise le protocole et les résultats. Chaque guide détaille son cas d'usage.
Consigner un résultat déplace la note correspondante et réévalue l'ensemble des paris stratégiques qui en dépendent. Une hypothèse centrale réfutée invalide mécaniquement le pari associé. Un pari produit n'est considéré comme validé que si chacune des hypothèses sous-jacentes a apporté son niveau de preuve requis.
Foire aux questions
Qu'est-ce qu'une expérimentation produit ?
Une expérimentation produit est un test court et structuré visant à évaluer une croyance spécifique relative à un produit, doté d'un seuil d'arbitrage fixé avant son déploiement. Elle permet à une équipe de valider une hypothèse avant d'investir des ressources substantielles. Une expérience rigoureuse spécifie l'hypothèse, la méthode retenue, la métrique suivie et le résultat validant le passage à l'étape suivante.
Comment choisir la bonne méthode d'expérimentation produit ?
Isolez l'hypothèse sur laquelle pèse votre plus grande incertitude, identifiez son type de risque (désirabilité, utilisabilité, faisabilité ou viabilité) et déterminez le niveau de certitude exigé par le coût d'une erreur potentielle. Optez ensuite pour la méthode la plus accessible qui délivre ce niveau de preuve. Au démarrage, des entretiens qualitatifs suffisent. À mesure que les arbitrages deviennent engageants, cherchez des preuves d'action ou d'engagement financier.
Quels sont les quatre grands types de risques produit ?
Marty Cagan distingue la valeur (les utilisateurs vont-ils choisir de l'utiliser ou de l'acheter ?), l'utilisabilité (arriveront-ils à comprendre et manipuler le produit ?), la faisabilité (pouvons-nous le construire avec notre équipe, notre temps et nos technos ?) et la viabilité commerciale (est-ce aligné avec la pérennité et les contraintes du modèle d'entreprise ?). L'ouvrage Testing Business Ideas de Strategyzer structure ces critères en trois axes (désirabilité, faisabilité, viabilité), rattachant les tests d'utilisabilité à la désirabilité.
Quelle est la preuve la plus solide pour valider un produit ?
Une transaction financière ou un engagement contractuel constitue la preuve ultime : un paiement direct, un acompte ou une lettre d'intention formelle. Cette démarche surpasse le simple constat comportemental, lui-même infiniment plus probant que du déclaratif. Le repère énoncé par Alexander Osterwalder rappelle qu'une preuve gagne en force à mesure qu'elle se rapproche d'un acte d'achat effectif : une vente simulée dépasse ainsi n'importe quelle série d'interviews ou d'enquêtes.
Vaut-il mieux commencer par des entretiens clients ou par une landing page ?
Privilégiez les entretiens si vous devez d'abord vous assurer de la réalité du problème, car vous avez besoin de comprendre le vocabulaire de votre audience avant de rédiger une promesse percutante. Tournez-vous vers une landing page lorsque le problème est clairement documenté et que vous êtes en mesure de formuler votre offre en une phrase claire. La plupart des équipes associent d'ailleurs ces deux approches en l'espace de deux semaines : les entretiens permettent de calibrer les messages, la page sert à mesurer la conversion réelle.
Combien d'expérimentations mener avant de développer la solution ?
Il n'y a pas de seuil prédéfini. Poursuivez l'effort d'expérimentation tant que le postulat dont dépend votre plan n'a pas atteint un niveau de preuve suffisant au regard des risques engagés. En matière de rythme opérationnel, la synthèse du livre par Strategyzer conseille de déployer trois à cinq petites expériences sur vos postulats clés au cours du premier mois. Interrompez immédiatement les développements si l'un de vos tests échoue de manière flagrante.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing