Les tests A/B sont largement utilisés par les entreprises du secteur de l'Internet et des technologies pour tester et évaluer les modifications apportées aux produits et les nouvelles fonctionnalités, ainsi que pour s'assurer que les décisions sont guidées par les retours des utilisateurs. Souvent, les utilisateurs sont interconnectés et le résultat d'un utilisateur peut être influencé non seulement par son affectation au groupe de traitement, mais aussi par les autres unités auxquelles il est lié. Dans ce cas, l'hypothèse de la valeur de traitement par unité stable (SUTVA) ne s'applique plus, et la conception et l'analyse de l'expérience doivent tenir compte de cette influence du réseau. Au cours de cette présentation, nous explorerons les travaux récents dans ce domaine et nous nous concentrerons en particulier sur la famille des modèles non linéaires dits « effets de réseau additifs généraux » (GANE), qui modélisent conjointement et de manière flexible les effets de traitement et les effets de réseau. Nous examinerons ensuite la conception bayésienne optimale dans le contexte de ces modèles, en proposant l'utilisation de l'algorithme génétique pour optimiser l'estimation précise et exacte des effets de traitement, tout en tenant compte de l'incertitude des paramètres.