L'un des plus grands défis de la mode est aussi le plus fondamental : la taille. L'absence de standardisation des tailles dans l'industrie entraîne des vêtements mal ajustés et des taux de retour élevés, ce qui nuit à la confiance des consommateurs, aux finances des marques et à l'environnement. Une enquête récente de Vogue Business souligne l'ampleur du problème, à un moment où les marques sont déjà confrontées à un ralentissement général des ventes de luxe. L'étude révèle qu'une mauvaise coupe (43%) et l'incohérence des tailles (36%) sont des raisons majeures pour lesquelles les consommateurs évitent d'acheter certaines marques ou enseignes, et que le mauvais ajustement est la principale cause de retours, représentant 38% des cas.

Peu de personnes se sont autant concentrées sur le problème de la taille que Phoebe Gormley, qui a fondé la première maison de couture pour femmes sur Savile Row à Londres à l'âge de 20 ans. « Pendant dix ans, j'ai entendu des femmes se plaindre des tailles », confie-t-elle à Vogue Business. « Quel que soit leur âge, leur budget ou où elles achètent, elles posent toutes la même question : pourquoi les tailles sont-elles si mauvaises ? On dirait que l'industrie de la mode a complètement perdu le contact avec la taille des vêtements. »

Gormley estime que l'IA pourrait être la solution. Elle a créé Fit Collective, un système d'exploitation de l'ajustement qui utilise l'IA pour fournir aux marques des données issues des retours clients, les aidant à améliorer la fabrication des vêtements grâce à des insights sur les tailles et les tissus. La startup a récemment levé 3 millions de livres en financement pré-amorçage auprès d'AlbionVC, Superseded, True et January Ventures, ainsi qu'une subvention de 324 000 livres du gouvernement britannique. Gormley indique que ces fonds serviront principalement à recruter des ingénieurs pour faire progresser l'apprentissage automatique sous-jacent à Fit Collective. Depuis son lancement fin 2023, l'entreprise compte 10 clients, dont Rixo, Boden, Ro & Zo, L’Estrange et The Sports Edit (filiale de Marks & Spencer), fournissant ainsi suffisamment de données pour analyser les failles du système de tailles.

Pourquoi la mode se trompe dans l'ajustement

Gormley note que les problèmes de taille affectent davantage les femmes que les hommes. Alors que le taux de retour pour les hommes est d'environ 15%, il peut atteindre 40 à 50% pour les femmes, selon le prix, d'après les données de Fit Collective. Pour la haute couture féminine, les retours sont encore plus élevés, avoisinant les 60%. Cet écart s'explique en grande partie par le fait que les modèles féminins s'éloignent davantage des patrons de taille originaux que ceux pour hommes, en raison de designs plus complexes et d'une plus grande variété de tissus, du très léger au très extensible, qui altèrent l'ajustement. Comme les marques basent les nouvelles tailles sur des vêtements précédents, l'écart avec les patrons initiaux s'accentue avec le temps.

« Dans le luxe, le problème des retours est pire car les clients achètent moins et réfléchissent davantage à chaque achat », explique Gormley. « Cela signifie que les marques de luxe ont beaucoup moins de données sur les retours que les marques grand public. »

Gormley admet que la levée de fonds en pré-amorçage a été difficile, car les investisseurs n'apprécient souvent pas la tech de l'ajustement en raison des nombreux outils existants qui n'ont pas significativement réduit les taux de retour. Les solutions actuelles impliquent généralement des scans corporels par IA qui demandent aux clients de télécharger des photos ou des boutons « trouver ma taille » qui requièrent la taille, le poids et la taille habituelle. Ces deux méthodes créent des frictions et exigent beaucoup d'informations, conduisant à une faible adoption—seulement 3% des consommateurs utilisent ces outils parmi les clients de Fit Collective.

Au-delà du besoin de données clients, le principal défi pour les marques est l'incohérence des tailles entre différents articles. Par exemple, Gormley a analysé les mesures publiées par une enseigne de grande distribution et constaté une différence de 66 cm dans les mesures réelles de chemises pour femmes toutes étiquetées taille 12 parmi les 179 modèles différents qu'elle propose.

La fondatrice Gormley a remarqué que si de nombreuses entreprises se concentraient sur des outils en ligne pour aider les clients à trouver leur taille, peu s'attaquaient au problème racine : l'incohérence des tailles des vêtements dès le départ. Sa startup vise à utiliser l'IA pour aider les marques à standardiser leurs tailles.

Les marques, en particulier les grands détaillants, collectent d'énormes quantités de données sur les achats et retours des clients. Alors que les données de vente informent souvent la production future, les raisons des retours sont fréquemment négligées. Le logiciel de Fit Collective est conçu pour analyser ces données délaissées, examinant les retours, le comportement des tissus et les incohérences de taille. Il agit comme un « copilote » pour les marques, les aidant à prendre des décisions plus intelligentes sur les tailles pour améliorer les produits et réduire les taux de retour.

Quatre-vingts pour cent du produit de Fit Collective est un logiciel backend qui permet aux marques d'analyser la performance de leurs vêtements. Le tableau de bord évalue chaque produit (SKU) avec une cote rouge, orange ou verte en fonction de son succès commercial par rapport à son ajustement. Cette évaluation prend en compte le taux de vente, le taux de retour, la perte financière due aux retours et leur proportion. Le logiciel recueille des insights sur l'ajustement et la qualité du tissu à partir des informations de retours clients et suggère où appliquer ces données, en utilisant des sources supplémentaires comme les logs des fabricants. Il prédit également comment les modifications recommandées pourraient affecter les taux de retour et les revenus.

Pour les marques utilisant Shopify, la plateforme s'intègre facilement comme une application en un clic, se connectant via des clés API à leurs autres outils de données. Lier les données de transaction et de retours est crucial, et des données supplémentaires comme les avis clients peuvent être ajoutées pour des insights plus profonds. Les marques non présentes sur Shopify peuvent se connecter via une API à leur entrepôt de données.

En tant qu'entreprise SaaS, Fit Collective utilise un modèle d'abonnement. Les coûts sont basés sur le chiffre d'affaires et les taux de retour d'une marque ; par exemple, une marque de prêt-à-porter féminin avec 10 millions de dollars de revenus pourrait payer environ 1 000 livres par mois. Le retour sur investissement se matérialise généralement en six à douze mois.

La startup fournit également des insights consommateurs sur les pages produits, détaillant comment un vêtement tombe. Contrairement aux outils séparés « trouver ma taille » qui nécessitent des étapes supplémentaires, cette information est intégrée directement dans la description du produit, atteignant ainsi tous les acheteurs. Gormley rapporte que ces mises à jour ont aidé les marques clientes à récupérer le coût de leur contrat annuel en seulement trois mois.

Elle reconnaît qu'influencer la production est un processus plus lent, prenant six à douze mois pour que les nouveaux articles arrivent en magasin. Cependant, pendant ce temps, les recommandations de taille pour les consommateurs sur les pages produits sont déjà actives et commencent à réduire les retours. « Les retours baissent », dit-elle.

Alors que ChatGPT d'OpenAI et Google s'étendent davantage dans l'achat en ligne, Gormley explique que le partenariat de la plateforme avec Shopify—qui intègre le paiement dans le chatbot—permettra à ces systèmes d'IA d'utiliser les recommandations de taille de la startup. Cela signifie que les acheteurs peuvent recevoir des conseils d'ajustement plus précis même lorsqu'ils ne sont pas sur le site d'une marque.

Au-delà de cela, Fit Collective n'a pas l'intention de se lancer dans la technologie d'essayage virtuel. Au lieu de cela, Gormley estime que les grandes entreprises technologiques comme Apple pourraient améliorer leurs applications de mesure basées sur la caméra pour aider les utilisateurs à déterminer leurs mensurations. Cela serait probablement encadré dans un contexte de données de santé, permettant aux consommateurs de mettre à jour leurs mensurations plusieurs fois par an.

« Je suis enthousiaste à l'idée d'un avenir où les consommateurs auront leurs mensurations stockées sur leur téléphone et pourront utiliser ChatGPT ou Google shopping pour rechercher des articles comme des jeans blancs », déclare Gormley. « Ensuite, avec notre technologie intégrée aux sites des marques, l'IA pourra trier des milliers de résultats et recommander les 100 paires qui vous iront le plus probablement. »

Elle souligne que même les marques renommées peuvent avoir des incohérences dans les tailles, comme avec les jeans.

Pour l'instant, Gormley voit une opportunité financière et durable significative pour l'industrie de la mode en aidant les marques à produire les bons produits. « Si nous aidons les détaillants à créer de meilleurs articles, les taux de retour baisseront, leur permettant d'investir davantage dans l'amélioration de leurs produits », explique-t-elle.

Gormley décrit une « spirale négative » dans laquelle les marques sont piégées : elles produisent des articles rapidement et à moindre coût, entraînant des taux de retour élevés et des pertes financières. Ce cycle leur laisse moins de capital chaque année, les obligeant à réduire encore les coûts de production.

« Je veux que notre logiciel brise ce cycle et le transforme en une tendance positive, donnant aux marques la confiance nécessaire pour investir à l'avance dans des produits de meilleure qualité », affirme Gormley. « Elles le feront parce qu'elles auront des données fiables montrant que les vêtements iront mieux aux clients et, par conséquent, ne seront pas retournés à un taux de 60%. »

Plus de cet auteur :
- Comment créer un site e-commerce qui fonctionne pour les marques émergentes
- Les influenceurs se transforment en détaillants. Et maintenant ?
- Comment les marques de mode peuvent-elles réussir leurs campagnes IA ?

Foire Aux Questions
Bien sûr Voici une liste de FAQ utiles et concises sur le rôle de l'IA dans l'ajustement des vêtements

Débutant Questions de définition

1 Comment l'IA peut-elle aider à l'ajustement des vêtements ?
L'IA analyse de vastes quantités de données—comme les mensurations corporelles, les propriétés des tissus et les retours clients—pour prédire comment un vêtement s'adaptera à différents types de corps et suggérer des améliorations de conception et de taille.

2 Que signifie réellement l'IA pour l'ajustement vestimentaire ?
Cela signifie utiliser des algorithmes informatiques intelligents pour résoudre le problème séculaire de l'incohérence des tailles. Au lieu de s'appuyer sur des tableaux de tailles génériques, l'IA peut créer des recommandations de taille personnalisées et aider les marques à concevoir des vêtements mieux ajustés dès le départ.

3 Est-ce juste un tableau des tailles sophistiqué ?
Non, c'est bien plus dynamique. Alors qu'un tableau des tailles est un guide statique, l'IA peut apprendre comment des personnes réelles avec différentes morphologies s'ajustent réellement dans les vêtements, affinant constamment ses prédictions pour plus de précision.

Avantages Comment cela aide les acheteurs

4 Quel est le principal avantage pour moi en tant qu'acheteur ?
Le plus grand avantage est la réduction des retours. Vous serez plus confiant que ce que vous commandez en ligne vous ira réellement, vous évitant ainsi la corvée de renvoyer les articles.

5 L'IA me dira-t-elle quelle taille acheter ?
Oui. De nombreux magasins en ligne ont désormais des outils de recommandation de taille. Vous saisissez votre taille, votre poids et parfois d'autres détails, et l'IA suggère la meilleure taille pour vous dans cette marque ou article spécifique.

6 L'IA peut-elle m'aider à trouver des vêtements pour ma morphologie spécifique ?
Absolument. Une IA avancée peut identifier si vous avez une forme de poire, de pomme ou athlétique et recommander des marques et styles connus pour mettre cette silhouette en valeur, allant au-delà des simples mensurations de base.

Problèmes courants Limites

7 Quel est le plus grand défi pour l'IA dans l'ajustement correct ?
Le plus grand défi est le manque de standardisation des tailles dans l'industrie. Un Medium peut signifier différentes choses selon les marques, ce qui embrouie à la fois les acheteurs et l'IA.

8 Dois-je partager mes mensurations pour que cela fonctionne ?
Pour les résultats les plus précis, oui. Bien que certains outils puissent estimer à partir de la taille et du poids, fournir des mensurations spécifiques donne à l'IA les données précises dont elle a besoin pour faire une recommandation parfaite.

9 L'IA peut-elle tenir compte des préférences d'ajustement personnelles ?
C'est un domaine en développement actif. Certains systèmes commencent à apprendre si vous