L'IA peut-elle vraiment comprendre le goût ?

Cet article fait partie de la série *L'avenir de l'IA*, qui explore comment l'intelligence artificielle façonnera les industries de la mode et de la beauté.

Plus tôt cette année, les leaders technologiques ont commencé à vanter l'importance du goût. En février, Paul Graham, cofondateur de Y Combinator, a prédit : « À l'ère de l'IA, le goût deviendra encore plus important. Quand n'importe qui peut créer n'importe quoi, le grand facteur différenciant est ce que vous choisissez de créer. » Le même mois, Greg Brockman, président d'OpenAI, a qualifié le goût de « nouvelle compétence fondamentale ».

Pour la mode et bien d'autres domaines créatifs, l'idée que le goût n'a pas toujours été essentiel est absurde. Cependant, le concept de goût a été amplifié et remodelé à l'ère de l'IA générative, cette forme de jugement esthétique tant débattue devenant rapidement un mot à la mode. « Toutes les entreprises veulent parler de goût en ce moment. Tous les penseurs influents de la tech veulent écrire un Substack sur le goût », déclare Andy McCune, fondateur de la plateforme d'inspiration visuelle Cosmos.

Cette tendance montre que les dirigeants de l'IA ne sont pas déconnectés de la qualité très humaine qu'est le bon goût. Mais si le goût et le style personnel sont intrinsèquement humains – cultivés par des expériences avec des livres, des films et des personnes – l'IA peut-elle vraiment comprendre le style personnel d'un utilisateur ou développer son propre sens du goût ? C'est une question cruciale pour la mode, où de tels instincts influencent tout, de la conception des vêtements aux recommandations de tenues, dont beaucoup sont déjà alimentées par l'IA.

Certains dans la tech sont convaincus que c'est possible. « Je déteste vous l'annoncer, mais vous n'avez probablement pas meilleur goût que l'IA », a posté un responsable produit sur X. Un PDG d'une entreprise d'IA a plaisanté de manière similaire : « Il y a de fortes chances que l'IA ait de meilleures idées que nous d'ici quelques années. »

Ceux qui sont en dehors de la bulle technologique sont plus sceptiques. « Le goût et le style personnel sont des choses que l'on développe avec le temps et avec l'expérience réelle », explique la prévisionniste de tendances Mandy Lee. « Ne pas avoir de points de contact avec le monde réel est l'antithèse de la construction d'un goût personnel. Donc, ce dont ils parlent n'est pas la même chose que le goût et le style. »

Les acheteurs restent également peu convaincus. Actuellement, seulement 3 % des acheteurs interrogés par Vogue Business utilisent des chatbots d'IA pour s'inspirer en matière de mode, contre 57 % qui se tournent vers les magazines (papier et numérique), suivis par le street style (47 %), les blogs de mode ou Pinterest (36 %) et les influenceurs (35 %).

Le style personnel a longtemps été un moyen d'afficher ses aspirations et de forger une identité individuelle au sein de la société, explique Richard Thompson Ford, professeur à la Stanford Law School et auteur de **Dress Codes : How the Laws of Fashion Made History**. Les gens font cela en empruntant et en combinant des références provenant de divers aspects de la vie – de différentes communautés aux périodes historiques – en utilisant des images familières de l'art, du cinéma, des célébrités ou des influenceurs comme inspiration. Le bon goût ne consiste pas à copier, explique Thompson Ford, mais plutôt à « citer de petites parties d'un ensemble familier et à les assembler avec d'autres choses pour exprimer quelque chose qui, au moins pour eux, est unique et individuel. »

Alors que les gens se tournent de plus en plus vers l'IA pour la découverte, cela pourrait remodeler la façon dont ils développent leur style personnel. Les startups de la fashion-tech sont optimistes quant à la capacité de l'IA à rationaliser et simplifier le processus. La plateforme d'achat par IA Daydream vise précisément à cela. Ses utilisateurs ne sont pas nécessairement des adeptes de la haute couture, déclare la cofondatrice Lisa Yamner. « Les personnes qui nous trouvent sont assez pragmatiques ; c'est plus des passionnés de mode que du genre "montrez-moi le dernier défilé de Loewe". »

Près de la moitié des personnes interrogées citant le nombre écrasant de choix comme leur plus grand défi en matière de shopping, le rôle de l'IA dans la curation et la simplification pourrait devenir encore plus significatif. Étant donné que 45 % des utilisateurs se concentrent sur le style en assemblant des tenues à partir de leur garde-robe existante et en trouvant des styles dans leur budget, il n'est pas surprenant que plus d'un tiers (36 %) envisageraient d'utiliser un outil d'IA pour découvrir les tendances de la prochaine saison. Mais l'IA peut-elle vraiment comprendre le goût et le style suffisamment bien pour égaler les capacités de curation humaines ?

Les vétérans de l'industrie sont sceptiques. Lee, qui a dix ans d'expérience en prévision et analyse de tendances, pense que son travail en souffrirait si elle s'appuyait sur l'IA, car celle-ci manque d'aperçu sur les événements culturels et les influences qui façonnent les préférences en matière de mode. « Avec la technologie actuelle, l'IA ne peut pas pleinement saisir comment les événements, les facteurs socio-économiques, les finances et la politique mondiale impactent les tendances et la mode », explique-t-elle. « Lorsque vous regardez au-delà de l'esthétique, ce sont ces éléments qui font vraiment évoluer les tendances. Il ne s'agit pas seulement de mode – c'est tout ce qui l'entoure. »

Alors, l'IA peut-elle vraiment comprendre ces dynamiques du monde réel ?

**Les Limites des Données d'Entrée**

Le plus grand défi de l'IA pour produire des résultats de bon goût réside dans ses données d'entrée. L'IA dépend de jeux de données, et les moteurs d'IA génériques collectent d'énormes quantités de données sur Internet, qui peuvent être bruyantes et non filtrées. Même les outils d'IA conçus spécifiquement pour la mode rencontrent des difficultés car les jeux de données liés à la mode sont souvent insuffisants, selon Yilu Zhou, professeure associée à la Fordham Business School qui travaille à l'intersection de la mode et de l'IA depuis 2013.

Les premières recherches de Zhou ont révélé que la taxonomie de la mode est mal standardisée. « Chaque créateur parle un langage différent. Ils peuvent avoir deux designs très similaires mais les décrire en des termes complètement différents – parfois intentionnellement », dit-elle. Le langage de marque intégré dans les descriptions de produits – comme le descripteur « effet verre » de Haider Ackermann pour un blazer en plastique transparent – pose un obstacle majeur à l'IA pour prédire et interpréter avec précision les tendances de la mode. Zhou souligne que la standardisation des données est la première étape vers la création d'une IA utile. « Sinon, l'IA sera basée sur des données biaisées, conduisant à des résultats biaisés et absurdes. »

Les experts notent également que les données sur lesquelles s'appuie l'IA peuvent être trompeuses, surtout dans la mode. « Quelque chose peut devenir viral sur les réseaux sociaux, générant beaucoup de partages, mais cela ne signifie pas nécessairement que les gens l'achèteront », déclare Francesca Muston, directrice de la prévision chez WGSN. Des exemples incluent la tendance des sous-vêtements visibles sur les podiums en 2023 ou la tendance soutien-gorge prévue pour 2025 – toutes deux étaient censées générer plus de clics que de ventes réelles. De plus, l'IA ne tient souvent pas compte de la saisonnalité, à moins d'être spécifiquement programmée pour le faire. « Si un analyste de données ne comprend pas la mode, il pourrait interpréter à tort une tendance comme disparue alors qu'elle est en fait prévue pour revenir l'année prochaine », explique Zhou.

C'est là que le jugement humain devient essentiel – pour interpréter les histoires que l'IA manque souvent. « Les humains peuvent mieux contextualiser des informations disparates, relier les points et reconnaître les opportunités pour les tendances futures », déclare Muston. Zhou est d'accord, ajoutant que l'expertise humaine est nécessaire pour identifier quand l'IA déraille ou « hallucine » pour combler les lacunes de jeux de données incomplets.

Les modèles d'IA conçus à cet effet, comme celui de Daydream, visent à offrir une meilleure base en s'alignant sur les styles personnels des utilisateurs. Yamner de Daydream se souvient des réactions des utilisateurs lors de la présentation de la plateforme : « Ils disent : "J'ai essayé la même recherche sur ChatGPT et j'ai eu des résultats horribles." » Une IA spécialement entraînée sur des données de mode devrait, en théorie, fournir des insights plus pertinents et précis. Daydream utilise son propre système de cartographie des marques pour comprendre comment les marques sont connectées en termes de style, d'esthétique et de positionnement. Combiné aux signaux individuels des utilisateurs, cela permet à la plateforme de recommander des marques qui semblent à la fois pertinentes et inattendues – sans aucune publicité ou placement payant influençant les résultats.

**Programmer le Goût**

Même si l'IA est entraînée avec les bonnes données, certains doutent qu'elle puisse égaler le goût humain. « Avec les bonnes données d'entraînement, l'IA pourrait approximer ce que les individus font dans certaines situations, mais je pense qu'elle sera toujours à la traîne », déclare un expert. « En tant que personne, vos influences viennent de la rue, de rencontres fortuites et d'une large gamme de sources – certaines numérisées et accessibles à l'IA, et d'autres non. Je doute que toutes les influences qui façonnent le goût, surtout pour quelqu'un avec un sens esthétique fort, soient immédiatement accessibles à l'IA. »

L'IA a également tendance à se concentrer sur les grandes tendances qui dominent les réseaux sociaux ou les titres des achats. Mais les styles qui émergent localement sont plus intéressants et plus difficiles à détecter pour l'IA, note Zhou.

Programmer l'IA pour qu'elle corresponde au style spécifique d'un utilisateur peut aussi devenir trop étroit et prescriptif, limitant la découverte au-delà de ses préférences habituelles. « Si vous n'avez pas mille dollars à dépenser pour un sac, nous ne vous montrerons pas le sac à mille dollars », déclare Yamner. Pourtant, de nombreux passionnés de mode ont été inspirés par des designs iconiques comme le sac Balenciaga City de Nicolas Ghesquière au début des années 2000 ou le Celine de Phoebe Philo, même s'ils ne pouvaient pas se les offrir à l'époque. Cette inspiration compte toujours. Alors que Daydream filtre par prix pour l'intention d'achat, il peut utiliser l'esthétique de Philo comme un signal pour mettre en avant des pièces avec une vibe similaire à des prix plus accessibles – une forme de démocratisation importante pour la plateforme.

De même, se concentrer uniquement sur les marques et tendances de la mode est limitant, car le style personnel est souvent façonné par d'autres domaines culturels. Par exemple, les prévisions de tendances de WGSN se sont améliorées une fois qu'elles ont commencé à suivre des industries comme l'alimentation et le sport. « Les gens ne portent pas seulement des vêtements. Ils mangent aussi, vivent dans une maison, utilisent des cosmétiques et interagissent avec d'autres domaines comme la tech grand public ou le sport », déclare Muston. Se concentrer uniquement sur le produit signifie manquer une grande partie de ce qui motive une tendance.

Certains fondateurs pensent que l'IA peut être développée pour identifier le « bon goût » tel que défini par l'apport humain. McCune de Cosmos pense que l'IA peut apprendre le goût avec la bonne programmation. Son objectif pour Cosmos est d'être une « plateforme anti-bêtises ». « L'IA peut soutenir les créatifs dans des domaines comme la recherche et la recommandation », dit-il. L'équipe d'apprentissage automatique de Cosmos a construit un « modèle de prédiction esthétique » qui détermine ce que les utilisateurs voient. Il a été entraîné sur des images enregistrées par les 10 000 premiers utilisateurs bêta – y compris des designers, des directeurs créatifs et des architectes – ainsi que sur des jeux de données « vraiment mauvais » utilisés comme échantillons négatifs. Maintenant, chaque image téléchargée est notée par rapport à la norme esthétique établie par ces échantillons.

« Nous avons fixé un seuil minimum, et tout ce qui est en dessous est dépriorisé dans la recherche et les recommandations », explique McCune. Il souligne qu'il ne s'agit pas d'imposer un seul goût, mais d'élever la qualité. La culture visuelle devient plus uniforme, mais Cosmos ne se contente pas de mettre en avant le contenu de premier ordre. « Nous l'utilisons davantage comme un filtre de base pour éliminer les déchets et le matériel de faible qualité », explique-t-il. L'apprentissage automatique a joué un rôle crucial dans la curation de Cosmos, offrant une réponse à petite échelle à la critique de Zhou sur les « mauvaises données » de la mode – bien que Cosmos ne se limite pas à la mode.

L'application de partage de reçus Selleb est également optimiste quant à la combinaison de la technologie d'IA et de la supervision humaine. Les cofondatrices Chloe et Claire Lee voient l'IA comme un outil fondamental qui sera finalement examiné par des personnes. Les utilisateurs partagent des reçus non seulement pour la mode, comme les fondatrices l'avaient initialement prévu, mais aussi pour des cafés, des transports, des vols, des courses, etc. « Notre vision plus large est de cartographier tous ces différents produits en ligne et de suivre le goût de chacun à travers divers facteurs qui se rapprochent de la capture de cet aspect insaisissable du goût – quelque chose que je crois toujours difficile à définir », déclare Claire.

Selleb souligne l'importance des données intercatégories pour mieux comprendre le goût, les préférences et le style d'une personne. Les nouveaux utilisateurs connectent leur e-mail et soumettent des milliers de reçus. « Ces reçus – quand ils ont été faits, dans quelles catégories ils tombent, combien j'ai dépensé – révèlent beaucoup sur moi en tant qu'acheteur et sur mon identité unique », note Chloe. Les utilisateurs suivent ce que les sœurs appellent leurs « sosies de goût » : des personnes ayant des préférences similaires à travers les catégories, basées sur le « graphe du goût » que l'application construit. En analysant globalement les reçus des utilisateurs, l'IA en backend peut identifier des modèles qui ne sont pas visibles à partir des données en ligne publiquement disponibles, conduisant à des recommandations de mode et autres personnalisées.

**Regarder en Arrière**

L'IA prédit et identifie les tendances sur la base de données passées, ce qui signifie qu'elle ne peut pas voir au-delà de ces entrées, quelle que soit l'avancée de la technologie. « L'IA n'est pas douée pour la nouveauté – et les tendances dépendent souvent de la nouveauté », déclare Muston de WGSN.

En réalité, le style et le goût des gens évoluent avec des contextes changeants et des mutations culturelles que l'IA ne peut pas anticiper. « Les tendances sont très complexes et évoluent de nombreuses façons différentes », explique Muston. « Combien de fois les gens ont-ils dit : "Je ne porterais jamais XYZ", et se sont-ils fortement opposés à une tendance en raison d'associations passées ? Pourtant, lorsque cette tendance réapparaît dans un nouveau contexte, elle devient soudainement attrayante. » Si les données passées suggèrent qu'un look est susceptible d'échouer, l'IA prendra cela pour argent comptant. Les humains, cependant, peuvent remettre en question le contexte et reconnaître pourquoi un retour pourrait être possible.

L'intérêt pour certaines marques ou esthétiques est souvent déclenché par des événements aléatoires ou statistiquement improbables que l'IA ne peut pas prendre en compte, déclare Madé Lapuerta de @DataButMakeItFashion. Elle cite un regain d'intérêt pour Van Cleef & Arpels en novembre dernier lorsque le joueur des Dodgers Miguel Rojas – qui n'était même pas censé frapper – a réussi un coup de circuit décisif, remportant la Série mondiale. « Parce que les modèles prédictifs basés sur l'IA reposent entièrement sur des modèles passés, ils ne peuvent pas prévoir l'avenir ni comprendre ce qui résonnera. »

C'est la principale préoccupation de Lee concernant l'utilisation de l'IA pour prédire les tendances ou anticiper les changements de goût. « La façon dont l'IA "prédit" les tendances n'est pas vraiment une prédiction – elle reflète simplement ce qui se passe maintenant », dit-elle.

**L'Avantage Humain**

Cet avantage humain est crucial. La dépendance de l'IA à l'historique... Les données montrent que l'IA peut identifier le contenu en fonction du « quoi », mais pas du « pourquoi ». Comme le dit Muston, « L'IA peut codifier le goût, mais seulement de manière synthétique. »

Thompson Ford convient que c'est trop imitatif. « C'est une chose de dire : "Je veux ressembler à la collection de Ralph Lauren de l'année dernière" – l'IA pourrait peut-être gérer cela. Mais si je veux ressembler à la collection de quelqu'un cette année qui n'a même pas encore été créée, je doute que l'IA puisse faire ce qu'un designer fait, ou ce qu'une personne stylée fait. »

Même les techno-optimistes comme McCune remettent cela en question. « Par nature, les modèles doivent être entraînés sur quelque chose du passé », explique-t-il. « Les humains peuvent regarder vers l'avant et créer de nouvelles tendances et esthétiques. Les modèles refléteront toujours le passé – je crois que seuls les humains peuvent vraiment regarder vers l'avenir. »

Les experts suggèrent que la seule façon pour l'IA d'imiter cela serait si elle acquérait une conscience – une possibilité vivement débattue – et même cela n'est pas certain. McCune ajoute : « Je crois que l'IA générative pourra cultiver le goût et le style, mais ce sera le goût et le style du présent ou du passé. Elle ne regardera pas vers l'avenir et ne créera pas de nouvelles choses qui semblent tendance. »

Lee, qui est moins optimiste quant à l'IA, convient que son incapacité à regarder vers l'avant est une limitation majeure. Pour elle, cela signifie que l'IA – sans conscience – ne cultivera jamais un vrai goût ou style. « Vous devez sortir, voir ce que les gens portent, entendre de quoi ils parlent, regarder des films, écouter de la musique, prêter attention à l'actualité et à la politique », déclare Lee. « Ce sont ces éléments qui façonnent la mode et le style. Ce ne sont pas seulement les vêtements – c'est tout ce qui vous concerne en tant que personne. Si vous comptez sur l'IA pour vous dire qui vous êtes, vous n'aurez jamais de style. »

Même si l'IA acquérait un jour une conscience et se libérait de l'apport humain, il lui manquerait encore une chose : un corps humain. Sans corps à partir duquel opérer et à habiller, cultiver le goût et le style semble presque futile. « La seule chose que l'IA n'a pas, c'est un corps », note Thompson Ford. « Il est difficile d'imaginer que l'IA développe les intuitions qui viennent du fait de se déplacer dans le monde dans son propre corps et d'interagir avec les autres – sauf, encore une fois, par imitation. »

Lee est d'accord. « Je suis sûre qu'elle s'améliorera, mais l'IA ne sera jamais humaine. Donc, je pense qu'il est impossible de vraiment comprendre les événements mondiaux et comment ils se traduisent en mode », dit-elle. « Je fais cela depuis dix ans, et parfois même moi, je me trompe ou je suis en retard sur certaines choses. Il n'y a aucun moyen qu'un robot soit jamais meilleur que moi. »

**Foire Aux Questions**
FAQs L'IA peut-elle vraiment comprendre le goût ?

Questions de Niveau Débutant

1 Que signifie "goût" dans ce contexte ?
Nous entendons l'expérience humaine complexe de la saveur, qui combine l'odorat, le goût, la texture, la température et même la mémoire personnelle et l'émotion. C'est plus qu'une simple analyse chimique.

2 L'IA peut-elle goûter la nourriture comme un humain ?
Non, pas de la manière expérientielle humaine. L'IA n'a pas de conscience ni de sentiments subjectifs. Elle ne peut pas apprécier un repas ou avoir une préférence personnelle. Au lieu de cela, elle analyse des données sur le goût.

3 Alors, que peut faire l'IA en rapport avec le goût ?
L'IA peut traiter d'énormes quantités de données – comme les composés chimiques dans les aliments, les recettes, les avis des consommateurs et les résultats de panels sensoriels – pour prédire les profils de saveur, créer de nouvelles combinaisons de recettes, optimiser les produits alimentaires et recommander des plats que vous pourriez aimer.

4 Comment l'IA apprend-elle le goût ?
Elle est entraînée sur des jeux de données. Par exemple, on peut lui montrer des milliers de recettes étiquetées avec des descripteurs de saveur ou des données liant des structures chimiques à des saveurs perçues. Elle trouve des modèles dans ces données pour faire des prédictions.

5 Y a-t-il des exemples concrets de cela ?
Oui. Des entreprises utilisent l'IA pour développer de nouvelles saveurs de snacks, des recettes de bière artisanale ou créer des plans nutritionnels personnalisés. Des applications, comme celles des entreprises de viande végétale, utilisent l'IA pour analyser les structures moléculaires afin d'imiter le goût et la texture de la viande.

Questions Avancées et Pratiques

6 Quelle est la principale limitation empêchant l'IA de vraiment comprendre le goût ?
Le problème difficile de la conscience et des qualia. Le goût est une expérience subjective à la première personne. L'IA peut corréler des données, mais elle ne peut pas ressentir la sensation de douceur ou la nostalgie qu'une saveur évoque. Elle manque d'une conscience subjective incarnée.

7 L'IA peut-elle tenir compte des différences culturelles et personnelles de goût ?
Elle peut essayer, mais c'est un défi. En s'entraînant sur des jeux de données diversifiés et culturellement spécifiques, l'IA peut apprendre les préférences communes au sein des groupes. Cependant, capturer le contexte personnel, émotionnel et culturel profond derrière le plat préféré d'un individu est extrêmement difficile.

8 Quels sont les avantages d'utiliser l'IA en science et développement alimentaires ?