Lorsque l'on pense à l'intelligence artificielle, ce ne sont pas les secteurs de la mode ou du luxe qui viennent en premiers à l'esprit. Et pourtant, l'IA dans ces secteurs n'est pas en reste !
Les intérêts et cas d'usages sont abondants avec un développement d'algorithmes d'IA qui est déjà en cours pour nombre d'entreprises, dont certaines seront prises comme exemple par la suite. Loin d'être le secteur le moins avancé en machine-learning, le secteur de la mode présente même un CAGR très important, d'environ 40%. Selon une étude, le volume de marché de l'IA dans le secteur de la mode devrait passer de 228 M$ en 2019, à 1260 M$ en 2024 (1). Ainsi, le secteur de la mode va se révéler d'un grand intérêt pour le développement d'algorithmes de deep-learning.
Dans cet article, nous allons présenter quels sont les usages et avantages de l'IA pour le secteur de la mode avant d'aborder le sujet des freins à l'intégration de l'IA dans ce domaine.
L'utilisation de réseaux de neurones dans la mode se décline sous de nombreuses formes et applications, en utilisant plusieurs types d'IA suivant la nature des données : visuelles, textuelles ou chiffrées. Nous pouvons classer les utilisations selon plusieurs typologies d'IA et d'activités, même si certaines applications sont transverses.
L'analyse d'images est une technologie souvent utilisée dans le monde industriel pour des activités d'inspection, de contrôle ou encore de supervision.
Pour commencer, une application qui inspire actuellement des travaux de R&D dans la mode est l'utilisation d'IA pour la détection de fraude et/ou de contrefaçons. Effectivement, les fraudes et contrefaçons des grandes marques sont courantes et dommageables, notamment pour les sites de commerce en ligne. Certaines annonces postées présentent des articles frauduleux qu'il faudrait être capable de détecter pour pouvoir ensuite les supprimer. C'est la raison pour laquelle des algorithmes sont en développement pour réaliser de la détection de fraudes. Les vérifications se font à partir de photos et se concentrent sur certaines caractéristiques des articles pour comparer avec les images légitimes et détecter les faux (par exemple pour des chaussures ce sont le logo de la marque, les lacets ou encore les semelles). Entrupy, une entreprise soutenue par LVMH, est justement connue pour la réalisation d'algorithmes de détection de faux, notamment pour de la maroquinerie. Ces solutions permettent de limiter les fakes, donc de limiter les pertes de revenus et d'éviter la détérioration de l'image de marque affectée par des reproductions de mauvaise qualité (2).
Une autre utilisation de la computer vision pour le secteur de la mode se concentre sur la visualisation et plus précisément sur l'essayage virtuel. Effectivement, des IA sont développées pour permettre de voir en temps réel, à travers une borne, comment une tenue, un maquillage ou une coupe/couleur de cheveux pourrait être porté. L'intelligence artificielle va reconnaître la personne et lui appliquer un filtre qui va modifier précisément l'apparence en simulant le port de la nouvelle tenue ou coupe. Sachant que le e-commerce est un marché de grande ampleur et que l'essayage est une des principales problématiques pour les achats de textile en ligne, ces types de solutions sont stratégiques si elles peuvent ensuite permettre de réaliser de l'essayage à domicile, cela peut changer nos vies. Actuellement, ces solutions en développement permettent surtout d'améliorer l'expérience client et la satisfaction, tout en boostant les revenus. Certaines bornes ont déjà pu être développées par Adobe (3) avec sa solution Sievenet, mais aussi par Walmart (4) avec sa solution de Zeekit, ou encore par L'Oréal (5) pour le maquillage.
Enfin, une dernière utilisation de la computer vision concerne l'assistance et le contrôle dans les chaînes de production. Ce ne sont pas des signes de fraudes ou de contrefaçons qui sont recherchées ici mais des marques de défauts ou de malfaçons durant la production. Ainsi, lorsque les tissus sont travaillés par les machines, il est possible par le contrôle vidéo de repérer la présence d'un défaut, ce qui pourrait par exemple alerter sur un possible dysfonctionnement d'une machine et ainsi permettre d'éviter des malfaçons. De plus, les placements et découpes de tissus peuvent aussi être assistés par l'IA qui va ainsi permettre de calculer précisément le positionnement de tissus pour réaliser des découpes optimales. Ce type d'analyse de données permet d'optimiser les processus, d'éviter les pertes de matériaux et de diminuer les coûts de maintenance. Une solution de l'entreprise Tekyn permet justement d'illustrer ce type d'utilisation (6).
L'analyse de données textuelles permet de comprendre et d'interpréter le langage humain, ce qui s'avère être une tâche complexe mais qui peut être fructueuse pour les industries concernant l'interprétation des avis, attentes et besoins des êtres humains.
Ainsi, une première utilisation du NLP dans le monde de la mode concerne les chatbots. Ces algorithmes d'apprentissage automatique sont prévus pour échanger avec des utilisateurs, en répondant à des questions. Ces IA vont analyser des mots et mettre en avant certains éléments en fonction de l'interprétation de la phrase du consommateur. Les marques de mode s'en servent pour assister le consommateur dans sa navigation à travers le site internet et dans l'exploration des produits, tels que des montres, des parfums ou encore des produits textiles. Le but est d'améliorer les aspects de relation client et d'expérience utilisateur. De nombreuses entreprises du secteur sont en train d'expérimenter l'utilisation de ces chatbots, il est possible de citer : Tommy Hilfiger, Jaeger-LeCoultre, Burberry, Audemars Piguet, Estée Lauder ou encore Louis Vuitton (7). L'utilisation de ces bots est également corrélée à la prochaine utilisation de l'IA présentée ci-après : la recommandation.
Effectivement, l'IA est également utilisée dans les industries de la mode pour réaliser de la recommandation. La relation client et l'expérience utilisateur sont des aspects importants pour les industriels de ce secteur. Ainsi, mettre en avant des produits adaptés aux envies/besoins/attentes de chacun est une priorité clairement identifiée. La Data Science aide en ce sens en apprenant les habitudes de consommation des utilisateurs. Les algorithmes vont associer des mots clés et valeurs durant la navigation sur le site, ce qui va permettre d'interpréter le comportement du consommateur pour finalement anticiper ses besoins et les présenter sous forme de recommandations. Aussi, ces éléments peuvent enrichir les algorithmes de chatbots, qui pourront ainsi mettre en avant des produits encore plus pertinents pour les consommateurs. Les avantages perçus par les entreprises de l'industrie textile concernent toujours l'expérience utilisateur, mais également l'augmentation directe des ventes. Des entreprises, comme La Redoute, ont décidé de développer leurs algorithmes de recommandation, notamment pour améliorer leur cross-selling (8). Tandis que certaines entreprises se spécialisent quant-à-elles dans le développement d'algorithmes de recommandation pour le prêt-à-porter, comme par exemple Shoptrue qui a développé sa propre plateforme de recommandation (9).
La Business Intelligence concerne le traitement de données, le plus souvent chiffrées, dont le but est de monitorer une activité en proposant de l'aide à la décision. Des fonctions de visualisation sont fréquemment utilisées, avec des représentations par des interfaces de type tableau de bord.
L'IA est souvent utilisée pour réaliser des prévisions. Pour les métiers de la mode, ces analyses prédictives peuvent concerner les tendances actuelles et à venir. Le but est d'analyser les recherches et achats réalisés par les consommateurs pour, par exemple repérer si des comportements sortent de l'ordinaire et anticiper ainsi l'émergence d'une nouvelle mode. Les tendances identifiées pourront servir à orienter des actions commerciales, permettant à la fois de limiter les pertes liées à des échecs tout en améliorant les gains liés à des succès. Les prévisions peuvent aussi être simplement utilisées pour monitorer l'activité générale de l'entreprise en effectuant des prédictions sur des chiffres, comme par exemple sur des volumes de ventes en fonction des périodes, notamment pour optimiser de la gestion des stocks. Les algorithmes de prévision pour le secteur de la mode sont nombreux, on peut citer par exemple celui du géant Google "Think With Google", mais aussi des algorithmes français comme Scrambled qui est utilisée par la chaîne de magasins Etam, ou encore Heuritech qui était une start-up lauréate du « LVMH Innovation Award » en juin 2017 (10).
En lien avec la prédiction, l'analyse des recherches, achats et consultations peuvent servir à l'analyse du parcours client. Cette pratique est déjà répandue dans le secteur du retail et permet de cerner le profil des clients. Ainsi, des actions plus personnalisées peuvent être entreprises, avec du marketing ciblé notamment. Cette prévision de comportement peut être encore plus pertinente dans des magasins réels, où des techniques de computer vision peuvent être ajoutées pour analyser les déplacements des consommateurs (11).
Enfin, l'IA peut également être utilisée dans la mode pour de la recherche et de la création. Notamment concernant la formulation de produits cosmétiques ou l'élaboration de produits textiles. Effectivement, la recherche de composants ou d'ingrédients peut s'avérer longue et coûteuse, se faisant sur un principe de tests successifs explorant certaines combinaisons. Or l'IA peut permettre d'anticiper des résultats de tests et peut proposer des combinaisons avec des chances de succès plus élevées pour ainsi limiter les échecs. Le principe est le même concernant la création, avec l'assistance de l'IA pour créer des designs, avec des algorithmes comme DALL-E qui peuvent être utilisés. La formulation cosmétique fait fortement penser aux algorithmes d'IA de formulation dans la santé, qui sont notamment utilisés pour trouver les meilleures molécules dans l'élaboration de traitements médicamenteux. Dans le milieu, nous pouvons citer l'algorithme Carto développé par Givaudan pour aider les parfumeurs à trouver les combinaisons optimales (12). Il y a également une start-up française, ChemIntelligence qui a développée un logiciel de formulation et qui comprend Sanofi comme client dans le domaine médical et LVMH comme client de la haute-couture (13).
La variété des applications de l'IA pour le secteur de la mode permet de se rendre compte concrètement de la puissance de cette technologie, et permet de pressentir les nombreux avantages qu'apportent ces algorithmes, même si des freins ralentissent actuellement leurs implémentations.
L'intégration de l'IA dans le secteur de la mode semble très prometteuse, cependant l'utilisation des algorithmes de façon opérationnelle n'est pas simple. Effectivement, les technologies d'intelligence artificielle doivent encore relever plusieurs défis, qui sont inhérents à leur nature.
Effectivement, pour le secteur de la mode, certaines problématiques sont plus particulièrement irritantes, notamment concernant les technologies de NLP. Tout d'abord, la relation avec les consommateurs n'est pas toujours une réussite avec les chatbots : "40% des personnes interrompent la communication avec un robot après la première interaction". Effectivement, l'acceptation de cette technologie n'est pas unanime et de nombreuses personnes refusent de tenir une conversation avec un "robot". Les raisons peuvent être multiples, mais nous pouvons souligner une compréhension insuffisante de la part des algorithmes, notamment lorsque les conversations sortent des cas généraux, ce qui peut rendre ces dernières difficiles. En effet, les algorithmes sont performants pour effectuer des tâches spécifiques ou répondre à des questions précises, mais la généralisation de leur comportement est extrêmement complexe, voir actuellement impossible. Cependant, les algorithmes fonctionnent souvent sur un système d'apprentissage continu, ce qui pourrait permettre d'imaginer une amélioration vis-à-vis de la tenue des conversations (14).
Mais, un autre problème de taille peut se présenter et affecter les chatbots. Celui-ci porte sur la robustesse des algorithmes. Effectivement, les algorithmes d'IA sont souvent confrontés à des questions relatives à leur performance et à "l'instabilité" de leurs réponses. Cette problématique est très bien représentée par les attaques adversariales, qui démontrent par exemple que dans le cas d'images il suffit de changer quelques pixels (invisibles à l'œil nu) pour que la réponse de l'algorithme change radicalement (15). Concernant les chatbots, ils peuvent être manipulés pour changer leur comportement et ne plus donner les réponses attendues, comme cela a été le cas pour un chatbot de Microsoft, qui s'est mis à tenir des propos racistes dans des tweets (16). Ainsi, s'assurer du bon fonctionnement des algorithmes est nécessaire et résister à un certain niveau de "bruit" est important considérant les questions de robustesse des IA. D'ailleurs, il est aisé d'imaginer des problèmes relatifs à des entreprises vis-à-vis de ces aspects. Effectivement, StockX, un site de revente de chaussures de type sneakers qui certifiait l'authenticité des paires vendues, s'est retrouvé au cœur d'une affaire juridique avec Nike. Cette dernière a remarqué que StockX avait approuvé l'authenticité de chaussures frauduleuses et avait vendu ces paires comme étant certifiées authentiques. Nike a donc porté plainte, ce qui a eu pour effet de supprimer la mention d'authenticité pour StockX (17). Ainsi, si une IA est entraînée pour certifier l'authenticité de chaussures et qu'elle effectue des erreurs du même type que celles commises par StockX, il est également possible de s'imaginer que des poursuites judiciaires pourraient avoir lieu. D'où l'importance de faire de la validation de l'intelligence artificielle.
En rapport avec la robustesse et la validation, la question des biais se pose également. Ces derniers affectent le comportement de l'algorithme et altèrent ses performances. Les biais sont nombreux, et peuvent concerner beaucoup de notions différentes : biais d'échantillonnage, biais de mesure, biais de renforcement, etc. Ces derniers sont très souvent en lien avec des données d'entraînement et ce pour plusieurs raisons : par manque de diversité des données, par présence de données de mauvaise qualité ou de données marquées, etc. Ces biais sont problématiques car ils remettent en cause l'intégrité et la robustesse des modèles, tout en étant complexes à repérer et à éliminer car souvent invisibles à l'œil nu. Ainsi, il est important de procéder à des évaluations concernant la présence de biais en amont dans les jeux de données, pour permettre de les identifier et de les traiter.
Tout d'abord, il y a l'aspect juridique, avec la question de la gouvernance qui se pose, en lien avec la réglementation RGPD (18). Effectivement, les données utilisées par les IA, non seulement dans le secteur de la mode, peuvent rapidement avoir attrait à un caractère sensible. Ainsi, leur exploitation signifie qu'il faut être conforme aux exigences de traitement de ce type de données et donc mettre en place un certain nombre de dispositifs, qui ne sont pas simples à gérer. Par exemple, ces éléments doivent être pris en compte avant de réaliser des IA de recommandation ou encore d'essayage virtuel. Dans ce dernier cas, les cabines virtuelles utilisent des données morphologiques qui sont considérées comme sensibles, car ce sont des données biométriques qui peuvent donner des informations sur le sexe ou qui pourraient entre autres permettre de déceler la présence d'une maladie génétique (19). Ainsi, la complexité de gestion de ces données peut grandement freiner l'implémentation d'une IA.
Également, l'aspect environnemental entre en jeu depuis la prise de conscience écologique. Ici il est question de la consommation d'énergie, car l'intelligence artificielle est de manière générale très gourmande en puissance de calcul et en volume de données. Or, depuis le développement des objets connectés et du Big Data, il est connu que les ordinateurs et les serveurs de stockage sont devenus une source importante d'émissions de CO2. Cette problématique, qui a amené l'émergence du GreenIT, pose de nouvelles interrogations pour des entreprises très soucieuses de leur RSE, telles que pourraient l'être des entreprises du secteur de la mode. Le GreenIT est encore en développement et se veut de proposer des alternatives moins consommatrices en ce qui concerne l'utilisation des ordinateurs et des serveurs (20). Ainsi, les solutions du GreenIT peuvent aussi influer directement sur le développement des algorithmes d'IA, notamment concernant l'entrainement des réseaux. C'est dans ce contexte qu'a été mis en avant la frugalité de l'IA, pour permettre de répondre aux challenges de volumes de données et donc de limiter la consommation nécessaire à l'entrainement d'un réseau. Cependant ce secteur est en plein essor et demande un certain effort de R&D. Cette dimension peut donc potentiellement freiner des intégrations de par la longueur des travaux nécessaires au développement du GreenIT ou par la réticence de certains acteurs vis-à-vis de développements qui pourraient se voir être révisés suite à des changements de politique.
Enfin, concernant les aspects éthiques, il existe des défis généraux au monde de l'IA, liés à la perception de la technologie. Effectivement, l'image de l'intelligence artificielle n'est pas exempte de comparaisons peu représentatives mais pourtant très parlantes. Les images couramment associées à l'IA dépeignent souvent la technologie comme étant une copie robotique d'un être humain, voir allant même jusqu'à des représentations de science-fiction de robot tueur à la "terminator". Cependant ces images reflètent très mal l'état actuel des capacités des algorithmes d'IA et les volontés vis-à-vis de ces technologies. Mais pour résumer, les algorithmes ne sont efficaces que pour réaliser des tâches très précises, ce qui rend impossible la réalisation de tâches différentes, même si elles sont très peu éloignées. De plus, l'Union Européenne a exprimée la volonté d'orienter le développement des IA pour des applications d'assistance aux humains et non pour remplacer l'homme, notamment concernant du soutien à la réalisation de tâches longues, rébarbatives et sans grande valeur ajoutées. Également, les algorithmes devront inclure des notions éthiques, c'est-à-dire qu'il y aura entre autres des devoirs de transparence, des preuves de bon fonctionnement ou encore des éléments de responsabilisation à apporter. Même si l'univers de la mode souffre moins de cette mauvaise image de l'IA, il n'empêche que le fait d'utiliser cette technologie confronte tout de même à ces questions d'ordre éthique. L'opinion publique reste actuellement un frein à l'intégration de l'IA, en attendant que cette mentalité soit amenée à changer. Pour cette raison, il va falloir amener de la confiance dans cette technologie, notamment en suivant les directives européennes, qui deviendront bientôt obligatoires pour le développement d'IA, au travers du futur AI-Act (21).
Ainsi, le développement de l'IA doit tenir compte de ces freins et chercher à les dépasser, à la fois concernant les aspects techniques mais aussi concernant les aspects sociétaux. Ce sont autant de problématiques qui sont actuellement des freins à l'intégration opérationnelle de l'IA, mais un certain nombre d'entre elles pourraient être répondues en incluant des dimensions de validation algorithmiques.
Pour conclure, les utilisations de l'IA dans le secteur de la mode sont nombreuses. Ce secteur intègre des types d'IA différentes avec des algorithmes traitant de données variées : visuelles, textuelles ou chiffrées. Les valeurs ajoutées concernent toutes les étapes importantes de cette industrie, à commencer par les aspects industriels de production en allant jusqu'à la relation client. Ainsi, un certain nombre d'entreprises exploite le marché en développant spécifiquement des solutions pour le secteur de la mode. Cependant leur intégration opérationnelle est bien souvent freinée par différentes causes. Le développement de l'IA est à la fois un sujet complexe techniquement et socialement. Les initiatives européennes vis-à-vis de la normalisation de l'IA vont permettre à cette technologie d'évoluer plus efficacement dans un cadre défini d'ici à 2025, notamment en permettant d'introduire de la validation algorithmique (22). Entre autres, il est ainsi espéré que la confiance instaurée pourra faire évoluer les mentalités au sujet de l'IA.
Concernant le futur de l'IA pour le secteur de la mode, celui-ci devrait encore avoir de beaux jours. Outre-les déjà très nombreux cadres d'application et valeurs ajoutées de l'IA dans ce secteur, une autre branche pourrait émerger concernant l'intégration de l'IA directement dans les textiles. Cette nouvelle orientation s'appelle la fibretronique. Le but serait donc d'embarquer de l'IA directement dans les vêtements (23). Plusieurs cas d'usages et avantages sont mis en avant. Les vêtements développés pourraient permettre de réaliser des analyses de données en temps réel, notamment pour permettre l'adaptation des propriétés des tissus. Ainsi, dans l'exemple du sport, les tissus pourraient s'adapter à la transpiration pour aérer plus efficacement, dans le domaine du bien-être le vêtement pourrait adapter la température du corps en actionnant une fonction chauffante ou rafraichissante, enfin avec le domaine de la santé le vêtement pourrait inclure de l'assistance robotique pour, par exemple, ajuster la puissance musculaire des personnes à mobilité réduite pour les aider à se lever. Ainsi, peut-être pourrait-on imaginer que le secteur de la mode en viendrait à rencontrer le secteur de l'embarqué.
Retrouvez tous nos articles sur : https://numalis.com/publications.php
Introduction:
Partie 1:
(3) IA Adobe
(4) IA Walmart
(5) IA L'Oréal
(10) et (23) Prédiction et fibretronique
(11) Parcours client
(13) IA cosmétique
Partie 2:
(14) Problèmes chatbots
(16) Chatbot Microsoft
(18) RGPD, biais, environnemental
Conclusion:
(22) EU AI Act
Ecrit par Baptiste Aelbrecht & Camille Jullian & Jacques Mosjilovic.
Crédits images :
Toutes les images dans le texte ont été générées par l'intelligence artificielle MidJourney.
