L'IA au secours de la mode pour réduire les montagnes d'invendus

 "On arrête les magasins, l'électricité, les loyers, le transport des marchandises, les stocks dans les magasins, qui reviennent, qui repartent": pour le patron de la plateforme française Blacksheep, qui vend des lunettes à très bas prix et s'est lancé dans la mode, l'IA est "un vrai raz-de-marée".

 "Il y a la production à la demande, des usines en Chine qui fabriquent et qui revendent, on les branche à notre plateforme, elles s'y connectent et ce sont leurs stocks qui sont vendus", déroule Pierre Wizman, qui mise tout sur l'IA pour "faire du Zara moins cher que Shein".

 Si l'exemple de ce jeune loup dans le très concurrentiel monde de l'habillement est radical, l'IA est une réalité pour tout le secteur. Et Shein l'éléphant au milieu de la pièce.

 L'avantage concurrentiel du groupe asiatique d'ultra fast-fashion ne réside pas uniquement dans l'agressivité de ses prix, mais aussi dans son modèle piloté par la donnée. La marque teste l'appétence du marché en produisant de petits lots initiaux de 100 à 200 articles par modèle, fait coïncider l'offre et la demande et minimise de fait les montagnes de stocks dormants.

 Devant le Sénat en janvier, le porte-parole français de Shein avait vanté ce modèle de production "à la demande", permettant de limiter le taux d'invendus de la marque à moins de 10% quand les groupes plus classiques sont plutôt autour de "20 à 40%".

 "10 à 20%" d'invendus en moins

"Bien sûr, il y a des choses qui sont bonnes à prendre" dans le modèle de Shein, reconnaît Felipe Marques, directeur des systèmes d'information d'Etam.

 Le groupe de lingerie français se concentre avec l'IA "sur l'optimisation du stock, de la vente et des achats", dit-il, avec "l'objectif d'avoir le minimum de résiduel, d'invendus à la fin, mais aussi d'acheter la bonne quantité de chaque article".

 Par exemple, en achetant pour 400.000 euros via l'agent IA, en ciblant intelligemment les quantités, les couleurs des produits etc., Etam se retrouvera avec "la même performance de vente" finale qu'avec un investissement de 600.000 euros via son ancien système, détaille Felipe Marques.

 "On sait qu'on peut gagner au moins 10% sur les résiduels voir même 20%", précise le dirigeant.

 Etam développe aussi un agent pour aider à "réapprovisionner (les) magasins de sorte à mieux cibler le bon produit pour le bon client au bon moment".

 De l'autre côté de l'Atlantique, le géant mondial du denim Levi's "utilise déjà l'IA depuis des années dans la planification, avec les prévisions de stocks et une foule d'autres applications", explique à l'AFP sa patronne Michelle Gass.

 "Nous utilisons aussi des agents IA pour gagner en efficacité sur des choses comme la réception des commandes des grossistes, qui demande traditionnellement beaucoup de travail manuel", détaille-t-elle.

140 milliards de dollars

Une étude du Boston Consulting Group de novembre 2025 cite la plateforme allemande Zalando, qui a réussi à réduire ses erreurs de prévision de la demande de 20%, quand la division mode de l'américain Walmart a raccourci ses délais de production de 18 semaines grâce aux outils IA.

 L'amélioration des marges et la gestion millimétrée des stocks sont aujourd'hui les priorités pour 45% des dirigeants, selon le rapport The state of fashion 2026 du cabinet de conseil McKinsey, sachant que le délai moyen d'écoulement des stocks a atteint le niveau record de 168 jours en 2024.

 Le problème est colossal: 20% des vêtements produits chaque année n'arrivent jamais au consommateur, générant pour 140 milliards de dollars de stocks inutiles, d'après une analyse de l'opérateur logistique Noatum.

 Reste un paradoxe: si l'IA aide à dégraisser ses stocks, elle donne aussi les moyens d'accélérer le rythme des collections à l'infini, alimentant le fléau de la surconsommation, alors que la mode est responsable d'environ 8% des émissions mondiales de gaz à effet de serre.