Le Machine Learning va-t-il révolutionner le secteur de la mode ?

Par Eric Bowman, vice-président de l'ingénierie, Zalando

Des algorithmes sont déjà en cours de développement pour prédire ce que les clients veulent porter avant qu'ils ne le sachent eux-mêmes. Ces algorithmes permettent de faire des prévisions précises en matière de style et de goût et combinent les préférences des consommateurs avec les tendances actuelles, qui sont saisies et traitées par des logiciels puissants basés sur la ML. À l'avenir, les esprits créatifs des industries de la mode travailleront en étroite collaboration avec ces systèmes intelligents basés sur des données.

L'intelligence artificielle parfaite

Le ML et l'IA ne sont vraiment utiles aux consommateurs que lorsqu'ils connaissent l'utilisateur individuel et ses goûts en matière de mode. Qu'est-ce qui inspire le style d'un client ? Quels sont les médias qui l'influencent ? Qui sont ses modèles de mode ? En outre, le logiciel doit comprendre l'évolution du style individuel. Quel style de mode le client aimait-il auparavant ? Comment ses goûts en matière de mode ont-ils évolué ?

Les machines apprennent à partir des données. Des données que des entreprises comme Zalando et Google (grâce à des technologies telles que TensorFlow) et dans lesquelles se cachent des connaissances sur les caractéristiques de base de toutes les facettes de la mode. Elles permettent par exemple aux machines de reconnaître et de catégoriser presque tous les articles de mode. Par exemple, pour reconnaître un chemisier particulier, les ordinateurs sont entraînés à identifier les vêtements qui se ressemblent à partir de milliers, voire de millions d'images. Ces connaissances sont ensuite associées à des représentations d'articles complexes qui révèlent les symétries, les structures et les tendances de tous les secteurs de la mode.

Les recommandations de mode adaptées sont très personnelles. Pour pouvoir les personnaliser réellement, une machine doit non seulement comprendre le monde de la mode, mais aussi la personne. Les machines peuvent suggérer assez facilement des vêtements populaires, mais cela ne suffit pas pour rendre un client heureux. Un bon styliste ne prend pas seulement en compte les tendances de la mode actuelle. La compréhension de la personne en question, de ses motivations, de ses intérêts, de ses rêves et de ses craintes est indispensable pour une recommandation parfaite.

Les machines obtiennent déjà des informations surprenantes sur le comportement de navigation et d'achat des personnes. La prochaine étape de la personnalisation nécessite toutefois encore la participation d'un être humain - les machines n'en sont pas encore là. Même les données et les ordinateurs du monde entier ne sont pas encore en mesure de savoir et de comprendre quelle tenue fait battre le cœur du client.

Le facteur humain reste important

Comment automatiser la logique du styliste ? Les préférences personnelles du client sont continuellement valorisées en tenant compte de ses goûts, de sa morphologie, du style qu'il souhaite adopter et de ses expériences avec d'autres consommateurs. Les bons stylistes apportent leur expertise et leur connaissance des personnes. Ils établissent une relation avec leurs clients et les aident à trouver la mode qui leur plaît, tant à l'intérieur qu'à l'extérieur de la zone de confort de leur propre style ou de leur style habituel. Les marques jouent également un rôle important à cet égard, car le talent et la personnalité du designer s'expriment dans leurs créations, qui interpellent ainsi le spectateur sur le plan émotionnel. C'est sur cet impact que repose la réputation de la marque, sur laquelle se fonde la relation avec le client.

Les compétences particulières des stylistes et des designers en font un élément important du monde de la mode. Le facteur humain est toujours indispensable. Ce n'est pas sans raison que les services de curated shopping comme Zalon de plus en plus acceptée.

Jusqu'à présent, les logiciels ne peuvent pas encore l'automatiser. Il peut toutefois identifier les préférences et les aversions d'un client en matière de style, rechercher des données sur les dernières tendances et trouver des articles qui pourraient plaire au client. Les stylistes peuvent à la fois guider et profiter de l'apprentissage automatique grâce à l'utilisation d'ordinateurs. Les logiciels aident les stylistes, et les stylistes contribuent à l'optimisation des logiciels. Des entreprises telles que Édité mettent déjà à disposition des bases de données pour ce type de collaboration.

Accès au vocabulaire personnel de la mode

Les machines apprennent à partir de nombreux points de données différents afin de faire des recommandations aussi personnalisées que possible. Les achats antérieurs et les retours des clients sont certes utiles, mais ils peuvent aussi être trompeurs. Quand les clients ont-ils acheté pour eux-mêmes, quand s'agissait-il d'un cadeau ? Ont-ils renvoyé des articles parce qu'ils ne leur plaisaient pas ou parce qu'ils ne leur convenaient pas ? Dans les deux cas, il existe des indices qui permettent au logiciel d'avoir plus de visibilité. Par exemple, si l'on demande au client s'il souhaite que les articles soient emballés comme un cadeau, c'est un excellent service pour lui et cela aide en même temps le logiciel à connaître l'intention derrière l'achat. Lorsque les clients renvoient un article, ils devraient être invités à en expliquer les raisons, de sorte que le logiciel puisse en savoir plus sur les goûts du client ou la forme qu'il préfère.

Le comportement de navigation des clients offre également un aperçu. En rassemblant tous ces points de données, il devient plus clair de savoir ce qui plaît et ce qui ne plaît pas. Il en résulte une sorte de vocabulaire de la mode qui évolue de manière organique au gré des changements de tendances. Le logiciel peut apprendre ce vocabulaire, mais il peut aussi aider les clients à acquérir leur propre vocabulaire de la mode. En effet, les consommateurs ont souvent du mal à décrire le vêtement qu'ils souhaitent porter. Le logiciel peut utiliser la connaissance des préférences et du comportement des clients de telle sorte que même les recherches ambiguës effectuées rapidement donnent de bons résultats. Le logiciel n'apprend pas seulement un vocabulaire général de la mode, mais un ensemble de vocabulaire adapté à chaque client.

C'est justement parce qu'il est difficile d'utiliser le bon vocabulaire de la mode que les clients trouvent souvent d'autres moyens de s'exprimer : ils partagent des contenus, les téléchargent ou cliquent sur "j'aime". Votre vocabulaire de la mode comprend donc plus que des mots : il intègre des images, des styles et des comportements.

Nous voulons concevoir un logiciel qui permette aux machines d'apprendre des données et des personnes afin de créer des applications sophistiquées avec une composante humaine. Notre équipe est consciente que le facteur humain est indispensable pour faire le lien entre la mode et l'homme.

Nous sommes encore loin d'une véritable intelligence artificielle, mais l'utilisation de logiciels, associée à la créativité et à la profondeur de l'expérience humaine, nous permet de démocratiser l'expérience de la mode d'une toute nouvelle manière.

Eric Bowman est vice-président du département technologique de Zalando et a été l'un des moteurs de l'introduction de REST, une approche du développement logiciel basée sur les API, et des équipes autonomes. Il programme depuis 1981 et a appris à connaître de nombreux systèmes, dont Sims 1.0, le premier réseau téléphonique 3G mondial, les applications de TomTom et l'architecture de bout en bout de Gilt Groupe. Il est passionné par Scala et continue à contribuer à des projets open source.