Interview

Heuritech arrive à prédire les vêtements que nous porterons dans un an

Publié le 15/12/2022

Pour des clients comme Vuitton, Dior, Adidas et de très grands acteurs du prêt-à-porter, la startup analyse jusqu’à 5 millions de photos par jour sur les réseaux sociaux. Objectif : réussir à déterminer les tendances de l’an prochain et permettre aux marques de produire au plus juste, en évitant les invendus. Cofondateur d’Heuritech, Tony Pinville lève le voile sur le fonctionnement de l’intelligence artificielle.

Tony Pinville

Comment présenter Heuritech ?

Tony Pinville : Nous aidons les marques de luxe, de mode et de sport à prendre de meilleures décisions grâce à la data. Nous les aidons notamment sur la question des invendus. Chaque année dans le monde, plus de 375 milliards de dollars de vêtements ne trouvent pas d’acheteurs. C’est le quart environ de la production mondiale. Pour les marques, cela pose un problème économique, et encore plus environnemental. C’est en grande partie dû au fait que les marques ont du mal à anticiper les changements de tendance. En schématisant, une année, les consommateurs recherchent du rose, l’autre du vert… Sans réussir à anticiper ces tendances, les marques se retrouvent avec une masse de vêtements invendus. Or, en scrutant ce qui se passe sur les réseaux sociaux – Instagram a un énorme pouvoir d’influence sur la mode –, on peut récupérer des informations qui permettent de prévoir les tendances du marché jusqu’à un an à l’avance. Avec l’objectif de ne produire que les vêtements qui seront vendus.

Comment l’intelligence artificielle permet d’atteindre cet objectif ?

L’intelligence artificielle intervient à deux niveaux. Le premier pour reconnaître sur les images postées sur les réseaux sociaux tous les éléments relatifs au secteur de la mode. Chaque jour, nous analysons de 3 à 5 millions d’images, sur lesquelles nous identifions dans le détail les vêtements portés : les formes, les textures, les couleurs, les modèles de sacs à main, de chaussures, etc. L’intelligence artificielle permet de construire un dictionnaire de tous les éléments qui sont importants pour le secteur de la mode.

C’est rendu possible grâce à une collaboration avec une expertise métier : nous avons dans nos équipes des experts du secteur de la mode qui expliquent aux experts de l’intelligence artificielle les éléments qu’il faut reconnaître, comme les différents types de cols. On ne pourrait pas demander à un chercheur en IA de détecter tous les attributs mode !

Le deuxième niveau d’intelligence artificielle permet de traiter cette immense base d’informations ?

Exactement. Nous disposons d’un milliard d’images analysées chaque année, sur lesquelles nous utilisons des algorithmes de « forecast », de prévision. Ils vont nous permettre de prévoir que d’ici un an les ventes de tee-shirts « tie and dye » [une forme de teinture inspirée des années 1970] seront en hausse de 12 % et que celles de tel autre type de vêtements vont baisser. La marque peut alors ajuster les quantités et produire au plus juste.  

Cette dimension « forecast » semble assez magique vue de l’extérieur…

Tout repose sur de la qualité des données que nous utilisons. Nous nous intéressons aux différents types de personnes qui portent les vêtements. Pays par pays, nous créons des panels, de la même façon qu’un institut de sondage, pour identifier les bons segments de personnes. Cela commence par les « early adopters », celles et ceux qui sont vraiment en amont des tendances. Ce ne sont pas nécessairement des influenceurs avec beaucoup de followers, mais des personnes qui sont des experts de la mode et qui portent des styles de vêtements très en avance. Cela ne veut pas dire que tout ce que portent ces early adopters va marcher. Mais ils vont porter les 50 tendances qui auront un impact dans un an.

Nous avons ensuite des panels d’influenceurs, qui ne sont pas en amont des tendances, mais qui ont un fort pouvoir de prescription. Nous les identifions en fonction de leur nombre de followers, du taux d’engagement, etc. Ces personnes vont être la caisse de résonnance de certaines tendances. Viennent ensuite les personnes « mainstream », que l’on croise tous les jours dans la rue, qui vont traduire que la tendance a bien été établie.

En étudiant sur plusieurs années, et à un niveau mondial, cette propagation des tendances, nos algorithmes ont acquis la capacité de prédiction et d’anticipation. Nous intégrons aussi tous les éléments qui peuvent avoir un pouvoir d’influence. Pour caricaturer, Kim Kardashian porte une robe rouge : c’est une donnée qui peut avoir une influence et qui peut nécessiter une pondération plus forte pour les robes rouges. Le pouvoir de l’intelligence artificielle est de faire émerger les combinaisons de critères qui vont influencer la tendance.

Par rapport à un chasseur de tendances, vous notez des tendances plus fines que ce qu’il peut relever avec son intuition ?

Pas nécessairement. La différence vient surtout que l’IA est capable de quantifier un phénomène. Elle va pouvoir confirmer ou infirmer certaines intuitions. Une des difficultés avec l’intuition est le biais de confirmation : si je pense que la robe verte va être une tendance forte, je vais les remarquer beaucoup plus. L’IA va permettre de quantifier si plus de robes vertes sont vraiment portées, ou s’il ne s’agit que d’un épiphénomène. C’est vraiment un outil d’aide à la décision.

De même, ce n’est pas un frein à la création. Il ne s’agit pas de remplacer les designers. L’IA ne décide pas et ne crée pas le produit. Elle permet à la marque d’être plus confiante sur ses prises de décision, d’identifier ce qui a le plus de potentiel et d’éviter des flops. Sur certaines marques de prêt-à-porter, nous pouvons même aider des idées originales à voir le jour, que les marques n’oseraient pas sortir sur la seule base de l’intuition, mais pour lesquelles nous amenons la validation qu’il existe bien un marché. 

Comment évaluer l’impact de vos prévisions ?

Nos clients sont souvent assez discrets sur ces données. Je peux vous parler de deux metrics. Tout d’abord, le pourcentage de produits que nous influençons : chez certaines marques, la moitié des produits mis en fabrication utilisent les informations que nous leur fournissons. L’autre metrics, c’est le « sell through », le nombre de produits vendus sans rabais par rapport au nombre de produits créés. Il est aujourd’hui en moyenne de 60 % dans le secteur de la mode. C’est une donnée qui reste très confidentielle. Sur une collection capsule, en série limitée, nous avons été capables de faire monter ce taux à 100 % en aidant à choisir la couleur qui allait le mieux fonctionner.

Qui sont vos clients ?

Dans le luxe, nous travaillons avec Vuitton, Dior, Bottega Veneta, Moncler… Dans le secteur du sport, avec Adidas, New Balance… Et avec de très grands acteurs dans le monde de la mode. Nous avons co-construit nos solutions avec ces grandes marques. Heuritech emploie aujourd’hui 45 personnes basées à Paris, même si la plupart de nos clients sont en dehors de la France.

Vous avez aussi eu La Poste comme client ?

C’était au tout début d’Heuritech et cela nous a vraiment permis de nous lancer. Avec mes associés, nous venons d’un laboratoire de recherche à Jussieu. Au début des années 2010, nous avions la conviction que l’IA allait être une innovation de rupture et nous voulions amener cette technologie dans l’entreprise, mais sans idée de secteur. C’est à ce moment que La Poste a lancé Start’in Post, son accélérateur de startups. Nous sommes entrés en contact et nous avons réalisé qu’il y avait un besoin d’analyser des données textuelles pour comprendre les attentes des clients. Il s’agissait de scruter le contenu de pages web pour comprendre de quoi elles parlaient et aider à créer des segments de clients en fonction de leur navigation. Ce projet avec La Poste nous a permis de constituer notre équipe et nous a donné de la visibilité.

C’est comme cela que nous avons pu collaborer avec Vuitton. Ils ont remarqué que nous menions un beau projet avec La Poste, et donc que nous étions capables de travailler avec un grand groupe et de faire aboutir un projet, jusqu’à le mettre en production.