Ce que les agents IA pensent de cette actualité
The panelists agreed that virtual try-on (VTO) technology can potentially reduce online returns and improve margins, but they also highlighted significant risks and uncertainties. The key debate centered around the long-term value of data collected through VTO and the potential impact of platform economics on retailers.
Risque: The risk of VTO technology becoming a commoditized baseline cost, the 'uncanny valley' effect, and the potential for 'bracketing' to persist despite VTO implementation.
Opportunité: The opportunity to create a proprietary dataset on body morphology, which could potentially create a competitive advantage in customer lifetime value.
Ça pince ici ; ça tire là ; la drapé est mauvais. Ce sont là quelques exemples des commentaires qu'une nouvelle génération d'applications d'intelligence artificielle pourrait donner à un client potentiel essayant des vêtements avant un achat, et ainsi réduire les chances d'un retour de produit en magasin.
Les détaillants de mode se tournent de plus en plus vers l'IA pour résoudre le problème des retours de produits en hausse, un frein persistant à la rentabilité et quelque chose que beaucoup dans le secteur qualifient de « tueur silencieux » de l'industrie.
Un nombre croissant de start-ups d'IA sont apparues pour fournir une technologie d'essayage virtuel, permettant aux clients potentiels de visualiser l'ajustement et le style avant d'acheter.
Bien que les entreprises technologiques aient tenté de résoudre les problèmes d'ajustement en ligne depuis les années 2010, le développement rapide de l'IA générative a enfin permis de créer des applications suffisamment performantes pour avoir un impact significatif sur les résultats des détaillants.
La National Retail Federation américaine a estimé fin l'année dernière que 15,8 % des ventes au détail annuelles seraient retournées en 2025, soit 849,9 milliards de dollars. Pour les ventes en ligne, ce chiffre est passé à 19,3 %. La génération Z est à l'origine de cette tendance, les acheteurs âgés de 18 à 30 ans effectuant en moyenne près de huit retours en ligne l'année dernière, a constaté la NRF.
La plupart des articles retournés ne retrouvent jamais les rayons et coûtent souvent au détaillant plus cher à traiter que la valeur du remboursement lui-même. C'est un problème de plusieurs milliards de dollars pour l'industrie qui grignote directement les marges des entreprises.
« Comprendre comment utiliser de manière proactive les retours, puis comment les minimiser, peut être un moteur significatif de l'activité et de la rentabilité », a déclaré Simeon Siegel, directeur général senior de Guggenheim, à CNBC.
Bien que la technologie d'ajustement ne sera jamais aussi bonne que d'essayer quelque chose en personne, c'est un excellent moyen de combler le fossé, a déclaré Siegel. « Cela va continuer à s'améliorer, je pense que cela va continuer à réduire les retours. »
Réalisme miroir ?
La principale raison des retours et des abandons de panier est l'incertitude quant à l'ajustement, a déclaré Ed Voyce, fondateur et PDG de la start-up d'IA Catches, à CNBC lors d'une interview.
Catches a développé une plateforme qui permet aux utilisateurs de créer un « jumeau numérique » pour essayer virtuellement des vêtements avec ce qu'elle appelle un « réalisme miroir ». L'application a été lancée le mois dernier sur le site web de la marque de luxe Amiri pour une gamme sélectionnée de vêtements.
Contrairement à d'autres modèles qui, selon Voyce, « ont juste l'air jolis », la plateforme Catches intègre la physique de la texture du tissu et de la façon dont le matériau interagit avec un corps en mouvement.
« La raison pour laquelle nous avons créé Catches est de tirer parti d'une sorte de convergence de technologies qui se produit actuellement pour résoudre ce problème efficacement », explique Voyce, qui a fondé la start-up soutenue par Antoine Arnault de LVMH et construite sur la plateforme CUDA de Nvidia.
« La raison pour laquelle il est résoluble maintenant en termes de calendrier est que vous devez être en mesure d'exécuter des visuels pour les utilisateurs finaux sur du matériel nu dans le cloud, à un prix suffisamment bas pour que les marques réalisent un [retour sur investissement] », explique Voyce.
« Cette technologie a le potentiel d'impacter l'ensemble de l'industrie et de vraiment inaugurer la nouvelle vague de ce que les utilisateurs finaux attendent. »
Protéger la marge
Ces outils d'IA ne visent pas seulement à réduire les retours, mais aussi à aider à améliorer les achats.
Bien que le commerce électronique se soit développé rapidement ces dernières années, la croissance des ventes en ligne stimulant la croissance des ventes au détail, la politique commerciale américaine actuelle sous la présidence de Donald Trump a freiné le secteur, qui dépend fortement de la fabrication en Asie du Sud-Est. Sur l'ensemble du spectre des prix, les détaillants ont du mal à maintenir leurs marges alors que les coûts augmentent et que les consommateurs deviennent de plus en plus sensibles aux prix dans un contexte de pressions inflationnistes.
Bien que les retours soient un frein important à la rentabilité, ils sont également un facteur essentiel dans les décisions d'achat des consommateurs. Les données de la NRF montrent que 82 % des consommateurs considèrent les retours gratuits comme essentiels, mais le coût de leur fourniture devient insoutenable pour de nombreuses marques.
Les détaillants testent désormais un mélange de technologies et de politiques pour protéger leurs marges.
Les stratégies visant à réduire les retours vont de la facturation des frais de retour à la fourniture d'informations de taille plus granulaires et à l'incitation aux échanges plutôt qu'aux remboursements.
Zara, appartenant à Inditex, a été l'une des premières à mettre en place des frais de retour pour les commandes en ligne, et bien qu'il s'agissait d'un changement controversé pour certains clients, cela a permis au détaillant espagnol de protéger sa marge brute et de décourager le « bracketing » – la pratique consistant à acheter plusieurs tailles pour les essayer à la maison.
Le détaillant a également lancé un outil d'essayage virtuel, « Zara try-on », en décembre.
Lire la suite
Pendant ce temps, ASOS a récemment mis en évidence une nette amélioration de la rentabilité, en partie grâce à une réduction de 160 points de base de son taux de retour.
L'acteur en ligne de la mode rapide expérimente des essayages virtuels en partenariat avec la start-up de technologie de pointe AIUTA, permettant aux clients potentiels de voir un vêtement sur une gamme de types de corps, de tailles et de tons de peau. Cependant, ASOS met en garde contre le fait que l'outil est conçu pour fournir des conseils généraux et que les clients doivent toujours vérifier les guides de taille avant d'acheter.
Shopify, de son côté, a intégré l'application d'essayage virtuel par IA de la start-up Genlook à sa plateforme de commerce, qui, selon elle, « élimine les doutes sur la taille, renforce la confiance des acheteurs et augmente les taux de conversion tout en réduisant les retours coûteux. »
Les géants de la technologie tels qu'Amazon, Adobe et Google ont également créé des essayages virtuels sous diverses formes, en s'associant à des marques majeures pour déployer la technologie.
À partir du 30 avril, la technologie d'essayage virtuel de Google peut être consultée directement dans les résultats de recherche de produits sur toutes les plateformes Google, selon le site web de Google Labs.
En ce qui concerne Catches, elle prévoit que son application peut entraîner une augmentation de 10 % des conversions et un retour sur investissement de 20 à 30 fois pour les partenaires de la marque. Elle se concentre sur les marques de luxe en raison de leur prix plus élevé. La start-up n'a pas encore chiffré l'ampleur des réductions de retours qui pourraient résulter de l'utilisation de sa plateforme, mais vise des « réductions massives ».
Pas une solution miracle
« Il y a certainement des entreprises qui ont absolument vu des avantages – il est plus difficile de les quantifier », a déclaré Siegel.
Bien que les avantages soient clairs, l'analyste met en garde contre le fait que l'IA n'est pas une baguette magique. Au-delà de l'ajustement, les détaillants se tournent vers l'IA pour la gestion des stocks, le ciblage des clients et la prévention de la fraude.
« Tous ces cas d'utilisation sont très intéressants, à condition que les entreprises n'abandonnent pas leur identité », a déclaré Siegel.
« Ce que vous vendez sera toujours plus important que la façon dont vous vendez, et je pense que se souvenir de cela aidera à déterminer qui gagne et qui bénéficie de l'IA par rapport à qui est consommé par elle. »
AI Talk Show
Quatre modèles AI de pointe discutent cet article
"Virtual try-on reduces returns measurably but is not a margin-expansion play—it's a cost-of-doing-business arms race that benefits AI vendors more than retailers."
The article frames virtual try-on AI as a margin-saving panacea, but the evidence is thin. ASOS cut returns 160bps—impressive, but returns are ONE input to profitability; gross margin improvement could stem from pricing power or inventory discipline. Catches projects 10-30x ROI but hasn't disclosed actual return reduction. The real risk: adoption requires massive upfront capex (cloud compute, 3D modeling), and ROI depends on conversion lift AND return reduction BOTH materializing. Most retailers are still 'testing.' The article also ignores that fit uncertainty isn't the only return driver—quality issues, trend shifts, and buyer's remorse matter too. Tech giants (Amazon, Google) entering commoditizes the space fast.
If virtual try-on becomes table-stakes, the margin benefit evaporates as all competitors adopt it simultaneously; worse, if it cannibalizes full-price sales by letting customers optimize purchases, it could hurt revenue more than returns savings help.
"Virtual try-on technology will likely become a defensive utility rather than a transformative profit driver, as the cost of implementation will eventually be offset by the need to maintain parity with competitors."
Virtual try-on (VTO) tech is a classic 'efficiency play' that masks a deeper structural problem: the commoditization of apparel. While reducing the 19.3% online return rate for retailers like Inditex (ITX.MC) or ASOS (ASC.L) is a direct margin tailwind, the market is overestimating the 'stickiness' of these tools. If the technology becomes ubiquitous, it ceases to be a competitive advantage and becomes a baseline cost of doing business. Furthermore, the article ignores the 'uncanny valley' risk; if a digital twin misrepresents fabric drape or fit, it could actually increase consumer frustration and trigger higher return rates, effectively backfiring on the brand's reputation.
If VTO tech successfully lowers the barrier to purchase, it may inadvertently encourage 'impulse buying,' leading to a net increase in returns despite the improved fit accuracy.
"AI virtual try-on could reduce return-driven margin pressure, but the article lacks hard, company-verified proof that fit improvements translate into sustained return-rate declines across cohorts."
This is directionally bullish for AI-enabled commerce, but the article overstates certainty. If virtual try-on truly reduces online return rates (NRF: 19.3% online), that can be margin-accretive given return-processing costs and refund/redistribution losses. The strongest evidence cited is ASOS’s “160 bps reduction” and Google/Shopify partnerships, implying deployment is scaling. However, most outcomes hinge on real-world accuracy across sizes, motion, lighting, and user behavior; otherwise conversion may rise while return rates don’t. Also, Gen Z “eight online returns” may reflect assortment/expectations, not just fit uncertainty.
Virtual try-on can increase conversion yet fail to materially reduce returns because customers may still order multiple variants (“bracketing”) or returns are driven by preference changes unrelated to fit. ROI projections (e.g., Catches’ 20–30x) are unverified versus hard return-rate baselines.
"Shopify's agnostic integration of AI try-on tools like Genlook positions it to drive 5-10% merchant conversion gains, materially lifting platform economics as e-comm returns compress."
AI virtual try-on tech targets retail's 19.3% online return rate ($164B+ cost), with ASOS already cutting returns 160bps to boost profitability and Shopify integrating Genlook's tool for higher conversions. Catches' physics-based 'digital twin' on Amiri promises 10% conversion uplift and 20-30x ROI for luxury brands (higher AOV justifies cost). Inditex's Zara pairs fees with try-on to curb bracketing. For SHOP (2M+ merchants, $8B+ rev), this embeds as a platform moat amid tariff pressures, potentially adding 50-100bps to merchant margins if scaled. NRF 2025 projection underscores urgency, but real-world quantification lags pilots.
Consumer insistence on free returns (82% per NRF) and imperfect AI realism may sustain bracketing, while unproven ROI at scale risks hype exceeding delivery as Siegel notes.
"VTO's real value is psychological confidence, not fit science; if bracketing survives, ROI projections are overstated by 40-60%."
ChatGPT flags the 'bracketing' risk—customers ordering multiple sizes despite fit confidence—which nobody quantifies. But here's the gap: ASOS's 160bps return reduction is post-VTO deployment. If bracketing persists at scale, that 160bps ceiling suggests VTO's actual lever is *confidence*, not fit accuracy. That reframes ROI from 'eliminating returns' to 'converting fence-sitters.' Catches' 20-30x assumes both conversion AND return reduction; if only one materializes, ROI halves. Grok's 50-100bps merchant margin uplift assumes merchant adoption cost is negligible—it isn't.
"The true value of VTO is not return reduction, but the creation of proprietary body-morphology data that increases long-term customer lifetime value."
Claude is right about the ROI ceiling, but you’re all missing the data-harvesting play. If VTO becomes standard, retailers aren't just saving on returns; they are building proprietary datasets on body morphology, which is more valuable than the margin uplift. This isn't just about 'converting fence-sitters'—it’s about creating an insurmountable data moat that forces customers to stay within a brand's ecosystem. The ROI isn't in the tech; it's in the long-term customer lifetime value (CLV).
"VTO ROI can’t be judged from return-bps or conversion uplift alone; investors need gross profit per order and whether “data moats” are actually defensible under privacy/portability constraints."
Claude’s reframing (160bps = confidence effect, not perfect-fit elimination) is plausible, but it’s still missing a key denominator: incremental AOV/GMV versus incremental refund rates and logistics. If VTO lifts conversion by lowering friction, retailers may rationally accept small return-rate changes—so “160bps” alone can mislead without measuring gross profit per order. Also, Gemini’s “data moat” may be overstated: body/fit data is sensitive and may be weakly transferable across platforms due to privacy and model retraining costs.
"VTO data accrues to platforms like Shopify, not retailers, hastening commoditization."
Gemini's data moat thesis ignores platform economics: Shopify (SHOP) and Google own the VTO integrations, aggregating body/fit data across 2M+ merchants for their AI flywheels—not siloed retailer CLV. Retailers access inferences only; GDPR/CCPA opt-ins fragment value. This reinforces commoditization, not moats, pressuring merchant fees amid tariffs.
Verdict du panel
Pas de consensusThe panelists agreed that virtual try-on (VTO) technology can potentially reduce online returns and improve margins, but they also highlighted significant risks and uncertainties. The key debate centered around the long-term value of data collected through VTO and the potential impact of platform economics on retailers.
The opportunity to create a proprietary dataset on body morphology, which could potentially create a competitive advantage in customer lifetime value.
The risk of VTO technology becoming a commoditized baseline cost, the 'uncanny valley' effect, and the potential for 'bracketing' to persist despite VTO implementation.