Une étude commandée par l'éditeur de logiciels Aptean et réalisée par le cabinet Vanson Bourne auprès de 245 dirigeants de l'habillement place le secteur en tête de l'adoption d'une intelligence artificielle conçue pour son métier. Les usages déclarés se concentrent sur la planification et le stock, pas sur la création. L'écart entre ce passage à l'échelle opérationnel et la gouvernance qui lui manque encore dessine le périmètre exact de la décision humaine.
Le 26 octobre 2026, le média professionnel Total Retail a publié une tribune de Ken Weygand, solutions architect chez Aptean. Elle s'appuie sur une étude que son employeur a commandée au cabinet d'études Vanson Bourne, menée auprès de 245 dirigeants du secteur de l'habillement. Le chiffre mis en avant : 53 % de ces organisations déclarent avoir adopté une intelligence artificielle spécifique à leur industrie, et 55 % en avoir développé une en interne, le niveau le plus élevé de tous les secteurs couverts par l'enquête.
Le fait mérite d'être situé avant d'être interprété. Il ne s'agit ni d'une annonce de produit, ni d'un lancement, mais d'une mesure déclarative financée par un acteur qui vend précisément ce qu'elle mesure. Lue comme telle, elle reste un indicateur utile : elle dit où les directions de la mode placent aujourd'hui leurs premiers chantiers d'intelligence artificielle. Et ce lieu n'est pas celui que l'actualité commente le plus.
Cet article examine ce que recouvre la notion d'IA sectorielle, pourquoi la structure industrielle de l'habillement en accélère l'adoption, ce que les résultats déclarés établissent et ce qu'ils laissent de côté, et pourquoi la gouvernance des données apparaît comme la condition du passage à l'échelle. Il interroge enfin l'angle mort de ces chiffres : la chaîne de production de l'image.
Ce que mesure l'étude Aptean et Vanson Bourne
L'étude porte sur 245 dirigeants d'organisations du secteur de l'habillement. Elle distingue deux formes d'adoption. La première, déclarée par 53 % des répondants, consiste à déployer une intelligence artificielle spécifique à l'industrie, c'est-à-dire un système entraîné et paramétré sur les objets métier du secteur plutôt que sur des données génériques. La seconde, déclarée par 55 %, consiste à développer une IA sur mesure en interne. Les deux chiffres sont présentés comme les plus élevés de tous les secteurs couverts par l'enquête.
Les usages cités relèvent tous de l'amont de la chaîne de valeur : prévision de la demande, détection de la demande en cours de saison, arbitrage de collection, évaluation du risque de stock, pilotage des relations fournisseurs. Aucun ne concerne la création visuelle, la direction artistique ou la production d'images.
Pourquoi l'habillement adopte plus vite : la contrainte du cycle long
La tribune avance une explication structurelle. La difficulté propre à l'habillement ne tient pas à la saisonnalité mais à la durée du processus : huit à douze mois séparent l'idée d'un créateur du vêtement en rayon. Prévision, design, échantillonnage, préproduction, bons de commande adressés à des fournisseurs répartis sur plusieurs continents, chaque étape ajoute son délai.
La conséquence est mécanique. Une prévision établie en janvier à partir des chiffres de l'année précédente peut être démentie par le comportement d'achat avant même l'arrivée des marchandises. La saison se termine alors avec une part d'invendus, et la démarque efface la marge. L'intelligence artificielle est adoptée là où l'écart entre la décision et son effet est le plus long, parce que c'est là que la capacité à voir un signal tôt vaut le plus cher.
IA sectorielle et IA généraliste : une différence de contexte
La distinction est au cœur de la démonstration. Une IA sectorielle est un système dont les données d'entraînement, le vocabulaire et les règles de raisonnement sont ceux d'un métier précis. Appliquée à l'habillement, elle doit interpréter une date d'annulation de saison, raisonner sur une matrice de styles et de tailles, ou signaler le risque de stock créé par un bon de commande tardif passé auprès d'un fournisseur à long délai.
Une plateforme généraliste peut traiter des questions commerciales larges. Elle ne dispose pas du contexte qui permet de qualifier ces objets. L'étude rapporte que les organisations utilisant une IA spécifique à leur secteur déclarent de meilleurs résultats sur six des huit indicateurs de performance mesurés. L'auteur en conclut que c'est la spécialisation, et non l'adoption en soi, qui produit l'écart de résultats.
Les résultats déclarés, et ce qu'ils ne disent pas
Deux résultats sont mis en avant : 41 % des organisations de l'habillement déclarent un gain de positionnement concurrentiel, et 41 % un gain de moral des équipes, les niveaux les plus élevés de l'enquête. Le second est présenté comme un enjeu de rétention : conserver des planificateurs et des merchandisers expérimentés, dont le jugement se remplace difficilement.
Ces chiffres sont des déclarations de dirigeants, non des mesures de performance vérifiées. Ils n'établissent ni un taux de marge préservé, ni une réduction constatée des invendus. Ils indiquent une perception favorable, dans un secteur et à un moment où cette perception est elle-même un fait de marché.
La gouvernance comme condition du passage à l'échelle
L'élément le plus intéressant de l'étude est celui qui tempère les précédents. 75 % des répondants estiment qu'une gouvernance solide des données est nécessaire avant d'accorder davantage d'autonomie décisionnelle à l'intelligence artificielle, et 68 % veulent voir en place des procédures claires d'escalade et de gestion des incidents.
La gouvernance des données désigne ici l'ensemble des règles qui déterminent la qualité, la traçabilité, la propriété et les conditions d'usage des données qui alimentent un modèle. Sans elle, une recommandation erronée se propage à une échelle qu'un processus manuel n'aurait jamais permise. La compétence qui en découle n'est pas technique : elle consiste à lire ce que dit un modèle, à le contester quand une sortie paraît anormale, et à décider malgré tout. L'auteur la nomme approche avec l'humain dans la boucle. Il faut noter que ces 75 % expriment une condition jugée nécessaire, pas un état constaté. L'écart entre l'adoption déclarée et la gouvernance effective est précisément l'espace dans lequel se joue aujourd'hui la décision humaine.
L'angle mort : la chaîne de l'image
Une enquête centrée sur la planification laisse hors champ ce qui occupe l'autre extrémité de la chaîne. La production d'images, la direction artistique, la représentation des produits et des corps relèvent d'une logique différente : on n'y optimise pas un risque, on y construit une identité.
Les mêmes outils y produisent des effets qui ne se mesurent pas en points de marge. Une image générée peut être techniquement irréprochable et stratégiquement inexacte, parce qu'elle ne porte pas le code visuel de la maison. La gouvernance que l'habillement appelle de ses vœux sur ses données de stock n'a pas encore d'équivalent établi sur ses actifs visuels, alors que les questions de propriété, de droits et de cohérence y sont au moins aussi sensibles.
Artcare : structurer les usages de l'IA dans la mode et le luxe
Ce décalage est le terrain de travail d'Artcare. Studio de création et d'innovation à l'intersection de la création, de la direction artistique et des technologies émergentes, Artcare conçoit des contenus visuels pour la mode, le luxe, la joaillerie et les industries créatives en s'appuyant sur l'IA générative.
La démarche consiste à transposer à l'image l'exigence que le secteur applique déjà à ses données opérationnelles : définir ce qui relève de la marque et doit rester propriétaire, ce qui peut être produit à l'échelle, et quel point de contrôle humain garantit la cohérence d'une direction artistique sur l'ensemble d'une production. Artcare crée des mannequins artificiels hyperréalistes et exclusifs, conçus pour l'identité visuelle de chaque marque, et non des visages interchangeables. La difficulté n'est pas de générer une image, elle est de maintenir une intention sur des milliers.
Perspective
Si le mouvement décrit par l'étude se poursuit, l'habillement aura installé l'intelligence artificielle sur sa chaîne d'approvisionnement avant d'avoir arbitré son usage sur sa chaîne d'image. Les deux ne se gouvernent pas de la même manière : une erreur de planification se corrige en cours de saison, une identité visuelle diluée se reconstruit sur des années. Les organisations qui tireront le meilleur parti de ces outils seront celles qui auront traité la direction artistique comme une fonction de gouvernance à part entière, et non comme un reliquat créatif à automatiser en dernier.
Pour échanger sur la structuration de vos usages de l'IA générative dans la production visuelle, l'équipe Artcare est à votre disposition.
---
