La mode investit davantage dans l’IA, mais les preuves de rentabilité restent minces

En deux ans, l’intelligence artificielle est passée du statut de sujet annexe à celui de priorité de conseil d’administration dans le luxe. En 2024, seules 5 % des maisons et groupes de luxe interrogés par le Comité Colbert et Bain & Company plaçaient l’IA parmi leurs trois priorités pour les trois années à venir. Dans l’édition 2026, cette part atteint 22 %. Pourtant, le même rapport constate que près de 60 % des entreprises de luxe n’ont pas encore vu d’effet significatif d’un quelconque déploiement d’IA.

Cet écart entre ambition et preuves traverse tout le secteur. Les dépenses d’IA augmentent, selon toutes les enquêtes disponibles, mais presque aucune entreprise de mode ne dit à ses investisseurs combien elle consacre précisément à l’IA. Quand des retours sont publiés, ils sont surtout opérationnels : contenus plus rapides, moins de retours, meilleures prévisions. Les effets sur le chiffre d’affaires et le bénéfice attribués à l’IA restent largement non audités, et les chiffres les plus optimistes proviennent le plus souvent des propres enquêtes des éditeurs de technologie.

Le sujet est d’actualité parce que les budgets 2026 se figent au moment où les comportements des consommateurs changent. Le rapport State of Fashion 2026 de BoF et McKinsey note que ChatGPT a représenté 16 % du trafic de référence entrant de Zara entre juin et août 2025, selon les données de SimilarWeb. Les entreprises incapables de mesurer ce que rapportent leurs dépenses d’IA auront du mal à décider où placer le prochain euro.

Combien les entreprises de mode dépensent-elles en IA ?

La réponse honnête est que personne, en dehors des entreprises, ne le sait, car les grands groupes ne le publient pas. Les dépenses d’IA sont noyées dans des programmes d’investissement plus larges. Inditex prévoit des investissements ordinaires d’environ 2,3 Md EUR en 2026, centrés sur les magasins, les nouvelles technologies et les plateformes en ligne, selon FashionUnited. H&M prévoit des investissements de 9 à 10 Md SEK pour l’exercice 2026, principalement pour son parc de magasins et son infrastructure technologique, a rapporté Modaes. Kering a annoncé lors de sa journée marchés des capitaux d’avril 2026 qu’il réinvestirait 5 à 6 % de son chiffre d’affaires pour soutenir la croissance organique, tout en décrivant un hub technologique fondé sur des systèmes cloud, l’IA agentique et des jumeaux numériques. Aucun de ces chiffres n’isole l’IA.

Les groupes décrivent en revanche où va l’argent. Le directeur général de H&M, Daniel Ervér, a expliqué que l’entreprise voulait utiliser l’IA pour prévoir la demande beaucoup plus précisément, jusqu’à chaque nœud de stock, et qu’elle dotait ses équipes de création d’outils d’IA qui, selon lui, « peuvent vraiment renforcer leur créativité à grande échelle ». Inditex a mis en avant l’outil d’essayage par IA de Zara, actif dans 43 marchés au 31 janvier 2026 et à l’origine de plus de 7 millions de sessions. Il s’agit dans les deux cas d’informations d’usage et d’intention ; aucune des deux entreprises n’y a associé de coût ni de retour financier.

La communication la plus précise que nous ayons trouvée vient du polonais LPP, propriétaire de Reserved et Sinsay. Lors d’une journée investisseurs en mai 2026, l’entreprise a déclaré consacrer environ 10 % de son budget informatique aux nouvelles technologies, IA comprise, selon Reuters. C’est une part, non un montant, et elle regroupe l’IA avec d’autres technologies nouvelles.

Les enquêtes comblent le vide, avec des réserves. Dans le IT Buyer Pulse Check de BCG, la part nette des répondants de la mode et de la distribution qui prévoient d’augmenter leurs dépenses informatiques sur les 12 mois suivants (ceux qui augmentent moins ceux qui réduisent) est passée de 26 % au premier semestre 2023 à 51 % au second semestre 2024, ce qui fait grimper le secteur de la sixième à la deuxième place sur neuf secteurs, derrière la seule finance. La troisième enquête annuelle State of AI in Retail and CPG de NVIDIA, publiée en janvier 2026, indique que 90 % des répondants prévoyaient d’augmenter leurs budgets d’IA en 2026, et que la moitié attendait des hausses de 10 % ou plus. NVIDIA vend des infrastructures de calcul pour l’IA, et l’enquête couvre l’ensemble de la distribution et des biens de consommation, pas seulement la mode.

Les cabinets de conseil ajoutent des estimations de ce que cet argent pourrait rapporter, tirées de missions clients plutôt que de résultats audités. Dans une note de novembre 2025 destinée aux dirigeants de la mode et du luxe, BCG affirme que les marques dotées d’expériences basées sur l’IA ou de leurs propres agents d’achat observent des gains de conversion de 5 à 15 %, que l’usage d’agents en marketing peut réduire de 30 à 50 % les coûts de production marketing et accélérer de 40 % le développement de contenus, et que l’IA appliquée à la conception peut diminuer de 20 à 30 % les coûts d’échantillonnage. Ces fourchettes proviennent de l’analyse propre de BCG et d’exemples d’entreprises, dont Zalando ; ce ne sont pas des moyennes d’enquête pour le secteur, et le document ne précise pas quelle part des entreprises de mode les atteint.

L’IA est-elle désormais une priorité absolue pour les dirigeants de la mode ?

Oui, même si elle rivalise avec les droits de douane, la faiblesse de la demande et les prix. Dans l’enquête auprès des dirigeants de State of Fashion 2026 (BoF et McKinsey), 13 % des répondants ont cité le développement des capacités en IA, numérique et technologie, et leur intégration dans les opérations, comme la plus grande opportunité de 2026, la réponse la plus fréquente. Un an plus tôt, l’extension des cas d’usage de l’IA arrivait en deuxième position, avec 9 %. Plus de 35 % des dirigeants disent déjà utiliser l’IA générative dans des domaines comme le service client en ligne, la création d’images, la rédaction et la découverte de produits.

Le luxe a avancé plus vite que sa réputation ne le laisse penser. Outre le bond de 5 à 22 % des maisons classant l’IA parmi leurs trois priorités, le rapport du Comité Colbert et de Bain indique que 39 % des groupes et maisons ont défini une vision, une stratégie et une feuille de route en matière d’IA, et que 48 % supplémentaires ont une vision assortie de quelques projets pilotes. L’enquête auprès des dirigeants qui sous-tend ces chiffres est de petite taille, 35 répondants issus de 23 maisons et groupes : chaque point de pourcentage représente donc une poignée d’entreprises.

Combien d’entreprises de mode ont déployé l’IA au-delà des projets pilotes ?

Moins que ne le laissent penser les classements de priorités. S’exprimant sur l’étude State of Fashion 2026 en février 2026, Colleen Baum, de McKinsey, a jugé le secteur « un peu plus lent à adopter l’IA » et déclaré que « environ 90 % des projets sont restés bloqués au stade pilote ». Le rapport cite lui-même des travaux plus larges de McKinsey, tous secteurs confondus, selon lesquels 92 % des organisations comptent augmenter leurs investissements dans l’IA générative, alors que seul 1 % décrit leurs déploiements comme matures.

Là où les maisons de luxe ont déployé l’IA à grande échelle, c’est surtout dans des fonctions que les clients ne voient jamais. L’enquête du Comité Colbert et de Bain relève une adoption à grande échelle dans la gestion des connaissances chez 74 % des répondants, dans l’informatique chez 41 % et dans le sourcing, les achats et la fabrication chez 33 %.

L’IA tournée vers le client est moins avancée. Seules 5 % des maisons de luxe déclarent une personnalisation numérique à grande échelle avec un impact mesurable, et 5 % un impact significatif d’un CRM piloté par l’IA à grande échelle. Pour l’assistance à la vente augmentée par l’IA, le tableau est plus contrasté : 35 % des maisons ont déployé des solutions avec au moins un certain impact, 20 % en développent ou en testent, et 45 % n’ont aucun projet ou évaluent encore.

Quels retours les entreprises de mode tirent-elles de l’IA ?

Les enquêtes indépendantes sont sobres. Près de 60 % des entreprises de luxe de l’étude du Comité Colbert et de Bain n’ont pas encore constaté d’impact significatif d’un quelconque déploiement d’IA, et même dans les fonctions les plus avancées, seuls 13 à 15 % déclarent un impact significatif sur l’activité. Les répondants ont nommé les obstacles : 60 % citent la difficulté à définir une stratégie axée sur la valeur et 60 % le manque de ressources internes, a rapporté Modaes.

Les données multisectorielles vont dans le même sens. L’enquête State of AI 2026 de McKinsey, menée en mai et juin 2026 auprès de 1 719 participants, indique que 44 % des répondants jugent que l’IA se déploie à l’échelle de leur entreprise, mais que 37 % seulement estiment qu’elle a contribué positivement à l’EBIT, un niveau quasi inchangé par rapport à 2025. Les « high performers », qui attribuent à l’IA au moins 5 % de leur EBIT, représentent environ 6 % des répondants. Les réductions de coûts sont le plus souvent signalées dans la gestion de la chaîne d’approvisionnement, les opérations de service et la fabrication, les gains de revenus dans le marketing et les ventes.

La taille joue un rôle. Dans la même enquête de McKinsey, 54 % des répondants d’organisations réalisant au moins 1 Md USD de chiffre d’affaires déclarent un déploiement de l’IA à l’échelle de l’entreprise, contre un tiers dans les organisations plus petites, et 40 % des grandes organisations déploient des agents d’IA dans au moins une fonction, contre 27 % un an plus tôt. Les répondants de la grande consommation et de la distribution déclarent le plus souvent utiliser des agents en marketing et en vente. Pour les marques de mode de taille moyenne, cela laisse penser que l’écart avec les plus grands groupes se creuse plutôt qu’il ne se réduit.

Les études d’éditeurs sont bien plus positives. Dans l’enquête NVIDIA sur la distribution et les biens de consommation, 89 % des répondants disent que l’IA aide à augmenter le chiffre d’affaires annuel et 95 % qu’elle aide à réduire les coûts annuels ; 30 % déclarent des hausses de revenus supérieures à 10 % et 37 % des baisses de coûts supérieures à 10 %. L’enquête fait état de « centaines de réponses » sans décrire sa méthodologie, et les chiffres sont auto-évalués. Il faut les lire comme un indice du sentiment d’entreprises déjà engagées dans l’IA, non comme des retours mesurés.

Quelles entreprises de mode peuvent démontrer des retours mesurables de l’IA ?

Deux distributeurs européens se distinguent parce qu’ils associent des chiffres à des processus précis. Le communiqué annuel 2025 de Zalando, publié en mars 2026, indique que l’entreprise a fait passer le contenu produit généré par l’IA de près de zéro à 90 % en un an, ramené la création de campagnes de six semaines à quelques jours et accru de 70 % sa production de contenus. Son IA Size and Fit, qui s’appuie sur les mensurations de plus d’un million de clients, a réduit de plus de 8 % les retours liés à la taille, et ses modèles de matchmaking ont généré une hausse de 13 % des articles ajoutés au panier. Le rapport State of Fashion 2026 ajoute que l’IA générative a fait baisser de 90 % les coûts de production d’images de Zalando et ramené le temps de production de six à huit semaines à trois ou quatre jours.

LPP a donné les chiffres de coûts les plus directs. Selon le compte rendu de Reuters sur sa journée investisseurs de mai 2026, l’IA génère désormais 80 % des visuels marketing du groupe, contre 20 % en 2025, et les coûts de production de contenus ont baissé de 60 %. L’analyse des tendances et la conception des collections prennent 6 à 12 semaines, contre 6 à 12 mois auparavant. LPP utilise aussi un outil d’IA qui analyse la fréquentation et les données mobiles pour choisir les emplacements de magasins, et affirme que 98 % des magasins Sinsay physiques sont rentables, ce qu’elle juge impossible sans cette analyse d’implantation.

Les deux cas ont des traits communs. Les retours se concentrent dans la production de contenus, où les coûts sont visibles et le travail répétitif ; dans les retours et les tailles, où le résultat se compte facilement ; et dans les cycles de planification. Ce sont, dans les deux cas, des déclarations d’entreprise et non des résultats audités, et aucune des deux ne publie le coût de l’IA qui a produit ces économies : un véritable retour sur investissement ne peut donc pas être calculé de l’extérieur.

Pourquoi les enquêtes et les rapports d’entreprise racontent-ils des histoires différentes ?

Parce qu’ils mesurent des choses différentes, auprès de personnes différentes, dans des buts différents. Le tableau présente les principales sources utilisées dans cet article et ce que chacune peut, ou ne peut pas, apprendre à un dirigeant de la mode.

Les enquêtes déclaratives saisissent les convictions et les intentions, utiles pour jauger la pression concurrentielle. Les communications d’entreprise saisissent les résultats, mais seulement ceux que la direction choisit de publier. Les comptes audités, la preuve la plus solide, ne contiennent aucune ligne consacrée à l’IA. Il en résulte que les chiffres les plus assurés du secteur sont aussi les moins vérifiables.

Quels sont les risques de dépenser en IA sans retours clairs ?

Le premier risque est le purgatoire des projets pilotes. Si l’estimation de McKinsey, selon laquelle environ 90 % des projets d’IA dans la mode restent bloqués au stade pilote, est proche de la réalité, une grande partie des dépenses actuelles achète des expériences et non des capacités. Les plaintes des répondants de Bain sur la stratégie et les ressources internes suggèrent que le goulot d’étranglement est organisationnel plutôt que technique.

Le deuxième est la perturbation de l’emploi sans plan. State of Fashion 2026 cite des estimations de McKinsey selon lesquelles 28 à 38 % des activités actuelles des salariés de la grande consommation et de la distribution en Europe et aux États-Unis pourraient être affectées par la technologie d’ici 2030, et 60 % des dirigeants, tous secteurs confondus, voient dans la culture d’entreprise le principal obstacle aux transformations technologiques. Les économies sur la production de contenus, domaine où les retours sont les plus nets, portent directement sur le travail créatif et de production.

Le troisième est la dérive de la mesure. Des indicateurs opérationnels comme le volume de contenus peuvent progresser pendant que la qualité de la marque ou la conversion reculent, et aucune des communications examinées ici ne signale de résultats négatifs. Les effets auto-évalués sur le chiffre d’affaires, comme ceux des enquêtes d’éditeurs, ne se distinguent pas des hausses de prix, des dépenses marketing ou de la reprise du marché.

L’argument inverse est qu’attendre a aussi un coût. L’IA change la façon dont les clients trouvent les produits. State of Fashion 2026 indique que les recherches d’IA générative liées à l’achat ont crû de 4 700 % entre juillet 2024 et juillet 2025, que 23 % des consommateurs utilisent déjà principalement l’IA générative pour découvrir des produits, et que le chiffre d’affaires par visite généré par l’IA sur les sites de distribution américains a progressé de 84 % entre janvier et juillet 2025. Le rapport estime que le commerce agentique pourrait peser 3 000 à 5 000 Md USD d’ici 2030 dans un scénario d’adoption modérée. Les dépenses d’infrastructure dans les systèmes de données et de planification peuvent mettre des années à porter leurs fruits, et les entreprises qui attendent des preuves risquent de voir le canal évoluer sans elles.

Que doivent faire les entreprises de mode dès maintenant ?

1. Isoler une ligne budgétaire IA Suivez les dépenses d’IA séparément au sein des investissements technologiques et des coûts d’exploitation, même sans les publier, afin de pouvoir calculer les retours.
2. Commencer là où les coûts sont visibles Privilégiez la production de contenus, les tailles et les retours, ainsi que la planification de la demande, où les cas de Zalando et de LPP montrent que les résultats se comptent.
3. Fixer une date de fin aux projets pilotes Donnez à chaque pilote un indicateur et une échéance, puis généralisez-le ou arrêtez-le, pour éviter le stade pilote où la plupart des projets de mode s’enlisent.
4. Mesurer par rapport à une base de référence Relevez le coût par visuel, l’erreur de prévision ou les taux de retour avant le déploiement, afin que les progrès ne soient pas déduits après coup.
5. Considérer les enquêtes d’éditeurs comme un indicateur de climat Fondez vos décisions d’investissement sur des preuves indépendantes et auditées, et lisez les gains de revenus auto-évalués comme des indices, non comme des preuves.
6. Planifier la transition des équipes Décidez à l’avance comment les métiers du contenu, du service client et de la planification évolueront, et budgétez la reconversion en même temps que la technologie.