McKinsey : comment l'IA générative pourrait-elle ajouter 150-275 milliards de dollars aux profits de la mode en 3-5 ans ?

L'IA générative pourrait ajouter entre 150 et 275 milliards de dollars aux bénéfices d'exploitation de l'industrie mondiale de la mode au cours des trois à cinq prochaines années, selon les projections publiées par McKinsey et The Business of Fashion dans leur rapport State of Fashion 2025. Ces prévisions reflètent des gains de productivité et de nouvelles opportunités de revenus concentrées dans la conception, le marketing, le merchandising et l'engagement client, bien que la capture de valeur devrait favoriser les grands acteurs disposant de l'échelle et de l'infrastructure technique nécessaires pour intégrer la technologie rapidement.

Quels cas d'usage généreront les plus grands gains de profits ?

Le rapport identifie cinq domaines principaux où l'IA générative devrait avoir un impact mesurable. La conception et le développement de produits sont en tête de liste, avec des outils qui accélèrent l'idéation, la génération de motifs et les spécifications techniques, comprimant les cycles de développement et réduisant les coûts d'échantillons. Le marketing et la création de contenu suivent de près, où la génération de texte en image et en vidéo peut réduire les budgets de production et permettre la personnalisation à grande échelle. Les applications de merchandising et de prévision de la demande utilisent des modèles génératifs pour améliorer la planification des assortiments et l'allocation des stocks, réduisant les démarques et les ruptures de stock.

Le service client et l'engagement représentent une quatrième catégorie, avec l'IA conversationnelle traitant les demandes de routine, les recommandations de style et le traitement des retours. Enfin, les fonctions de chaîne d'approvisionnement et d'approvisionnement appliquent des modèles génératifs pour optimiser la sélection des matériaux, la mise en relation avec les fournisseurs et la planification de la production. Dans tous ces domaines, la technologie est valorisée moins pour sa nouveauté que pour son potentiel à automatiser les tâches répétitives, synthétiser de grands ensembles de données et générer rapidement des options.

Qui est positionné pour capter la valeur ?

L'analyse de McKinsey suggère que la concentration de valeur sera prononcée. Les grandes marques et détaillants dotés d'une infrastructure de données établie, d'équipes techniques internes et du capital nécessaire pour licencier ou construire des modèles propriétaires devraient capter une part disproportionnée des gains projetés. L'échelle compte car les applications d'IA générative s'améliorent avec le volume de données d'entraînement, et parce que l'intégration nécessite un investissement soutenu dans les systèmes, les flux de travail et la gestion du changement.

Les opérateurs de marché intermédiaire et plus petits font face à des désavantages structurels. Ils manquent généralement de l'historique des transactions, des données clients et des relations avec les fournisseurs qui alimentent des modèles efficaces, et doivent s'appuyer sur des plateformes tierces ou des fournisseurs de logiciels en tant que service dont les outils peuvent ne pas différencier leurs offres sur des marchés concurrentiels. Le rapport avertit que l'écart de productivité entre leaders et retardataires pourrait s'élargir, avec des implications pour la consolidation du marché et la dynamique concurrentielle à moyen terme.

Quels sont les principaux obstacles à l'adoption ?

Malgré des prévisions optimistes, McKinsey identifie plusieurs points de friction. La complexité d'intégration se classe en tête, car les entreprises de mode doivent connecter les outils d'IA générative avec les systèmes hérités de planification des ressources d'entreprise, de gestion du cycle de vie des produits et de gestion de la relation client, dont beaucoup n'ont pas été conçus pour l'échange de données en temps réel. Les pénuries de talents contraignent également le déploiement, avec une concurrence féroce pour les ingénieurs et les data scientists qui comprennent à la fois la technologie et les exigences du domaine de la mode.

Les préoccupations de marque et créatives présentent un troisième obstacle. Les dirigeants expriment une prudence quant à la dépendance excessive aux résultats algorithmiques dans la conception et le marketing, craignant l'homogénéisation et la perte de voix créative. Les questions de propriété intellectuelle restent non résolues, en particulier autour de la propriété des créations générées par IA et de l'utilisation d'images protégées par le droit d'auteur dans les ensembles de données d'entraînement. L'incertitude réglementaire, en particulier dans l'Union européenne, ajoute une autre couche d'hésitation pour les entreprises planifiant des investissements pluriannuels.

Comment cela se compare-t-il aux cycles technologiques précédents ?

L'estimation de 150 à 275 milliards de dollars de bénéfices d'exploitation est substantielle dans un contexte historique. En comparaison, les vagues antérieures de transformation numérique dans la mode, notamment les plateformes de commerce électronique dans les années 2000 et le commerce mobile dans les années 2010, ont généré de la valeur de manière plus graduelle et avec moins de concentration. L'IA générative diffère par son étendue d'application et la rapidité avec laquelle les adopteurs leaders peuvent passer à l'échelle, grâce à l'infrastructure cloud et aux modèles de fondation pré-entraînés.

Cependant, la fourchette de prévisions reflète une incertitude significative. La limite inférieure suppose une adoption plus lente, des vents contraires réglementaires et un succès d'intégration limité. La limite supérieure nécessite un déploiement généralisé, des gains de productivité soutenus et une monétisation réussie de nouvelles capacités telles que les recommandations de produits hyper-personnalisées et la tarification dynamique. La méthodologie de McKinsey n'est pas entièrement divulguée dans le résumé public, rendant la vérification indépendante difficile, mais les antécédents du cabinet en matière d'évaluations d'impact technologique confèrent du poids à l'estimation.

Que devraient prioriser les dirigeants de la mode maintenant ?

Le rapport conseille une approche progressive. Les dirigeants sont encouragés à commencer par des projets pilotes contenus dans des domaines à fort impact et faible risque tels que la génération d'actifs marketing ou l'automatisation du service client, où un retour sur investissement mesurable peut être démontré rapidement. Les projets pilotes réussis devraient ensuite éclairer des feuilles de route d'intégration plus larges, avec des budgets dédiés pour l'infrastructure de données, le développement d'API et la formation du personnel.

Les questions stratégiques se concentrent sur les décisions de construction ou d'achat. Les groupes plus importants peuvent justifier d'investir dans des modèles propriétaires entraînés sur leurs propres données, tandis que les petits acteurs dépendront probablement de plateformes commerciales. Dans tous les cas, les cadres de gouvernance pour le contrôle de la qualité, la surveillance des biais et la gestion de la propriété intellectuelle sont essentiels. L'avantage concurrentiel, suggère McKinsey, viendra non pas de la technologie elle-même mais de la manière dont elle est efficacement intégrée dans les processus décisionnels et les flux de travail créatifs.

• Tester l'IA générative dans le marketing, la conception ou le service client avant de passer à l'échelle
• Investir dans l'infrastructure de données et la connectivité API pour permettre l'intégration
• Construire des cadres de gouvernance pour la gestion de la propriété intellectuelle, de la qualité et des biais
• Évaluer construction ou achat en fonction de l'échelle, des actifs de données et de la capacité technique
• Surveiller les développements réglementaires, en particulier dans l'UE et aux États-Unis

Les projections du State of Fashion 2025 arrivent alors que les entreprises de mode font face à une pression sur les marges due à la hausse des coûts des intrants, à l'évolution des dépenses des consommateurs et à la fragmentation des canaux. L'IA générative est présentée comme un levier pour restaurer la rentabilité, mais le rapport précise que la réalisation des gains prévus nécessitera une exécution disciplinée, un investissement soutenu et une volonté de restructurer les flux de travail créatifs et opérationnels autour de nouvelles capacités.