McKinsey : l'IA générative pourrait ajouter 150 à 275 milliards de dollars aux bénéfices d'exploitation de la mode en 3 à 5 ans

McKinsey estime que l'intelligence artificielle générative pourrait ajouter entre 150 milliards et 275 milliards de dollars aux bénéfices d'exploitation des secteurs de l'habillement, de la mode et du luxe au cours des trois à cinq prochaines années, selon l'analyse 2023 du cabinet de conseil. Cette fourchette reflète un scénario conservateur à optimiste, et l'enjeu est suffisamment important pour justifier l'appétit croissant du secteur pour l'investissement. Plus de 35 pour cent des dirigeants de la mode utilisent déjà l'intelligence artificielle générative dans les opérations quotidiennes, selon le rapport State of Fashion 2026 publié par McKinsey et Business of Fashion en décembre 2025.

Pourtant, la maturité de l'adoption est très en retard par rapport aux intentions. Alors que 92 pour cent des organisations de mode affirment qu'elles augmenteront leurs investissements dans l'intelligence artificielle générative, seulement 1 pour cent décrivent leur déploiement comme mature, selon la même enquête auprès de dirigeants menée pour le State of Fashion 2026. Beaucoup restent bloqués en mode pilote, testant des solutions d'IA cloisonnées avec un impact limité, la mise à l'échelle étant souvent perçue comme trop complexe ou coûteuse.

Le contraste entre ambition et exécution est important car l'environnement opérationnel de la mode se détériore. Quarante-six pour cent des dirigeants de la mode s'attendent à ce que les conditions du secteur s'aggravent en 2026, contre 39 pour cent dans l'enquête de l'année précédente. Les droits de douane, la confiance déclinante des consommateurs et la pression sur les stocks forcent les marques à rechercher de nouveaux leviers d'efficacité. Dans ce contexte, l'IA passe d'un avantage concurrentiel à une nécessité commerciale, soutient McKinsey.

D'où proviendront les 150 à 275 milliards de dollars de valeur ?

L'estimation de McKinsey couvre l'ensemble de la chaîne de valeur, de la conception et du merchandising au marketing, l'optimisation de la chaîne d'approvisionnement et les opérations en magasin. Le rapport McKinsey de 2023, Generative AI: Unlocking the Future of Fashion, décrit des cas d'usage dans six domaines majeurs : merchandising et produit, marketing, commerce numérique et expérience client, chaîne d'approvisionnement et logistique, opérations en magasin, et organisation et fonctions de support.

Dans le merchandising et le produit, l'intelligence artificielle générative peut convertir des croquis, des planches tendances et des descriptions en designs haute fidélité, enrichir l'idéation de produits en collaborant avec des agents IA qui génèrent des options créatives à partir de lignes de produits antérieures et d'images inspirantes, et personnaliser des produits pour des consommateurs individuels à grande échelle. Un groupe de design basé à Hong Kong du Laboratory for Artificial Intelligence in Design a organisé un défilé de mode en décembre 2022 présentant des créations assistées par l'intelligence artificielle générative, un signal précoce de ce que la technologie pourrait permettre.

Dans le marketing, environ 22 pour cent des tâches peuvent être automatisées d'ici 2030 avec l'intelligence artificielle générative, en particulier dans le développement de stratégies, l'idéation de campagnes et la création de contenu, selon le rapport State of Fashion 2026. Les fonctions de communication et de marketing pourraient connaître les plus grandes augmentations de gains de temps grâce à l'automatisation avec l'intelligence artificielle générative dans l'industrie américaine de la mode. McKinsey estime que l'IA peut augmenter la productivité marketing de 10 à 20 pour cent grâce à un meilleur ciblage et une meilleure optimisation, et que la personnalisation peut augmenter les revenus de 5 à 15 pour cent.

Dans la chaîne d'approvisionnement et la logistique, les prévisions de demande pilotées par l'IA peuvent réduire les erreurs de prévision de 20 à 50 pour cent et réduire les ventes perdues jusqu'à 65 pour cent, tandis que l'optimisation des stocks peut réduire les stocks de 20 à 50 pour cent, selon les recherches de McKinsey. Les systèmes de commande numériques et les outils d'IA peuvent améliorer la visibilité des stocks et optimiser l'allocation de la main-d'œuvre en magasin.

L'estimation de McKinsey s'applique à l'ensemble du secteur. Au niveau de l'entreprise individuelle, les rendements dépendent de la qualité du déploiement, de la maturité des données et de la capacité à intégrer l'IA dans les flux de travail plutôt que de la laisser dans des silos expérimentaux.

Quels scénarios d'adoption déterminent qui capte la valeur ?

Morgan Stanley a suivi l'adoption de l'IA parmi les entreprises de biens de consommation durables et d'habillement et a constaté que la part classée comme adopteurs d'IA a plus que doublé, passant de 20 pour cent à 44 pour cent au cours du premier semestre 2025. Le cadre de la banque suggérait que les marques de mode et les détaillants pourraient voir une opportunité totale d'économies de coûts de 6 milliards de dollars et un potentiel au milieu des estimations, se traduisant par une augmentation de 20 pour cent des bénéfices avant intérêts et impôts en 2026.

Les entreprises qui ont déployé l'IA dans au moins deux fonctions affichent des marges bénéficiaires avant intérêts et impôts supérieures de 8 à 12 pour cent par rapport aux concurrents qui n'ont pas adopté l'IA, selon le rapport State of Fashion 2025 de McKinsey. L'écart entre les adopteurs d'IA et les non-adopteurs se creuse, alimenté par un pouvoir de fixation des prix et des gains d'efficacité supérieurs chez les premiers, a noté Morgan Stanley.

L'adoption s'accélère le plus rapidement dans les applications orientées client. Plus de 35 pour cent des dirigeants déclarent déjà utiliser l'intelligence artificielle générative dans des domaines tels que le service client en ligne, la création d'images, la rédaction, la recherche de consommateurs ou la découverte de produits. La découverte et la recherche de produits par les clients était le cas d'usage le mieux classé pour l'intelligence artificielle générative en 2025, selon les dirigeants de la mode interrogés pour le State of Fashion 2025.

Le rapport State of Fashion 2026 note que les entreprises de tous les secteurs devraient débloquer des gains de productivité de plus de 30 pour cent au cours des cinq prochaines années grâce à l'automatisation et à l'intelligence artificielle générative. D'ici 2030, environ un tiers du temps des employés dans tous les secteurs pourrait être automatisé par l'intelligence artificielle générative et d'autres technologies en Europe et aux États-Unis.

Combien les entreprises de mode doivent-elles investir pour capter la valeur de l'IA générative ?

Les besoins d'investissement varient selon la taille et l'ambition de l'entreprise. Pour les petites marques et les marques indépendantes, les coûts annuels des outils d'IA se situent généralement entre 350 et 2 400 dollars, générant des économies de 5 000 à 50 000 dollars ou plus dès la première saison grâce à la réduction des coûts d'échantillonnage, de photographie et d'itération. Les opérations de taille moyenne signalent des économies moyennes de 2 millions à 5 millions de dollars par saison grâce à l'intelligence artificielle générative qui réduit les coûts d'échantillonnage physique jusqu'à 90 pour cent, selon l'analyse BCG citée dans la recherche sur l'industrie de la mode.

Les grandes entreprises font face à des coûts initiaux plus élevés. L'investissement typique pour un déploiement d'IA à l'échelle de l'entreprise varie de 2 millions à 10 millions de dollars ou plus, couvrant les licences de plateforme, l'infrastructure de données, le travail d'intégration et l'acquisition de talents. Cependant, les rendements de la première année peuvent être substantiels lorsque l'IA est déployée dans plusieurs fonctions. Une analyse a estimé qu'un grand détaillant de mode pourrait réaliser des économies annuelles de 2,16 millions de dollars dans les coûts de traitement des retours uniquement en réduisant les retours grâce à des outils d'essayage virtuel et d'ajustement alimentés par l'IA.

Le rapport State of Fashion 2026 souligne que 92 pour cent des organisations affirment qu'elles augmenteront leurs investissements dans l'intelligence artificielle générative, mais beaucoup sont bloquées en mode pilote, testant des solutions d'IA cloisonnées avec un impact limité. La mise à l'échelle est le goulot d'étranglement. Une étude du MIT de 2025 a révélé que seulement 5 pour cent des pilotes d'IA extraient des millions de valeur, les données et les modèles opérationnels, et non les modèles d'IA eux-mêmes, étant identifiés comme la principale contrainte.

Quelles entreprises ont déployé l'IA générative à grande échelle et avec quels résultats ?

Zalando fait partie des adopteurs les plus avancés. La plateforme de mode européenne a signalé que l'intelligence artificielle générative a réduit les coûts de production d'images de 90 pour cent, selon le rapport State of Fashion 2026. Au quatrième trimestre 2024, 70 pour cent de son contenu éditorial était généré par l'IA. La part du contenu produit généré par l'IA est passée de presque zéro à 90 pour cent en un an, tandis que les délais de création de campagne sont passés de six semaines à quelques jours, selon les déclarations de l'entreprise en mai 2026.

Zalando a étendu son assistant IA pour inclure des recommandations beauté aux côtés des conseils de mode début 2026. Près de 10 millions de clients ont utilisé l'assistant au premier trimestre 2026 seulement, contre 6 millions sur l'ensemble de 2025. L'entreprise a signalé une croissance du volume brut de marchandises du groupe de 21,7 pour cent en glissement annuel à 4,29 milliards d'euros au premier trimestre 2026, tandis que les revenus ont augmenté de 23,8 pour cent à 3 milliards d'euros. Les bénéfices ajustés avant intérêts et impôts ont augmenté de 38,7 pour cent en glissement annuel à 65 millions d'euros, soutenus par 10 millions d'euros de synergies de l'acquisition d'ABOUT YOU avant les coûts d'intégration.

Ralph Lauren a lancé Ask Ralph, un assistant d'achat conversationnel alimenté par l'IA, en septembre 2025. Construit en partenariat avec Microsoft et alimenté par Azure OpenAI, l'outil utilise le traitement du langage naturel pour fournir des présentations visuelles achetables de tenues complètes basées sur des invites conversationnelles. L'entreprise a signalé des résultats du deuxième trimestre de l'exercice 2026 meilleurs que prévu en novembre 2025, avec des revenus nets de 2,01 milliards de dollars, en hausse de 16,5 pour cent sur une base déclarée et de 14 pour cent en devises constantes. Le résultat net du deuxième trimestre était de 207,5 millions de dollars, contre 147,9 millions de dollars au cours de la période de l'année précédente.

H&M a piloté des jumeaux numériques en 2024 et 2025, créant des modèles IA à partir de 30 modèles humains avec consentement explicite et gestion des droits. L'entreprise utilise des avertissements explicites sur les images de jumeaux numériques. Mango a lancé une campagne pour adolescents entièrement construite avec l'IA en 2025 et utilise désormais des variantes publicitaires IA basées sur des modèles pour mettre à l'échelle la création.

Etro utilise l'IA pour améliorer les descriptions de produits, soutenir les traductions multilingues et générer des actifs créatifs pour les pages de produits, comme présenté au Business of Fashion VOICES en décembre 2025. L'édition hiver 2026 de Shopify, publiée en décembre 2025, a introduit plus de 150 fonctionnalités alimentées par l'IA, notamment la génération de descriptions de produits optimisées pour le référencement, l'édition d'images intégrée et un système de catalogue IA qui déduit automatiquement les catégories de produits à travers des milliards de listes.

Quels sont les risques et les limites de l'IA générative dans la mode ?

Les biais algorithmiques représentent l'une des préoccupations éthiques les plus largement discutées. Les modèles d'IA formés sur des données d'images peuvent involontairement renforcer des biais concernant le type de corps, la couleur de peau et les normes culturelles. La recherche démontre que les systèmes de mode pilotés par l'IA reflètent fréquemment les préférences dominantes des consommateurs car les données d'entraînement proviennent généralement de grandes marques, des médias sociaux et des principaux marchés de détail. Si les ensembles de données sont incomplets, biaisés ou non autorisés, le résultat pourrait être des prédictions de tendances trompeuses, une taille incorrecte ou un contenu culturellement insensible.

Les préoccupations concernant la confidentialité et la sécurité des données augmentent. Les outils de mode IA nécessitent des données personnelles telles que des photos, des mesures corporelles, des préférences de style et des modèles comportementaux. En 2026, les consommateurs soucieux de la confidentialité sont de plus en plus sélectifs quant aux outils qu'ils utilisent. Les outils qui expliquent clairement quelles données ils collectent et comment elles sont utilisées connaissent des taux d'adoption plus élevés. Certains outils traitent les photos de garde-robe localement plutôt que de les envoyer vers des serveurs cloud, un différenciateur croissant.

La provenance des données d'entraînement derrière les modèles d'imagerie IA alimentant les productions des marques de mode reste une question active. Plusieurs poursuites judiciaires majeures en 2024 et 2026 ont examiné si les générateurs d'images IA formés sur des photographies non créditées constituent un usage équitable ou une violation. Les marques utilisant des fournisseurs d'imagerie IA devraient se renseigner sur les sources de données d'entraînement et préférer les fournisseurs avec des origines de données d'entraînement propres et documentées.

Les hallucinations et les problèmes de précision restent un risque technique. Le contenu généré par l'IA peut produire des informations factuellement incorrectes ou des résultats absurdes. La divulgation et la transparence deviennent des exigences réglementaires émergentes. D'ici la fin de 2027, les marques de mode utilisant des images générées par l'IA dans la publicité pourraient faire face à un étiquetage obligatoire dans plusieurs grands marchés. La loi européenne sur l'IA exige un étiquetage obligatoire des médias synthétiques à partir de 2026. La Fashion Workers Act de New York, en vigueur en juin 2025, exige un consentement explicite pour les répliques numériques de mannequins.

Des préoccupations concernant l'emploi apparaissent également. Les mannequins humains et les travailleurs créatifs peuvent perdre des opportunités au profit de systèmes automatisés, créant une tension entre efficacité et pratiques de travail équitables. McKinsey présente l'intelligence artificielle générative comme un multiplicateur de productivité dans la conception, le marketing et le merchandising, avec environ 30 pour cent du temps des employés automatisable d'ici 2030, tandis que la direction créative et le goût restent humains. En pratique, les designers utilisent l'IA pour l'idéation et l'itération rapide, pas pour gérer des collections en pilotage automatique.

Les retours sur investissement restent incertains pour beaucoup. Gartner a prédit qu'au moins 30 pour cent des projets d'intelligence artificielle générative seraient abandonnés après la preuve de concept d'ici la fin de 2025. L'étude MIT NANDA a révélé que seulement 5 pour cent des pilotes d'IA extraient des millions de valeur, les données et les modèles opérationnels, et non les modèles d'IA eux-mêmes, étant identifiés comme le goulot d'étranglement principal.

Comment l'IA générative impacte-t-elle les différentes fonctions de la chaîne de valeur de la mode ?

Dans la conception et le développement de produits, la recherche de McKinsey souligne qu'un quart de la valeur de l'intelligence artificielle générative dans la mode pourrait provenir du style et du développement de produits. Vingt-huit pour cent des acteurs du secteur intégraient déjà l'IA dans les processus de conception créative dès 2023. L'IA aide les marques à visualiser les concepts plus rapidement tandis que les designers restent responsables de l'édition et de la finalisation des vêtements, selon un rapport du Wall Street Journal de janvier 2026.

Dans le merchandising et la planification, l'IA est de plus en plus utilisée pour soutenir la prévision de la demande, les décisions de tarification et la planification d'assortiment. Les équipes de merchandising peuvent réagir plus rapidement aux tendances de performance. Les informations soutenues par l'IA aident à guider les décisions d'allocation et à réduire les risques d'excédent ou de pénurie. D'ici 2030, environ un tiers du temps des employés dans la mode pourrait être automatisé par l'intelligence artificielle générative et d'autres technologies.

Dans le marketing, les organisations qui mettent en œuvre des flux de travail agentiques peuvent s'attendre à une croissance des revenus de 10 à 30 pour cent grâce au marketing hyperpersonnalisé, selon les recherches de McKinsey. Les systèmes agentiques sont estimés accélérer la création et l'exécution de campagnes marketing de 10 à 15 fois en accélérant à la fois le brainstorming et la validation des idées. Le marketing passe de la production de contenu à la curation, avec environ 22 pour cent des tâches marketing automatisables d'ici 2030.

Dans les opérations et la logistique inverse, les retours sont une cible majeure. On estime que 19,3 pour cent des ventes en ligne aux États-Unis ont été retournées en 2025, selon la National Retail Federation. Les taux de retour d'habillement en ligne se situent dans la fourchette de 24 à 30 pour cent. Les détaillants mettant en œuvre l'essayage virtuel ont enregistré une réduction de 23 pour cent des taux de retour d'habillement, certaines catégories atteignant 40 pour cent, selon une analyse Forrester de 2025.

Quels contre-arguments remettent en question l'estimation de 150 à 275 milliards de dollars ?

L'estimation de McKinsey est une projection à l'échelle du secteur sur trois à cinq ans, pas un résultat garanti pour les entreprises individuelles. Elle suppose que les entreprises de mode réussiront à mettre à l'échelle l'IA au-delà des pilotes, à l'intégrer dans les flux de travail principaux et à capturer des gains d'efficacité. Les données du State of Fashion 2026 montrent que 92 pour cent prévoient d'augmenter les investissements mais seulement 1 pour cent ont des déploiements matures, suggérant que le risque d'exécution est substantiel.

L'estimation suppose également que les gains de productivité se traduisent en bénéfices d'exploitation plutôt que d'être éliminés par la concurrence via des prix plus bas ou investis dans des initiatives de croissance qui n'augmentent pas immédiatement les marges. Dans un environnement déflationniste où les consommateurs sont sensibles aux prix et où les segments de valeur s'élargissent, les marques peuvent choisir de transmettre les économies de coûts générées par l'IA aux clients plutôt que de les conserver comme profit.

Certains observateurs du secteur soutiennent que la valeur peut être concentrée en amont dans des domaines comme la génération d'images et le service client, où les gains précoces sont visibles, mais plus difficile à capturer dans des domaines comme la conception et le merchandising, où l'IA augmente plutôt que remplace le jugement humain. Le Wall Street Journal a rapporté en janvier 2026 que l'IA aide les marques à visualiser les concepts plus rapidement tandis que les designers restent responsables de l'édition et de la finalisation des vêtements, suggérant que les gains de productivité dans les fonctions créatives peuvent être plus modestes que dans les fonctions opérationnelles.

Il y a également un débat sur la taille du marché adressable. L'estimation de McKinsey s'applique aux bénéfices d'exploitation de l'habillement, de la mode et du luxe. Le marché mondial de la mode était évalué à environ 997 milliards de dollars en 2026, selon McKinsey et Business of Fashion. Si le secteur affiche une croissance à un chiffre faible comme prévu, et si les marges d'exploitation restent sous pression en raison des droits de douane et des coûts des intrants, le pool absolu de bénéfices d'exploitation disponible à augmenter peut être plus petit que ne le suggère la fourchette de 150 à 275 milliards de dollars.

Enfin, l'estimation ne tient pas compte des coûts de déploiement de l'IA, notamment les licences de plateforme, l'infrastructure de données, le travail d'intégration, l'acquisition de talents et la radiation des pilotes échoués. Si 30 pour cent des projets d'intelligence artificielle générative sont abandonnés après la preuve de concept, comme Gartner l'a prédit, la valeur nette capturée par le secteur sera inférieure à l'opportunité brute.

Questions fréquemment posées

Que devraient faire les entreprises de mode maintenant ?

1. Auditer les pilotes d'IA actuels et éliminer ceux qui ne peuvent pas être mis à l'échelle. Si un pilote fonctionne depuis plus de six mois sans chemin clair vers le déploiement en production, dotez-le de ressources appropriées ou fermez-le. Le chiffre de maturité de 1 pour cent signale que la plupart des entreprises accumulent des pilotes, pas des solutions de mise à l'échelle.
2. Prioriser les cas d'usage avec un retour sur investissement mesurable et des périodes de récupération courtes. Commencez par la génération d'images, les descriptions de produits et le service client, où les fournisseurs offrent des outils éprouvés et les résultats sont visibles en quelques semaines. Évitez les constructions personnalisées complexes dans des domaines comme la prévision de tendances jusqu'à ce que les fondations opérationnelles soient en place.
3. Investir dans la qualité et l'intégration des données avant les modèles. L'étude MIT NANDA a révélé que les données et les modèles opérationnels, et non les modèles d'IA, sont le goulot d'étranglement. Des données de produits propres, des systèmes d'inventaire intégrés et des profils clients unifiés sont des prérequis pour mettre à l'échelle l'IA dans la chaîne de valeur.
4. Établir une gouvernance claire pour les biais, la transparence et le consentement. Établir des lignes directrices pour la provenance des données d'entraînement, exiger des fournisseurs qu'ils documentent les sources de données et mettre en œuvre la détection des biais et des mesures de diversité. Se préparer aux exigences de divulgation obligatoires en étiquetant le contenu généré par l'IA dès maintenant.
5. Requalifier les équipes et recruter pour de nouveaux rôles. Les principaux critères d'embauche incluent l'expertise en qualité des données, intégration de systèmes, jumeaux numériques et automatisation du marketing, selon le State of Fashion 2026. Former les employés existants aux flux de travail assistés par l'IA plutôt que de supposer que l'automatisation déplacera simplement les effectifs.
6. Mesurer les gains de productivité, pas seulement les réductions de coûts. Suivre les gains de temps, la vélocité des campagnes, la vitesse d'itération et la réduction des erreurs aux côtés des indicateurs de coûts. Les plus grands rendements proviennent de faire plus avec les mêmes ressources, pas seulement de faire la même chose avec moins de ressources.
7. Planifier l'IA agentique en 2027 et au-delà. Alors que les déploiements actuels se concentrent sur l'intelligence artificielle générative pour le contenu et les recommandations, l'IA agentique qui peut prendre des décisions et automatiser des processus systématiques émerge. Les marques devraient surveiller les développements du commerce agentique, où les agents IA assistent avec la recherche, la sélection de produits et les achats.