Jonas Hartmann
Écrit sur les modèles économiques, les marges, les prix et l'expansion internationale dans la mode.
Articles de Jonas Hartmann
Comment Revolve utilise les données et les algorithmes pour acheter, fixer ses prix et réassortir
Revolve teste ses modèles en petites quantités et s'appuie sur un tableau de bord propriétaire pour décider des réassorts, avec la vente à plein prix comme priorité. Fonctionnement du modèle, place actuelle de l'IA et zones d'ombre.
Comment Amazon Fashion utilise-t-il l'IA pour recommander les tailles et analyser la coupe ?
Amazon combine un conseil de taille fondé sur l'apprentissage profond, des résumés d'avis générés par IA et un outil d'analyse de la coupe pour les marques, avec un assistant d'achat désormais appelé Alexa for Shopping. Ce qu'Amazon a publié et ce que les marques devraient faire.
Comment prévoir la demande d'un produit de mode sans historique de ventes ?
L'essentiel d'une collection de mode est nouveau à chaque saison : la prévision classique par séries temporelles n'a donc rien sur quoi s'appuyer. Comment l'IA emprunte l'historique de produits similaires, d'images, d'attributs et des premières ventes, et où elle reste limitée.
Comment l'IA peut-elle fixer le bon prix initial d'un produit de mode ?
Le prix initial détermine la part d'un produit qui se vend à plein prix. Comment les modèles d'élasticité estiment la réaction des clients au prix pour les nouveaux articles, de quelles données ils ont besoin et comment les utiliser sans éroder la marque.
Comment choisir un outil de prévision de la demande : la check-list des marques de mode
Les logiciels de prévision de la demande promettent moins de stock et moins de ruptures, mais les résultats dépendent de leur adéquation aux cycles produits de la mode et de vos données. Une check-list neutre pour évaluer les outils avant de signer.
Qu'est-ce que le clustering de magasins et comment l'IA l'améliore-t-elle ?
Le clustering de magasins regroupe les points de vente dont la clientèle et la demande se ressemblent, afin que chaque groupe reçoive l'assortiment et la profondeur adaptés. Comment l'apprentissage automatique construit les clusters, quelles données il utilise et où la méthode trouve ses limites.
Comment la météo et les signaux externes améliorent-ils la prévision de la demande dans la mode ?
Une météo hors saison fait régulièrement bouger les ventes de mode, et les détaillants l'invoquent souvent dans leurs résultats. Ce que la météo, les événements et les données de recherche peuvent apporter à la planification de la demande par IA, dans quelle mesure, et où les preuves sont minces.
Quels KPI d'IA les entreprises de mode doivent-elles suivre dans chaque fonction ?
Une check-list fonction par fonction des indicateurs d'IA pour les entreprises de mode : quoi mesurer, comment établir une référence et comment distinguer l'usage de l'impact métier réel.
L'IA dans le merchandising de mode : ce qu'elle fait, ce dont elle a besoin et où elle échoue
Le machine learning soutient désormais les décisions de prévision, d'assortiment, de prix et de planification dans la mode. Ce guide explique les cas d'usage, les données dont ils dépendent et comment les merchandisers gardent la main.
Comment l'optimisation des stocks par l'IA réduit-elle les invendus et les ruptures dans la mode ?
Le stock de mode est périssable : trop de stock finit en démarques, trop peu en ventes perdues. Comment les modèles d'IA équilibrent les deux, quelles preuves existent et ce dont ils ont besoin pour fonctionner.
Qu'est-ce que le demand sensing et comment fonctionne-t-il dans la mode ?
Le demand sensing met à jour les prévisions à court terme avec les ventes les plus récentes et des signaux externes. Dans la mode, il améliore surtout les décisions en cours de saison : réapprovisionnement, transferts et démarques.
Comment l'IA peut-elle améliorer l'open-to-buy et la planification budgétaire des achats ?
L'open-to-buy indique aux acheteurs combien ils peuvent encore dépenser sans compromettre les objectifs de ventes et de stock. L'IA peut maintenir ce chiffre à jour et le rendre plus réaliste, à condition que le plan qui le sous-tend soit solide.
Comment H&M utilise l'IA : demande, allocation et jumeaux numériques
Depuis 2018, H&M applique l'analytique et l'IA aux quantités d'achat, à l'allocation en magasin et à la tarification, et depuis 2025 à l'imagerie de campagne. Ce qui est documenté et ce que l'entreprise n'a pas communiqué.
L'IA pour les merchandisers et les planificateurs : un guide pratique
Comment l'IA soutient la planification financière merchandising, les prévisions, l'allocation, le réapprovisionnement et les démarques dans la mode, de quelles données elle a besoin, ce que les planificateurs décident encore et comment démarrer.
Obtenir les données de sell-out via EDI : SLSRPT, INVRPT et comment les exploiter
Les rapports de ventes et de stocks des partenaires retail montrent aux marques ce qui se vend réellement, magasin par magasin et taille par taille. Comment fonctionnent ces deux messages EDI et comment les équipes merchandising peuvent s'en servir pour les réassorts.
Comment transformer les rapports de tendances IA en décisions d'assortiment et d'achat ?
Les plateformes de tendances IA décrivent ce qui monte ; un plan de collection exige des quantités, des prix et des limites de risque. Une méthode concrète pour passer du signal à l'achat.
Que peuvent révéler les prix de revente aux designers sur les tendances de mode ?
Les prix et les recherches sur le marché de la seconde main révèlent quels modèles conservent leur valeur, quels revivals se préparent et quelles marques retrouvent leur désirabilité. Comment les lire, et où ils induisent en erreur.
La prévision de la demande par l'IA dans la mode : comment elle fonctionne et où elle échoue
Le machine learning peut améliorer les prévisions pour les lignes reconduites et le réapprovisionnement, mais les nouveaux modèles, les saisons courtes et les retournements de tendance restent difficiles. Ce que les dirigeants doivent en attendre, et ce qu'ils ne doivent pas en attendre.
IA et prix : l'optimisation des démarques expliquée
L'optimisation des démarques s'appuie sur des modèles de demande pour décider quand et dans quelle mesure remiser. Comment elle fonctionne, ce dont elle a besoin, et pourquoi la marque et les relations wholesale doivent en fixer les limites.
Le vocabulaire de l'IA que tout acheteur de mode devrait connaître
Fournisseurs, marques et équipes internes parlent de plus en plus de modèles, d'agents et d'embeddings. Un glossaire pratique pour les acheteurs de mode, avec ce que chaque terme implique pour les décisions d'achat.
L'open-to-buy expliqué : comment les distributeurs de mode budgètent leurs achats
L'open-to-buy indique à un acheteur combien de stock il peut encore acheter sans sortir du plan. Voici comment il se calcule, s'utilise et, souvent, se détourne.
Le calendrier des achats : une année dans la vie d'un acheteur de mode
Les acheteurs de mode travaillent sur plusieurs saisons à la fois. Comment l'année d'achat est structurée, ce qui se passe à chaque étape et comment le calendrier évolue.
Les indicateurs retail expliqués : sell-through, GMROI et semaines de couverture
Trois indicateurs répondent à la plupart des questions sur la performance du stock de mode. Comment calculer le sell-through, le GMROI et les semaines de couverture, et les lire ensemble.
Comment fonctionnent les marges dans la mode, de l'usine au magasin
Du coût usine au prix de l'étiquette : comment se combinent coût de revient rendu, coefficient wholesale et coefficient de détail, et pourquoi les démarques déterminent la marge réellement gagnée.
Architecture de prix : prix de gros, prix de vente conseillé et listes de prix en devises
Comment les marques de mode structurent niveaux de prix, prix de gros, prix de vente conseillés et listes en devises en un système cohérent, auquel les distributeurs font confiance et que la finance peut défendre.