Développer, acheter ou s'associer ? Comment les entreprises de mode doivent se doter de capacités en IA

Les entreprises de mode ont généralement intérêt à acheter l'IA pour les tâches courantes comme la rédaction, la traduction, le service client et le traitement de documents, à ne la développer que là où leurs propres données et processus créent un véritable avantage, comme la prévision pour leur assortiment spécifique, et à s'associer à des fournisseurs de technologie lorsqu'elles ont besoin à la fois d'échelle et d'une personnalisation poussée. La plupart finissent avec un mélange des trois, si bien que la vraie décision se prend cas d'usage par cas d'usage.

Quelles sont les options pour se doter d'IA ?

Que disent les données sur le choix entre développer et acheter ?

Les données récentes les plus claires viennent de l'initiative NANDA du MIT. Son rapport 2025 The GenAI Divide, fondé sur des entretiens, une enquête auprès des salariés et une analyse de déploiements publics, a montré que l'achat d'outils d'IA auprès de fournisseurs spécialisés et la construction de partenariats réussissaient dans environ 67 % des cas, tandis que les développements internes ne réussissaient qu'environ trois fois moins souvent, selon Fortune. Les chercheurs attribuaient les échecs principalement à des outils non adaptés aux workflows réels.

Dans le même temps, développer est devenu moins coûteux pour certaines tâches. L'enquête State of AI 2026 de McKinsey a montré que 32 % des répondants déclaraient que leur organisation avait renoncé à acheter au moins un logiciel ou une fonctionnalité parce qu'elle pouvait développer la fonction en interne avec des outils de codage agentiques. Cela suggère que l'option du développement devient viable pour des applications plus petites et bien définies, même si les grands systèmes d'IA sur mesure restent risqués.

Lire aussi

Tendances technologiques de la mode en 2026 : ce qui est réel et ce qui relève du battage

Quand l'achat d'IA a-t-il du sens pour une entreprise de mode ?

Acheter a du sens lorsque la tâche est similaire d'une entreprise à l'autre et que l'échelle du fournisseur lui donne de meilleures données, de meilleurs modèles ou une meilleure maintenance que ce qu'une seule marque pourrait obtenir. Dans la mode, cela couvre généralement :

• La traduction et les premiers jets de descriptions produit.
• L'assistance au service client et le routage des tickets.
• Le traitement de documents, comme la lecture de factures, de bons de livraison ou de commandes reçues par e-mail.
• La retouche d'images, la suppression d'arrière-plans et l'étiquetage visuel de base.
• Les assistants de productivité pour le travail de bureau, les réunions et les e-mails.

Les fonctions d'IA sont aussi de plus en plus intégrées aux logiciels que les entreprises de mode utilisent déjà pour la planification, les informations produit, l'e-commerce et l'ERP. Activer ces fonctions est souvent la voie la plus rapide, à condition de pouvoir les tester par rapport à une base de référence comme tout autre investissement.

Quand une entreprise de mode doit-elle développer sa propre IA ?

Développer a du sens lorsque le cas d'usage dépend de données ou de processus propres à l'entreprise et qui constituent un avantage concurrentiel : prévision pour un assortiment et un mix de canaux particuliers, recommandations de taille fondées sur les coupes et les retours propres à la marque, ou logique de prix liée à un modèle commercial distinctif. Cela exige aussi les compétences nécessaires pour maintenir la solution, car les modèles se dégradent à mesure que les produits, les clients et les marchés évoluent.

Développer signifie rarement entraîner des modèles de zéro. Le plus souvent, il s'agit de combiner un modèle de fondation ou des méthodes standard de machine learning avec les données, règles et interfaces propres à l'entreprise. La différenciation réside dans les données et le workflow, pas dans l'algorithme.

À quoi ressemble un partenariat dans la pratique ?

Les grandes entreprises de mode co-développent de plus en plus avec les principaux fournisseurs de technologie. Zalando a développé son assistant shopping avec OpenAI et l'a étendu à 25 marchés dans les langues locales, selon OpenAI. Levi Strauss & Co. a annoncé en novembre 2025 un partenariat avec Microsoft pour construire dans Microsoft Teams un « superagent » IA, un assistant d'orchestration qui répond aux questions des collaborateurs en s'appuyant sur plusieurs agents en coulisses, destiné au personnel du siège, des magasins et des entrepôts, selon Microsoft. Les deux cas combinent la plateforme d'un fournisseur avec les données et processus propres à l'entreprise.

Le partenariat convient aux cas d'usage stratégiques à grande échelle, mais il exige de la clarté sur qui possède ce qui est construit, qui peut le réutiliser et comment les responsabilités sont réparties en cas de problème.

Comment les entreprises de mode doivent-elles évaluer les fournisseurs d'IA ?

Les promesses des fournisseurs doivent être vérifiées avec soin. Gartner estime que seuls environ 130 des milliers de fournisseurs se réclamant de l'IA agentique proposent de véritables capacités agentiques ; beaucoup rebaptisent des assistants, de l'automatisation robotisée des processus ou des chatbots existants, ce que Gartner appelle « agent washing ». Les questions utiles à poser à tout fournisseur d'IA comprennent :

1. Pouvez-vous montrer l'outil fonctionnant sur nos données, et pas seulement dans une démonstration ?
2. Quels modèles utilisez-vous, et comment gérez-vous les changements de modèle et les erreurs ?
3. Nos données servent-elles à entraîner des modèles pour d'autres clients, et pouvons-nous refuser ?
4. Comment l'outil s'intègre-t-il à notre ERP, à nos informations produit et à nos systèmes e-commerce ?
5. Combien coûte-t-il à pleine échelle, et comment l'usage est-il facturé ?
6. Comment exporter nos données et nos configurations si nous partons ?

Lire aussi

Comment mener un choix de logiciel (appel d'offres) sans perdre une saison

Comment éviter la dépendance et protéger vos données ?

Le risque de dépendance augmente à mesure qu'un outil d'IA s'installe dans le travail quotidien. Les contrats doivent préciser qui possède les données d'entrée, les résultats et les éventuels modèles affinés, si les données de l'entreprise peuvent servir à l'entraînement, où les données sont traitées, ce qu'il advient des données à la fin du contrat et comment les prix peuvent évoluer. Conserver des données produit, de stock et clients bien structurées dans des systèmes que l'entreprise contrôle est la protection la plus efficace, car cela fait d'un changement de fournisseur un projet maîtrisable plutôt qu'un nouveau départ.

La réponse pragmatique à la question développer, acheter ou s'associer est donc un portefeuille : acheter pour les tâches courantes, développer de manière sélective là où les données de l'entreprise créent un avantage, s'associer pour les grands programmes stratégiques, et garder le contrôle des données dont dépendent ces trois options.