Que peuvent révéler les prix de revente aux designers sur les tendances de mode ?

Les prix de revente et les données de recherche sur le marché de la seconde main indiquent aux designers quels produits existants les consommateurs désirent encore après la première vente : quelles silhouettes conservent ou prennent de la valeur, quels modèles d'archives reviennent et quelles marques retrouvent leur désirabilité. Contrairement à la visibilité sur les réseaux sociaux, un prix de revente reflète ce que quelqu'un était prêt à payer. Cela fait des données de seconde main un complément précieux à la prévision des tendances classique, en particulier pour les décisions de reconduction et les rééditions d'archives, même si elles présentent des limites nettes en dehors des segments luxe et premium.

Pourquoi les données de revente deviennent-elles un signal de tendance ?

Le marché de la seconde main a atteint une taille qui compte. Le Resale Report 2025 de ThredUp, tel que rapporté par Retail Dive, prévoit que le marché américain de l'habillement de seconde main atteindra 74 milliards de dollars d'ici 2029 et le marché mondial 367 milliards de dollars, et constate qu'un record de 58 % des consommateurs américains ont acheté des vêtements de seconde main en 2024. Le rapport The State of Fashion 2026 de McKinsey et The Business of Fashion fait de la revente l'un de ses dix thèmes et s'attend à ce que la mode de seconde main croisse deux à trois fois plus vite que le marché du neuf d'ici 2027.

À mesure que les transactions migrent vers les plateformes de revente, celles-ci accumulent des données structurées sur les prix, les délais de vente, les recherches et les listes de souhaits pour des marques et des modèles précis. Certaines publient des rapports annuels fondés sur ces données, que designers et merchandisers peuvent lire comme une vision de la désirabilité à long terme plutôt que de l'engouement de la saison de lancement.

Que révèlent les données de revente que les autres données de tendance ne montrent pas ?

Lire aussi

L'IA dans la revente et la mode de seconde main : authentification, fixation des prix et mise en ligne

Qu'ont rapporté les plateformes de revente en 2025 ?

Le rapport 2025 de The RealReal sur la revente, publié en septembre 2025, donne des exemples du type de signaux disponibles. Il fait état de hausses de valeur de revente pour des pièces classiques, dont le Birkin 30 d'Hermès (15 %), le Speedy de Louis Vuitton (13 %), le cabas Saint Louis de Goyard (18 %) et les bijoux Alhambra de Van Cleef & Arpels (20 %). Il désigne Isabel Marant comme la marque du retour de l'année, avec une croissance de 54 % sur un an, et relève une forte dynamique pour des designers américains comme Diotima (en hausse de 152 %).

Le même rapport met en évidence des revivals : il cite les robes bandage Hervé Léger, en hausse de 106 %, dans le cadre d'une nostalgie pour la mode des années 2010, et indique que près de 30 % de membres supplémentaires ont consulté l'offre vintage par rapport à l'année précédente. Il montre aussi comment les événements font bouger la demande, avec une envolée des recherches de 488 % liée au départ de Jonathan Anderson de Loewe. Ces chiffres sont propres à la plateforme et décrivent les membres de The RealReal, pas l'ensemble du marché.

Comment les designers et les merchandisers peuvent-ils exploiter les signaux de revente ?

1. Identifiez les modèles qui conservent leur valeur. Les modèles dont les prix de revente restent proches du prix initial, voire le dépassent, sont candidats à des programmes de continuité plutôt qu'à un remplacement saisonnier.
2. Exploitez délibérément vos archives. Lorsque les recherches de revente pour une époque augmentent, passez en revue vos propres archives à la recherche de modèles correspondants et testez une réédition limitée.
3. Surveillez l'attractivité de vos concurrents. Une demande de seconde main croissante pour un concurrent peut signaler un déplacement de la désirabilité avant qu'il n'apparaisse dans les ventes de produits neufs.
4. Vérifiez la durabilité et la qualité. Les modèles qui se revendent bien partagent souvent des qualités de construction et de matière ; intégrez ces enseignements dans les spécifications.
5. Utilisez vos propres données de reprise ou de revente. Les marques qui gèrent leur propre programme de revente disposent de données directes, au niveau du modèle, sur ce que les clients rapportent et sur ce qui se revend.

Dans quels cas les données de revente induisent-elles en erreur ?

• Biais de segment : les marchés de revente liquides existent surtout pour le luxe, le premium et certaines marques de sportswear ; pour les basiques et le mass market, trop peu de pièces sont revendues pour en tirer des conclusions.
• Décalage temporel : la revente reflète des produits des saisons passées ; elle signale donc une désirabilité durable et des revivals plutôt que des tendances entièrement nouvelles.
• Biais de plateforme : chaque plateforme a sa propre base de membres, ses politiques tarifaires et ses règles d'authentification, et les rapports sont aussi des documents marketing.
• Effets d'offre : une hausse de prix peut refléter une rareté, par exemple après une réduction de production par une marque, plutôt qu'une demande croissante.
• Pics événementiels : les moments people ou les changements de directeur artistique provoquent des envolées de recherches de courte durée qui peuvent ne pas durer.

Les designers doivent donc lire les signaux de revente comme une donnée parmi d'autres. Un modèle qui se revend bien indique à une équipe que quelque chose en lui a duré, que ce soit la forme, la matière ou l'histoire de la marque, mais pas lequel de ces facteurs compte le plus. Cette interprétation exige toujours le jugement du design et, idéalement, une comparaison avec les données de ventes de produits neufs et de retours pour le même modèle.

Lire aussi

Comment fixer les prix et créer les annonces de mode de seconde main avec l'IA

Comment l'IA aide-t-elle à transformer les données de revente en données utiles au design ?

Les annonces de revente sont désordonnées : descriptions rédigées par les utilisateurs, dénominations incohérentes et photos de qualité variable. La reconnaissance d'images et les modèles de langage peuvent aider à rattacher les annonces à des modèles précis, à extraire des attributs tels que la couleur et la matière et à suivre l'évolution des prix dans le temps. Les techniques qu'utilisent les plateformes de tendances pour lire les images sociales peuvent s'appliquer aux annonces de revente. Le résultat est le plus utile lorsqu'il est rattaché aux codes produit et aux attributs propres à la marque, de sorte qu'un designer puisse voir, par exemple, qu'un patron de veste d'il y a trois saisons se revend désormais au-dessus de son prix initial dans deux coloris, mais pas dans un troisième.

Utilisées ainsi, les données de revente ne remplacent pas les prévisions de tendances tournées vers l'avenir. Elles ajoutent une vision rétrospective, pondérée par l'argent, de ce qui a duré : précisément l'information qui manque à de nombreuses collections au moment de décider ce qu'il faut garder, ce qu'il faut faire revenir et ce qu'il faut cesser de produire.