Comment mesurer l'essayage virtuel : un protocole de test et les chiffres à suivre
Les utilisateurs de l'essayage ne forment pas un échantillon aléatoire : les comparaisons naïves surestiment donc les résultats. Un protocole de test avec groupe témoin, les indicateurs qui comptent et les pièges à éviter.
L'ESSENTIEL Résumé de la rédaction
- Les résultats publiés sont prometteurs mais reposent largement sur des déclarations d'entreprises : selon eMarketer, le directeur de la science appliquée de Zalando a indiqué à Business of Fashion que les retours avaient baissé de 40 % après un test d'avril 2023.
- Les personnes qui choisissent d'utiliser une fonction d'essayage diffèrent de celles qui ne le font pas : comparer utilisateurs et non-utilisateurs surestime donc l'effet. Il vaut mieux répartir aléatoirement les visiteurs auxquels la fonction est proposée.
- L'indicateur principal doit être la marge nette par visiteur exposé, complétée par le taux de conversion, le taux de retour par motif, le panier moyen et le réachat.
- Un protocole de différence de différences avec groupe de contrôle, tel qu'utilisé dans une étude de 2021 du Journal of Operations Management sur les retours gratuits, constitue une option pratique lorsque la répartition aléatoire des visiteurs est impossible.
- Le compte rendu de Zalando distingue les pilotes du déploiement : l'entreprise fait état de taux de retour en baisse jusqu'à 40 % lors des pilotes de cabine d'essayage virtuelle et d'une réduction de 10 % des retours liés à la taille pour son outil de mesure, ce qui montre que les effets dépendent de la catégorie et de la conception.
Pour mesurer correctement l'essayage virtuel, proposez la fonction de façon aléatoire à une partie de votre trafic, conservez un groupe témoin qui n'y a pas accès et comparez la marge nette par visiteur, plutôt que l'usage ou la seule conversion. Les utilisateurs qui s'inscrivent d'eux-mêmes ne sont pas représentatifs : une simple comparaison entre utilisateurs et non-utilisateurs flatterait la technologie. Définissez les indicateurs, la durée et les règles d'arrêt avant le lancement.
Quels résultats les détaillants ont-ils publiés pour l'essayage virtuel ?
eMarketer a rapporté en avril 2026 que Levi Strauss développait une fonction d'IA générative baptisée Imagine on Me, que Zara avait introduit plus tôt en 2026 une fonction d'essayage par IA pour les utilisateurs de son application, et que Zalando prévoyait de déployer sa technologie d'essayage virtuel auprès de tous ses clients en 2026. Le média cite un entretien de Business of Fashion dans lequel le directeur de la science appliquée de Zalando affirme que les retours ont baissé de 40 % après un test d'avril 2023. Une start-up, Catches, anticipe une hausse de 10 % des conversions et un retour sur investissement de 20 à 30 fois, ce qui relève d'une attente d'éditeur et non d'un résultat mesuré. eMarketer note également que les entreprises en sont surtout à des tests préliminaires et que la plupart des clients ne sont pas intéressés par les outils d'essayage par IA.
Le compte rendu de Zalando de juin 2026 apporte du contexte. Il indique que les taux de retour ont baissé jusqu'à 40 % lors des pilotes de cabine d'essayage virtuelle, et que la fonction utilise les mensurations pour créer un avatar 3D permettant de comparer les tailles d'un même article. Un outil antérieur de recommandation de taille à partir de deux photos avait, selon Just Style en juillet 2023, réduit de 10 % les retours liés à la taille pour les hauts et les robes pour femmes en Allemagne, en Autriche et en Suisse. L'écart entre 10 % et jusqu'à 40 % montre à quel point les résultats dépendent de l'outil, de la catégorie et de la comparaison.
Comment concevoir un test d'essayage virtuel valide ?
- Choisissez un périmètre étroit : une ou deux catégories où l'incertitude sur la coupe est élevée et où les motifs de retour sont bien enregistrés, comme les jeans ou les robes.
- Répartissez l'exposition de façon aléatoire au niveau du visiteur ou du client, afin que le groupe auquel l'essayage est proposé et le groupe témoin soient comparables. Conservez l'affectation pour qu'un visiteur qui revient retrouve la même expérience.
- Enregistrez si chaque visiteur exposé a utilisé la fonction, afin d'estimer à la fois l'effet du fait de se la voir proposer (intention de traiter) et l'effet chez les utilisateurs, tout en gardant le premier comme chiffre principal.
- Fixez par écrit, avant le lancement, les indicateurs, la durée minimale et la règle de décision. Utilisez un calcul de puissance pour déterminer la taille de l'échantillon, plutôt que de vous arrêter lorsqu'un chiffre vous plaît.
- Suivez les commandes jusqu'à ce que les retours se soient matérialisés, ce qui, dans la mode, impose d'attendre au moins la fin de votre délai de retour, auquel s'ajoute le temps de traitement.
- Présentez les résultats par catégorie, par appareil et par client nouveau ou récurrent, et maintenez le groupe témoin jusqu'à l'analyse finale.
Quels chiffres faut-il suivre ?
| Indicateur | Pourquoi il compte | Point de vigilance |
|---|---|---|
| Marge nette par visiteur exposé | Combine conversion, panier, coût des retours et coût de la fonction | Exige une imputation fiable des coûts de retour |
| Taux de conversion | Montre si l'essayage lève l'hésitation | Peut augmenter alors que les retours augmentent aussi |
| Taux de retour par motif (taille, coupe, aspect) | Montre si la fonction agit sur le problème visé | Les codes motifs sont souvent incohérents |
| Panier moyen et nombre d'articles par commande | Détecte le bracketing, c'est-à-dire la commande de plusieurs tailles | Un panier plus faible peut être un bon résultat si les retours baissent |
| Usage de la fonction et taux d'achèvement | Montre si les clients parviennent à l'utiliser | L'usage n'est pas l'impact |
| Réachat sur une période définie | Teste l'argument de la fidélité | Nécessite un suivi plus long |
| Coût par session (calcul, licences) | Indispensable au calcul du ROI | Les coûts unitaires évoluent avec le volume |
Quelles sont les erreurs courantes dans la mesure de l'essayage ?
- Comparer utilisateurs et non-utilisateurs. Les personnes qui essaient sont peut-être déjà plus décidées ou plus engagées : l'écart surestime donc la fonction.
- Mesurer trop tôt. Les retours arrivent après les commandes. Un gain de conversion sans données de retours n'apprend pas grand-chose.
- Confondre le pilote et le déploiement. Un pilote sur une catégorie avec des clients enthousiastes se transpose rarement à l'identique.
- Ignorer la qualité des images et le réalisme de l'avatar. Si le rendu trompe sur la coupe ou la couleur, les retours peuvent augmenter pour de nouvelles raisons. Suivez les retours codés comme non conforme à la photo.
- Négliger le volet des coûts. Les promesses de ROI exigent de prendre en compte les coûts de calcul, d'intégration, de support et de licences, en regard des gains.
Que faire si vous ne pouvez pas répartir les visiteurs de façon aléatoire ?
Un protocole quasi expérimental peut convenir. Une étude de 2021 sur les retours gratuits chez un détaillant suédois de mode en ligne, publiée dans le Journal of Operations Management, a utilisé comme marché test celui où le changement avait été introduit (le Danemark, à partir du 1er novembre 2017) et d'autres marchés européens comme groupe de contrôle, en comparant l'avant et l'après par différence de différences. Les auteurs ont éprouvé la robustesse des résultats par des tests de tendances parallèles, des études d'événements et des tests placebo. La même logique s'applique si vous lancez l'essayage d'abord sur un seul marché, à condition de tenir compte des différences saisonnières et des promotions qui ne touchent qu'un marché.
Anticipez les données dont vous aurez besoin. Les enregistrements de commandes, de retours et de sessions doivent être rapprochés au niveau du client, avec des codes motifs de retour cohérents et un indicateur d'exposition. Si vos motifs de retour sont en texte libre, prenez le temps de les nettoyer avant le test, car toute l'analyse visant à savoir si l'essayage agit sur la taille et la coupe en dépend. Convenez avec la finance de la façon dont les coûts de traitement des retours sont imputés, afin que la marge calculée résiste à l'examen lors de la présentation des résultats.
Comment interpréter le résultat ?
Regardez d'abord la marge nette par visiteur exposé et son intervalle de confiance. Si elle est positive et que le taux de retour a baissé pour les motifs visés, étendez la fonction à des catégories similaires. Si la conversion a augmenté sans baisse des retours, la fonction relève peut-être davantage du marketing que de la réduction des retours, ce qui correspond à un autre modèle économique. Si l'usage est faible, améliorez l'emplacement et la rapidité avant de juger la technologie. Enfin, documentez ce que vous avez testé et pendant combien de temps, afin que la catégorie suivante puisse réutiliser le protocole.
Questions fréquentes
L'essayage virtuel réduit-il les retours dans la mode ?
Certains détaillants l'affirment. Zalando indique que les taux de retour ont baissé jusqu'à 40 % lors des pilotes de cabine d'essayage virtuelle et, selon eMarketer, que les retours ont reculé de 40 % après un test d'avril 2023. Ce sont des chiffres d'entreprise issus de pilotes : testez l'effet sur votre propre assortiment avant de supposer des résultats similaires.
Quel est le meilleur indicateur pour un test d'essayage virtuel ?
La marge nette par visiteur exposé, car elle intègre la conversion, la taille du panier, le coût des retours et le coût d'exploitation de la fonction. Suivez le taux de retour par motif et la conversion comme indicateurs complémentaires.
Combien de temps un test d'essayage virtuel doit-il durer ?
Assez longtemps pour atteindre la taille d'échantillon issue de votre calcul de puissance et pour observer les retours, soit au moins votre délai de retour plus le temps de traitement. Évitez de l'arrêter prématurément parce qu'un résultat paraît favorable.
Pourquoi ne pas simplement comparer les utilisateurs de l'essayage aux autres clients ?
Parce que les utilisateurs se sélectionnent eux-mêmes. Ils sont peut-être déjà plus engagés ou plus sûrs de leur choix : la comparaison surestime donc l'effet de la fonction. Proposer la fonction de façon aléatoire et analyser tous ceux à qui elle est proposée supprime ce biais.
Une édition chaque jour ouvrable. Lue en cinq minutes. Gratuite pour les professionnels.
SOURCES
- eMarketer: Retailers rely on virtual try-on to curb returns, boost conversions
- Zalando Corporate: How Zalando uses technology to help customers find the right size
- Just Style: Zalando reduces size-related returns with new tool
- Hanken School of Economics: The impact of free returns on online purchase behavior, evidence from an intervention at an online retailer
