L'IA pour les DSI et les responsables IT de la mode : architecture, données et gouvernance

Pour les DSI et les responsables IT de la mode, le succès de l'IA repose sur trois éléments : des données produit, de ventes et de stocks propres et connectées ; une architecture qui permet aux modèles et aux services d'IA de se brancher sur l'ERP, la planification, le PIM, le commerce et les systèmes wholesale ; et une gouvernance couvrant la sécurité, la confidentialité et la réglementation. Le choix du modèle compte moins que ces fondations, et de nombreux projets s'enlisent sur les données et l'intégration.

Quel est le rôle du DSI dans l'IA au sein d'une entreprise de mode ?

Les paysages IT de la mode sont généralement fragmentés : ERP, gestion du cycle de vie des produits, gestion de l'information produit, planification merchandising, entrepôt, e-commerce, marketplaces, commandes wholesale et caisses des magasins, souvent fournis par des éditeurs différents et acquis sur de nombreuses années. Les équipes métier adressent désormais des demandes d'IA de toutes parts : les acheteurs veulent des prévisions, les designers des outils d'image, l'e-commerce des assistants, la finance de l'automatisation. Le rôle du DSI est d'en faire un portefeuille cohérent, sécurisé, conforme et construit sur des données partagées, et d'empêcher la prolifération d'outils déconnectés.

Une manière pragmatique d'y parvenir est une architecture de référence comportant un petit nombre de modèles d'intégration approuvés : des fonctions d'IA au sein des plateformes existantes, un assistant d'entreprise sécurisé pour la productivité générale, la recherche augmentée sur une base de connaissances de l'entreprise sélectionnée, et des modèles sur mesure uniquement lorsque les données et la valeur le justifient. Chaque modèle s'accompagne de règles standard en matière d'identité, de journalisation, d'accès aux données et de suivi des coûts, afin que les nouvelles demandes puissent être évaluées rapidement au lieu d'être traitées comme des projets ponctuels.

De quelles fondations de données l'IA a-t-elle besoin ?

Gartner a indiqué en février 2025 que 63 % des organisations n'ont pas, ou ne savent pas si elles ont, les bonnes pratiques de gestion des données pour l'IA, et a prédit que, d'ici fin 2026, les organisations abandonneront 60 % des projets d'IA qui ne reposent pas sur des données prêtes pour l'IA. Ses recommandations comprennent l'alignement des données sur des cas d'usage précis, l'évolution de la gestion des métadonnées, la préparation des pipelines et le suivi continu de la qualité des données. Dans la mode, les priorités sont généralement les suivantes :

• Une fiche produit unique avec des attributs, des images et des identifiants cohérents dans le PLM, le PIM, l'ERP et les canaux.
• Les ventes, stocks et retours au niveau du SKU, de la taille et du point de vente, pour le retail, l'e-commerce et le wholesale, y compris les données de sell-out des partenaires wholesale lorsqu'elles sont disponibles.
• Des données clients avec enregistrement des consentements pour la personnalisation et le service.
• Les connaissances non structurées (politiques, instructions d'entretien, documents fournisseurs) préparées pour être exploitées par les modèles de langage.
• Les métadonnées et la traçabilité des données afin que les équipes sachent d'où viennent les données et à qui elles appartiennent.

Lire aussi

L'IA pour les directeurs financiers de la mode : où se trouve la valeur et comment la gouverner

Quelles capacités d'IA l'IT doit-elle développer, acheter ou activer ?

Sur la question développer ou acheter, de nombreuses entreprises de mode achèteront la plupart des capacités et réserveront l'ingénierie interne à l'intégration, aux données et aux cas d'usage réellement différenciants. Sur les agents, la prudence est de mise : Gartner a prédit en juin 2025 que plus de 40 % des projets d'IA agentique seront abandonnés d'ici fin 2027 et a mis en garde contre l'agent washing, ces éditeurs qui rebaptisent des produits existants.

Que signifie l'AI Act européen pour l'IT mode ?

La plupart des cas d'usage de la mode (prévisions, recommandations, contenus) ne sont pas à haut risque au sens de l'AI Act européen, mais certains sont réglementés. Selon l'analyse de l'AI Omnibus par le Future of Privacy Forum, publié au Journal officiel le 24 juillet 2026, les obligations de transparence de l'article 50 pour les chatbots et les contenus synthétiques s'appliquent à partir du 2 août 2026, et les obligations relatives aux systèmes à haut risque listés à l'annexe III, qui incluent certains usages dans l'emploi, s'appliquent à partir du 2 décembre 2027. L'obligation de maîtrise de l'IA prévue à l'article 4 reste en vigueur sous une forme assouplie, qui impose aux organisations de soutenir le développement de la culture de l'IA. Les usages RH, comme le tri des candidatures par l'IA, méritent donc une attention particulière.

Comment les responsables IT doivent-ils gouverner l'IA ?

1. Tenir un inventaire de l'IA recensant chaque outil, fonction et modèle utilisé, y compris l'IA activée au sein des logiciels existants.
2. Classer les cas d'usage par niveau de risque, y compris selon les catégories de l'AI Act européen, la protection des données et le risque pour la marque.
3. Approuver les outils et les flux de données : quelles catégories de données peuvent aller vers quels fournisseurs, et selon quelles conditions contractuelles.
4. Adopter un cadre de référence : la norme ISO/IEC 42001:2023 spécifie les exigences d'un système de management de l'IA, et le NIST AI Risk Management Framework, publié en janvier 2023 pour un usage volontaire, organise le travail en quatre fonctions (govern, map, measure, manage), complétées en juillet 2024 par un profil consacré à l'IA générative.
5. Assurer le suivi en production : qualité, dérive, coûts, incidents de sécurité et retours des utilisateurs.

Lire aussi

L'IA pour les responsables e-commerce mode : un guide pratique

Qu'est-ce qui reste humain, et comment les responsables IT peuvent-ils démarrer en 30 jours ?

Les décisions d'architecture, le choix des éditeurs, l'acceptation des risques et la responsabilité en matière de sécurité et de conformité restent entre les mains des personnes, tout comme la priorisation des demandes métier. Les compétences à développer dans les équipes IT comprennent l'ingénierie des données et la gestion des données produit, l'intégration et la conception d'API, la sécurité de l'IA, le suivi des modèles et la maîtrise des coûts, ainsi qu'une connaissance pratique de la réglementation de l'IA.