Quels modèles retirer avant la campagne de vente ? Comment l'IA aide à éditer la collection
Présenter trop de modèles pendant la campagne de vente coûte des échantillons, des minimums et de la marge. Comment l'IA note les modèles avant que la collection ne soit montrée aux acheteurs, et où les merchandisers doivent passer outre.
L'ESSENTIEL Résumé de la rédaction
- L'édition de collection (line edit) est la décision, prise avant la campagne de vente wholesale, sur les modèles et coloris développés qui seront présentés aux acheteurs et ceux qui seront abandonnés.
- L'IA soutient l'édition de collection en prédisant les prises de commandes probables de chaque modèle à partir de ses attributs et de modèles passés comparables, et en signalant les recoupements entre modèles qui se cannibaliseraient.
- Les marques resserrent déjà leurs gammes : selon des données JOOR publiées en décembre 2025, la part des marques développant une collection capsule de nouveaux modèles est passée de 19 % en 2023 à 37 % en 2025.
- Levi Strauss a indiqué en juillet 2025 réduire les modèles et coloris peu performants pour se concentrer sur les produits les plus susceptibles de se vendre à plein prix, selon EMARKETER.
- Les prédictions pour les modèles nouveaux et directionnels sont par nature fragiles : l'IA doit donc classer la gamme de base et les reconductions, tandis que les merchandisers protègent une part délibérée de nouveautés et de pièces qui construisent la marque.
L'IA aide à décider quels modèles retirer avant une campagne de vente en estimant les prises de commandes probables de chaque modèle à partir de ses attributs et des performances de modèles passés comparables, et en repérant les modèles si proches les uns des autres qu'ils se partagent la demande. L'équipe merchandising s'appuie ensuite sur ce classement pour éliminer les options les plus faibles et les plus redondantes avant la fabrication des échantillons et la présentation de la collection aux acheteurs. Le modèle éclaire l'édition ; il ne remplace pas le jugement créatif et commercial de la revue de collection.
Qu'est-ce que l'édition de collection, et pourquoi est-elle importante aujourd'hui ?
Dans une activité wholesale, le design et le développement produisent généralement plus de modèles et de coloris que la marque n'entend en vendre. L'édition de collection, ou revue de collection (line review), réduit cette gamme à la collection qui sera échantillonnée et présentée aux acheteurs du commerce de détail. Chaque modèle conservé a un coût : échantillons, photographie, espace en showroom, minimums de production et, s'il se vend mal, démarques ou surstocks.
Plusieurs pressions poussent les marques vers des gammes plus resserrées. Le livre blanc de JOOR sur les tendances du wholesale, publié en décembre 2025, indique que la part des marques produisant une collection entièrement nouvelle est passée de 86 % en 2023 à 83 % en 2025, tandis que la part de celles développant une collection capsule de nouveaux modèles est passée de 19 % à 37 %, et que les modèles permanents (evergreen) sont passés de 37 % de la valeur des ventes de la plateforme en 2019 à 49 % en 2024. Le même document rappelle que les règles européennes issues du règlement sur l'écoconception des produits durables (ESPR) restreindront la destruction des invendus, ce qui renchérit le coût de la surproduction.
Comment l'IA note-t-elle les modèles avant que les acheteurs ne les voient ?
L'approche habituelle traite chaque nouveau modèle comme un ensemble d'attributs : catégorie, silhouette, matière, famille de couleurs, tranche de prix, grille de tailles, thème. Un modèle entraîné sur plusieurs saisons d'historique de commandes apprend comment ces attributs, et leurs combinaisons, se traduisent en prises de commandes wholesale par marché et par type de compte. Il prédit ensuite les prises de commandes de chaque modèle proposé et les compare aux minimums de production et aux objectifs de marge.
D'autres analyses viennent approfondir le tableau. Le score de similarité montre où deux modèles sont quasiment identiques, de sorte que le plus faible peut être abandonné sans perte de demande. Le contrôle de l'échelle de prix révèle les trous ou les encombrements au sein d'une catégorie. Lorsqu'elles sont disponibles, les données de sell-out des détaillants aident à distinguer les modèles que les acheteurs commandent de ceux que les consommateurs achètent réellement, ce qui compte pour le potentiel de réassort.
| Analyse | Question traitée | Fiabilité |
|---|---|---|
| Prédiction des prises de commandes pour les reconductions et mises à jour | Ce modèle atteindra-t-il les minimums ? | Relativement élevée avec un bon historique |
| Prédiction des prises de commandes pour les nouveaux modèles | Comment une idée nouvelle pourrait-elle performer ? | Faible, à utiliser comme signal ténu |
| Similarité et cannibalisation | Quels modèles se disputent la même commande ? | Moyenne, dépend de la qualité des attributs |
| Analyse de l'échelle de prix | Des prix sont-ils encombrés ou manquants ? | Élevée, largement fondée sur des règles |
| Marge au volume prédit | Le modèle vaut-il d'être produit ? | Dépend de la précision du costing |
Quels modèles sont typiquement candidats à l'abandon ?
- Les modèles dont les prévisions restent nettement sous les minimums de production sur tous les marchés.
- Les coloris qui ajoutent de la complexité sans ajouter de prises de commandes prévues, en particulier dans les petites tailles de la gamme.
- Les quasi-doublons de modèles plus forts dans la même tranche de prix.
- Les modèles dont la marge au volume prédit reste sous l'objectif une fois intégrés les coûts d'échantillonnage et de minimums.
- Les articles dont les modèles passés comparables ont eu un sell-out faible, même si les acheteurs les avaient commandés.
Les entreprises présentent la réduction de gamme en termes commerciaux plutôt que techniques. EMARKETER a rapporté en juillet 2025 que Levi Strauss réduisait son nombre de SKU, en supprimant les modèles et coloris peu performants pour faire place aux produits les plus susceptibles de se vendre à plein prix, et s'attendait à ce que cela diminue les coûts de fabrication et les démarques. Le directeur financier de Nike a déclaré en décembre 2024, selon Retail Dive, que l'entreprise visait une réduction significative de l'offre de ses franchises de chaussures classiques au cours des saisons suivantes. Aucun de ces deux articles n'attribue ces décisions à l'IA ; ils illustrent le type de décision que l'analytique d'édition de collection soutient.
Quand les merchandisers doivent-ils passer outre le modèle ?
Les modèles entraînés sur les commandes passées récompensent ce qui s'est déjà vendu. Ils ont tendance à sous-estimer les nouvelles silhouettes, les couleurs émergentes et les pièces qui complètent un look en showroom même si elles se vendent modestement. Ils ne peuvent pas non plus juger du positionnement de la marque, de l'intention d'un designer ou de la demande d'un détaillant stratégique. Les merchandisers doivent traiter un score faible comme une question (pourquoi ce modèle est-il là ?) plutôt que comme une coupe automatique, et consigner la raison chaque fois qu'ils conservent un modèle mal noté, afin que la décision puisse être réexaminée après la campagne.
Le calendrier constitue une autre contrainte. L'édition de collection a généralement lieu plusieurs semaines avant la campagne de vente, lorsque le costing peut encore être provisoire et que les minimums de tissu ne sont pas définitifs. Les scores doivent donc être actualisés à mesure que les coûts et les minimums sont confirmés, et l'équipe merchandising doit savoir quelles données sont des estimations. Un modèle qui paraît non rentable sur un coût provisoire peut devenir viable dès qu'un tissu est partagé avec d'autres modèles, un lien que le modèle ne verra que si les données de nomenclature (bill of materials) sont reliées à l'analyse.
Comment une marque peut-elle introduire l'IA dans la revue de collection ?
- Nettoyer les données d'attributs d'au moins trois saisons passées, car le modèle dépend d'un étiquetage cohérent.
- Faire un back-test : noter l'ensemble de la gamme développée d'une saison passée et comparer les prédictions au carnet de commandes réel.
- Commencer par les modèles reconduits et mis à jour, pour lesquels les prédictions sont les plus fiables.
- Présenter les scores lors de la revue de collection aux côtés de la marge et des minimums, avec une brève explication pour chacun.
- Suivre le devenir des modèles conservés et abandonnés, y compris si des idées abandonnées ont été reprises par des concurrents.
Les attentes doivent rester mesurées. McKinsey et The Business of Fashion ont indiqué en novembre 2025 que la productivité portée par la technologie devient indispensable, car l'échelle et le sourcing à bas coût ne suffisent plus à préserver les marges. Une édition de collection plus rigoureuse est une voie concrète vers cette productivité, mais son bénéfice vient de moins d'échantillons gaspillés et de moins de surstocks, pas d'un modèle qui saurait ce que les acheteurs vont adorer.
Questions fréquentes
Qu'est-ce qu'une revue de collection dans la mode ?
C'est la réunion ou le processus au cours duquel le design, le merchandising et les ventes décident quels modèles et coloris développés entrent dans la collection finale présentée aux acheteurs. Des modèles sont écartés en raison d'un potentiel commercial faible, de recoupements ou de questions de marge. Elle a généralement lieu avant l'échantillonnage pour la campagne de vente.
L'IA peut-elle prédire quels nouveaux modèles se vendront ?
En partie seulement. Les modèles peuvent estimer la performance à partir des attributs et de modèles passés comparables, ce qui fonctionne raisonnablement pour les reconductions et les mises à jour. Pour des créations réellement nouvelles, les prédictions sont fragiles et ne doivent être qu'un élément parmi d'autres.
Combien de modèles une collection wholesale doit-elle compter ?
Il n'existe pas de chiffre universel. Cela dépend des comptes de la marque, de ses catégories, de ses minimums de production et de son positionnement. Les données du secteur montrent que de nombreuses marques évoluent vers des collections plus resserrées et des capsules, mais la bonne taille doit découler de l'analyse de la marge et du sell-through des saisons passées.
De quelles données l'IA a-t-elle besoin pour éditer une collection de mode ?
Des attributs produit cohérents, plusieurs saisons d'historique de commandes par modèle et par compte, le costing et les minimums, et idéalement des données de sell-out des détaillants. La qualité des attributs est généralement le principal point faible. Sans elle, les modèles de similarité et de prédiction ne sont pas fiables.
Une édition chaque jour ouvrable. Lue en cinq minutes. Gratuite pour les professionnels.
