L'IA dans le PLM : qu'ont ajouté les principaux éditeurs de PLM mode en 2025 et 2026 ?

En 2025 et 2026, les principaux éditeurs de PLM mode ont ajouté trois types d'IA : l'extraction, qui transforme croquis et documents en données structurées de dossier technique (PTC FlexPLM), les studios génératifs pour les croquis, déclinaisons coloris et visuels reliés aux fiches du PLM (Centric AI Studio), et les plateformes agentiques qui automatisent de bout en bout certaines parties du développement produit (Lectra Apogy). L'idée commune est d'intégrer l'IA au système de référence, afin que les résultats emportent avec eux les données produit et les approbations. Les preuves indépendantes de résultats restent minces.

Qu'ont annoncé les principaux éditeurs ?

Le tableau résume les annonces que nous avons pu vérifier dans des sources primaires ou professionnelles. Il ne s'agit pas d'un panorama exhaustif du marché, et la présence d'un éditeur ne constitue pas une recommandation.

Comment fonctionne l'extraction des dossiers techniques par l'IA dans le PLM ?

PTC décrit son ajout à FlexPLM comme une automatisation de la création des dossiers techniques : le système extrait des données des dessins de création et remplit les nomenclatures, les mesures, les détails de construction, les attributs et les déclinaisons coloris. PTC le présente comme un moyen de supprimer la saisie manuelle au moment du passage du design au développement, de réduire les erreurs et les reprises, et de raccourcir le chemin du concept à l'échantillon prêt pour la production.

L'idée répond à un véritable goulet d'étranglement. Les développeurs produit consacrent une grande partie de leur temps à transférer des informations de croquis et d'e-mails vers des champs structurés. Les questions ouvertes portent sur l'exactitude pour les vêtements complexes, la manière dont les valeurs incertaines sont signalées, et le fait que les données extraites soient clairement marquées jusqu'à ce qu'un développeur les confirme.

Lire aussi

Que permet réellement d'économiser l'échantillonnage 3D ? Coûts des échantillons, délais et carbone

Que sont les studios de design génératif intégrés au PLM ?

Centric Software a lancé Centric AI Studio comme une plateforme d'IA générative intégrée nativement à Centric PLM. Selon l'annonce, elle génère croquis, concepts, déclinaisons coloris et variantes de produits, crée des visuels prêts pour le commerce en dépendant moins des shootings photo, et maintient les résultats reliés aux données produit actualisées du PLM et aux circuits d'approbation. Le chief AI officer de Centric a présenté l'objectif comme le fait d'amener les marques au-delà de « l'expérimentation déconnectée ».

Ce positionnement est l'évolution la plus significative de la période. De nombreuses équipes de design utilisaient déjà des générateurs d'images généralistes en 2024 et 2025, mais les résultats restaient dans des dossiers en dehors de tout système, sans lien avec la fiche du modèle, sans historique des versions et avec des droits incertains. Intégrer la génération au PLM rend les résultats traçables, ce qui compte pour les approbations et pour les questions ultérieures sur la manière dont une image ou un design a été produit.

La 3D fait le lien entre les deux approches. Des intégrations comme celle annoncée par DeSL et Browzwear en janvier 2025 permettent aux équipes de visualiser en 3D les variations de coloris et de matières et d'annoter les modèles 3D en temps réel avec les fournisseurs, au sein du workflow PLM. Les outils génératifs et agentiques s'appuient de plus en plus sur les mêmes vêtements numériques et bibliothèques de matières ; les marques dotées d'une pratique 3D établie et d'une bibliothèque de matières numériques à jour sont donc mieux placées pour utiliser les nouvelles fonctions d'IA que celles qui partent uniquement de croquis à plat.

Que signifie l'IA agentique pour le développement produit ?

Apogy de Lectra est celui qui va le plus loin dans son positionnement. FashionUnited rapporte qu'il combine agents IA, données produit et processus de design dans un même environnement cloud, génère des concepts de design à partir de prompts, de croquis ou d'images, prend en charge la simulation et le rendu 3D, et automatise les tâches routinières. Les premiers utilisateurs cités sont O'Neills en Irlande et Oniverse en Italie. FashionNetwork indique qu'une trentaine de marques et de fabricants ont testé la première version, et que Lectra estime que les entreprises du luxe pourraient réduire de 30 % leur temps de développement produit, tandis que les entreprises de mode pourraient doubler, voire tripler, le nombre de produits développés.

Deux détails méritent l'attention. D'abord, FashionNetwork rapporte que Lectra tire ses revenus du nombre de développements produit réalisés plutôt que de licences utilisateurs, un modèle qui aligne les revenus de l'éditeur sur l'usage. Ensuite, les chiffres de performance sont des affirmations prospectives, et non des résultats audités.

Que manque-t-il encore ?

• Des preuves indépendantes : nous n'avons encore trouvé aucun résultat publié et mesuré de manière indépendante pour les lancements de 2026 ; la plupart des chiffres proviennent des éditeurs ou de leurs clients.
• Des prérequis en matière de données : l'extraction et la génération dépendent de bibliothèques de matières propres, de patronages de base cohérents et de listes de valeurs bien tenues. Des données de référence fragiles limitent les trois types d'outils.
• L'exactitude du bien-aller et de la construction : un rendu convaincant ne prouve pas qu'un vêtement peut être fabriqué tel qu'il est montré. La validation technique nécessite toujours des modélistes et des séances d'essayage.
• La gouvernance : les droits sur les données d'entraînement et les designs générés, ainsi que la mention des visuels générés par IA, restent des questions pour les équipes juridiques et marque.
• La transparence des coûts : une tarification à l'usage peut être intéressante, mais elle doit être modélisée sur des volumes de développement réalistes.

Lire aussi

Comment faire de la 3D la norme dans le PLM ? Workflow, validations et standards de fichiers

Comment les marques doivent-elles évaluer les fonctions d'IA du PLM ?

1. Choisissez un processus pénible (par exemple la création des dossiers techniques pour une catégorie phare) et mesurez le temps et le taux d'erreur actuels.
2. Faites tourner la fonction d'IA sur des modèles réels d'une saison passée, pour lesquels la bonne réponse est connue.
3. Mesurez l'exactitude champ par champ, et non sur une impression d'ensemble, et notez la fréquence à laquelle une personne a dû corriger le résultat.
4. Vérifiez comment les valeurs générées par la machine sont signalées, versionnées et approuvées dans le PLM.
5. Estimez le coût total, y compris le nettoyage des données, la formation et la conduite du changement, et pas seulement les frais de licence ou d'usage.

La direction est claire : l'IA passe des outils annexes au cœur de la fiche produit. Sa rentabilité dépend moins de l'éditeur choisi par une marque que de la qualité des données produit dont l'IA part.