De quelles données la recommandation de taille par IA a-t-elle besoin ? Mensurations, avis sur la coupe et retours
La recommandation de taille ne vaut que ce que valent les données qui la sous-tendent. Un guide pratique des données vêtement, client et retours dont les modèles de taille et de coupe ont besoin, et de qui est responsable de chacune dans l'entreprise.
L'ESSENTIEL Résumé de la rédaction
- La recommandation de taille par IA combine trois types de données : les données vêtement (mesures et intention de coupe par taille), les données client (historique d'achats, avis sur la coupe et parfois mensurations) et les données de retours avec leurs motifs.
- Zalando indique que ses indications et recommandations de taille s'appuient sur les informations produit fournies par les marques, les comportements d'achat et de retour, les avis des clients sur la coupe et les observations de mannequins cabine formés qui essaient les produits.
- Zalando rapporte que ses solutions de taille et de coupe ont évité 8 % des retours liés à la taille en 2025 et que ses outils de base de taille et de coupe couvrent environ 70 % de son assortiment.
- Les codes de motif de retour ne sont utiles aux modèles de coupe que s'ils distinguent « trop petit » de « trop grand » et sont saisis de manière cohérente sur tous les canaux.
- Les marques qui fournissent des mesures gradées exactes et des descriptions de coupe claires améliorent la recommandation de taille sur tous les canaux qui vendent leurs produits, y compris les sites des détaillants et des marketplaces.
La recommandation de taille par IA a besoin de trois éléments : des mesures exactes du vêtement pour chaque taille, des signaux sur le client comme ses achats passés, ses avis sur la coupe ou ses mensurations, et des motifs de retour structurés qui indiquent si un article était trop petit ou trop grand. Sans mesures produit cohérentes ni données de retours propres, même des modèles sophistiqués en reviennent à des approximations.
Pourquoi la recommandation de taille compte-t-elle pour les retours ?
Les retours représentent un coût important dans la mode en ligne, et la taille et la coupe en sont un facteur majeur. Zalando écrivait en juin 2026 que les taux de retour de la mode en ligne en Europe peuvent atteindre environ 50 %, que la taille et la coupe représentent jusqu'à la moitié de ces retours, et que les taux de retour des jeans peuvent atteindre 65 %. Aux États-Unis, la National Retail Federation estimait en octobre 2025 que les retours en ligne représenteraient 19,3 % des ventes en ligne pour l'ensemble du commerce de détail.
Zalando, qui travaille sur la taille et la coupe depuis 2018 avec une équipe interne qui compte selon l'entreprise 80 spécialistes, rapporte que ses solutions de taille et de coupe ont évité 8 % des retours liés à la taille en 2025. Dans un article institutionnel antérieur, l'entreprise indiquait que le conseil de taille avait réduit les retours liés à la taille de 10 % par rapport aux articles qui n'en bénéficiaient pas. Ce sont des chiffres communiqués par l'entreprise, mais ils donnent un ordre de grandeur réaliste : significatif, pas miraculeux.
De quelles données vêtement la recommandation de taille a-t-elle besoin ?
Le socle est constitué de données produit qui décrivent la coupe réelle de chaque taille de chaque modèle. Les équipes mode disposent souvent de ces informations dans les dossiers techniques et les fichiers de gradation, mais elles parviennent rarement proprement jusqu'aux systèmes e-commerce.
| Type de données | Exemples | Responsable habituel | Problème fréquent |
|---|---|---|---|
| Mesures gradées du vêtement | Poitrine, taille, hanches, entrejambe, manche par taille | Développement produit, conception technique | Stockées dans des PDF ou des tableurs, pas dans les systèmes de données produit |
| Intention de coupe | Ajustée, regular, ample, oversize ; taux d'élasticité | Design, merchandising | Décrite de manière incohérente ou seulement dans les textes marketing |
| Correspondance des systèmes de tailles | Tailles UE, UK, US, tailles en lettres, étiquettes propres à la marque | Données produit, e-commerce | Les tableaux de conversion diffèrent selon les marques et les marchés |
| Historique d'achats et d'articles conservés | Tailles achetées et conservées par client | E-commerce, CRM | Non relié au résultat du retour |
| Motifs de retour | Trop petit, trop grand, mauvaise longueur, style | Service client, logistique | Texte libre ou codes vagues comme « ne va pas » |
| Avis des clients sur la coupe | Évaluations de la coupe après livraison | E-commerce | Faibles taux de réponse |
| Mensurations (facultatif) | Mesures issues de photos prises au smartphone ou saisies manuellement | E-commerce, avec consentement | Obligations en matière de vie privée et de consentement |
Quelles données client améliorent les recommandations de taille ?
Les descriptions publiées par Zalando montrent comment les signaux client se superposent. Ses recommandations de taille personnalisées utilisent l'historique d'achats, motifs de retour compris, les tailles qu'un client a renseignées dans son profil, les avis sur la coupe des articles commandés et des articles de référence qui vont bien au client, même s'ils ont été achetés ailleurs. Les clients peuvent aussi indiquer les marques et produits qui leur vont bien, ce qui aide à filtrer l'assortiment.
Depuis juillet 2023, Zalando propose des recommandations de taille à partir des mensurations : les clients prennent deux photos, de face et de profil, en vêtements près du corps, et le système prédit leurs mesures. Le détaillant indique que plus de 1,5 million de clients ont essayé son outil de mensurations et qu'il dispose désormais d'un vaste jeu de données anonymisées de mensurations de clients européens de la mode. Les données corporelles sont puissantes mais sensibles : elles exigent un consentement clair, une minimisation des données et de la transparence au regard du droit de la protection des données.
Comment les motifs de retour sont-ils utilisés dans les modèles de coupe ?
Les motifs de retour transforment des déceptions individuelles en connaissance produit. Si de nombreux clients retournent un modèle parce qu'il est trop petit, un modèle d'IA peut le signaler comme taillant petit et suggérer de prendre la taille au-dessus. Zalando décrit des indications de taille qui précisent aux clients si un article taille plus petit ou plus grand que prévu, en s'appuyant sur les mesures fournies par les marques, l'historique et les motifs de retour des clients, et les constats d'une équipe dédiée de mannequins cabine qui essaient les articles. L'entreprise indique également que la vision par ordinateur peut signaler les nouveaux articles d'une marque aux problèmes de taille connus avant même qu'il existe un historique d'achats ou de retours.
- Utiliser des codes de motif structurés qui distinguent trop petit, trop grand, trop court, trop long et non conforme à la description.
- Saisir les motifs de la même manière pour les retours web, application, magasin et marketplace.
- Relier chaque retour au SKU et à la taille exacts, et pas seulement au modèle.
- Autoriser un commentaire libre facultatif et l'analyser séparément.
- Contrôler régulièrement la qualité des motifs ; une part élevée de « autre » est un problème de données.
Qui est responsable des données de taille et de coupe dans une entreprise de mode ?
Les données de taille traversent les frontières entre services, ce qui explique en grande partie leur médiocre qualité fréquente. La conception technique est responsable des mesures, l'e-commerce du comportement des clients, le service client des motifs de retour, et le merchandising rédige les descriptions de coupe. Un modèle d'organisation viable désigne un responsable unique pour l'ensemble des données de taille et de coupe et définit quel système fait référence pour les mesures gradées.
Pour les marques qui vendent via des détaillants et des marketplaces, les enjeux sont plus élevés. Zalando indique partager avec les marques ses enseignements sur les retours, en montrant si la taille et la coupe constituent un problème récurrent dans leurs catégories. Les marques qui fournissent des mesures et des descriptions de coupe exactes à leurs partenaires améliorent le conseil de taille sur tous les canaux qui vendent leurs produits, et pas seulement sur leur propre site.
La correspondance des systèmes de tailles mérite une attention particulière pour les marques présentes sur plusieurs marchés. Un même vêtement peut être étiqueté en tailles UE, UK, US ou en lettres, et les tableaux de conversion diffèrent d'une marque à l'autre. Un modèle qui apprend de clients ayant acheté une taille 38 dans une marque et une taille M dans une autre a besoin d'une correspondance fiable avec les mesures sous-jacentes ; sinon, il apprend les étiquettes plutôt que la coupe.
Comment une marque doit-elle commencer à améliorer ses données de recommandation de taille ?
- Choisir une catégorie à fort taux de retour, comme les jeans ou les robes, et recueillir dans un format structuré les mesures gradées de chaque modèle en vente.
- Standardiser les descripteurs de coupe et les informations d'élasticité dans toute la catégorie.
- Corriger les codes de motif de retour afin que le sens de l'écart de taille soit toujours saisi.
- Rapprocher les retours des ventes au niveau du SKU pour calculer les taux de retour par taille, et repérer les modèles qui taillent petit ou grand.
- Transmettre les constats au développement produit et aux partenaires de distribution, puis mesurer les taux de retour liés à la taille au cours des saisons suivantes.
Questions fréquentes
Comment fonctionne la recommandation de taille par IA ?
Elle combine les mesures du vêtement par taille avec des signaux sur l'acheteur, comme ses achats et retours passés, ses avis sur la coupe ou ses mensurations, et prédit la taille la plus susceptible de lui aller. Des détaillants comme Zalando utilisent aussi les motifs de retour agrégés pour signaler les articles qui taillent petit ou grand.
Qu'est-ce qu'une indication de taille ?
Une indication de taille est un message affiché sur une fiche produit qui précise aux acheteurs si un article taille normalement, petit ou grand, souvent avec une suggestion de prendre la taille au-dessus ou en dessous. Elle repose généralement sur les motifs de retour et les avis sur la coupe d'acheteurs précédents, ainsi que sur les mesures de la marque.
Les outils de recommandation de taille réduisent-ils les retours ?
Les résultats publiés suggèrent un effet mesurable mais modéré. Zalando indique que le conseil de taille a réduit les retours liés à la taille de 10 % par rapport aux articles qui n'en bénéficiaient pas, et que ses solutions de taille et de coupe ont évité 8 % des retours liés à la taille en 2025.
Les mensurations sont-elles des données personnelles ?
Oui. Les mensurations reliées à un compte client sont des données personnelles et exigent une base légale, de la transparence et un traitement sécurisé au regard du droit de la protection des données, comme le RGPD. Les détaillants ne doivent collecter que ce qui est nécessaire et expliquer comment ces données sont utilisées.
Une édition chaque jour ouvrable. Lue en cinq minutes. Gratuite pour les professionnels.
