L'IA dans la revente et la mode de seconde main : authentification, fixation des prix et mise en ligne

Dans la revente et la mode de seconde main, l'IA sert à identifier les articles à partir de photos, à soutenir l'authentification, à suggérer des prix, à rédiger les annonces et à améliorer la recherche de pièces uniques. Elle compte davantage ici que dans la plupart des segments, car chaque article est unique et les marges dépendent du coût et de la précision avec lesquels chaque pièce peut être traitée ; l'automatisation décide donc directement de la rentabilité de la revente.

Pourquoi l'IA compte-t-elle autrement dans la mode de seconde main ?

Un distributeur de neuf crée les données produit une seule fois et vend de nombreuses unités identiques. Une activité de revente fait l'inverse : elle traite de nombreuses unités qui sont chacune un produit unique. Chaque article nécessite une identification (marque, modèle, taille, matière), une évaluation de l'état, un prix reflétant la rareté et la demande, des photos et une description. Pour les produits de luxe, l'authentification ajoute une étape coûteuse supplémentaire.

Le segment est en croissance. Dans The State of Fashion 2026, McKinsey et The Business of Fashion prévoient que le marché de la seconde main croîtra deux à trois fois plus vite que le marché du neuf d'ici 2027. Le Resale Report 2026 de ThredUp, fondé sur des recherches de GlobalData, évalue le marché mondial de la seconde main à environ 393 milliards de dollars américains, soit environ 10 % des dépenses totales d'habillement, et prévoit que le marché américain atteindra 78,8 milliards de dollars d'ici 2030. Le rapport de ThredUp décrit également l'IA comme le moteur du passage à l'échelle de la revente, grâce à l'amélioration de la recherche, de la découverte, de la tarification et des contrôles d'authenticité.

Quels sont les principaux cas d'usage de l'IA dans la revente ?

Lire aussi

L'IA dans le sportswear : comment elle façonne le produit de performance, les communautés et la demande

Comment l'IA crée-t-elle des annonces pour les articles de seconde main ?

La mise en ligne est l'étape la plus exigeante en main-d'œuvre pour les vendeurs particuliers comme pour les plateformes qui traitent des articles en dépôt-vente. eBay a présenté son outil magical listing en septembre 2023 : un vendeur charge une photo dans l'application, et le système génère un titre, une description, la date de sortie du produit et une catégorie, et peut ajouter des suggestions de prix et d'expédition. eBay a indiqué que, fin juillet 2023, environ 30 % des vendeurs américains utilisant l'application essayaient la fonction chaque jour et que plus de 95 % des testeurs avaient adopté les descriptions générées par l'IA.

La valeur tient moins à la rédaction qu'à la structure. Une annonce générée avec la bonne marque, la bonne taille, la bonne matière et la bonne catégorie est plus facile à trouver, à comparer et à évaluer. Le point faible est l'exactitude : les modèles peuvent mal lire une étiquette, confondre des modèles similaires ou surestimer l'état ; les vendeurs et les plateformes ont donc besoin d'une étape de vérification.

Comment l'IA évalue-t-elle le prix des articles de revente et les authentifie-t-elle ?

Fixer le prix d'un article unique revient à estimer la demande à partir de ventes comparables, de l'état, de la rareté, de la saison et des tendances du moment. Selon l'article de PYMNTS sur les résultats de The RealReal en février 2025, l'entreprise utilise un moteur de tarification piloté par l'IA et a indiqué que 85 % des articles avaient été mis en ligne avec une aide à la tarification par l'IA fin 2024. Elle a également présenté Athena, qui utilise la reconnaissance d'images pour soutenir l'authentification et préremplir les attributs des annonces, et prévoyait qu'il traite environ la moitié des articles d'ici fin 2025. L'entreprise a indiqué que l'automatisation avait réduit le temps de traitement de plus d'une journée entière.

C'est dans l'authentification que l'IA est à la fois la plus utile et la plus sensible. Les modèles d'image peuvent signaler des incohérences dans les coutures, les logos, la quincaillerie ou les matières et orienter les articles douteux vers des experts. Ils ne doivent pas être les seuls décideurs pour les articles de grande valeur, car une validation à tort nuit à la confiance des acheteurs et un rejet à tort pénalise les vendeurs honnêtes.

De quelles données l'IA a-t-elle besoin dans la revente ?

L'IA de la revente dépend de données que le commerce du neuf a rarement à gérer :

• Catalogues de référence : images et attributs des produits d'origine, idéalement fournis par les marques, pour identifier les modèles et les saisons.
• Historique des transactions : prix réalisés, délai de vente et état, comme base des modèles de tarification.
• Registres d'authentification : exemples confirmés d'articles authentiques et de contrefaçons, avec les notes des experts, pour entraîner et tester les modèles.
• Normes d'état : une échelle d'évaluation cohérente avec des images d'exemple.
• Données de retours et de litiges : pour repérer les annonces dont les descriptions ou évaluations générées par l'IA étaient erronées.

Les marques qui gèrent leurs propres programmes de revente ou de reprise ont ici un avantage : elles détiennent les données et les images des produits d'origine, ce qui rend l'identification et la description bien plus faciles.

Quels risques sont propres à la revente ?

1. Contrefaçons qui passent les contrôles : les faux sophistiqués évoluent, et des modèles entraînés sur des exemples plus anciens peuvent les manquer.
2. Descriptions erronées : des annonces générées par l'IA qui surestiment l'état ou identifient mal un produit entraînent retours et litiges.
3. Boucles de rétroaction sur les prix : si de nombreux vendeurs suivent les mêmes suggestions algorithmiques, les prix peuvent s'éloigner de la demande réelle.
4. Confiance des vendeurs : les déposants peuvent se méfier d'évaluations automatisées qu'ils ne comprennent pas.
5. Réserves des marques : les marques peuvent contester la manière dont leurs produits sont décrits ou évalués sur des plateformes de revente tierces.

Lire aussi

Revente et recommerce : comment la seconde main a gagné les marques

Par quoi une entreprise de revente ou une marque doit-elle commencer ?

Identifiez l'étape au coût par article le plus élevé, généralement la mise en ligne ou l'authentification, et automatisez-en la partie routinière tout en conservant un examen par des experts pour les exceptions. Constituez un jeu de données propre de prix réalisés et de résultats d'authentification confirmés, car ce sont ces données, et non le modèle, qui constituent l'avantage à long terme.

Les marques qui se lancent dans la revente doivent commencer par leurs propres données de référence produit : images, attributs et prix d'origine par modèle. Cela rend l'identification et la mise en ligne par IA bien plus fiables et préserve la voix de la marque dans les canaux de seconde main. Mesurez le succès au coût de traitement par article, au délai de vente, au sell-through et au taux de litiges.