Comment lululemon aborde l’IA dans le produit, la planification et les stocks

lululemon a publiquement relié l’IA à un problème d’entreprise, celui de mettre plus vite sur le marché de nouveaux produits dans les bonnes quantités, mais a peu divulgué sur les systèmes concernés. Le dossier montre une nomination à un poste senior d’IA et de technologie en 2025, un objectif d’augmentation de la part des nouveaux modèles et un langage de rapport annuel qui traite l’IA à la fois comme une opportunité et comme un risque. Il ne montre aucun résultat publié issu d’une planification de la demande, d’une allocation des stocks ou d’une personnalisation fondées sur l’IA.

Cette étude de cas expose ce que lululemon a dit, ce que ses documents réglementaires y ajoutent et ce qui reste non divulgué, afin que les lecteurs puissent distinguer les faits documentés des commentaires plus larges sur l’entreprise.

Qu’est-ce que lululemon a dit publiquement de l’IA ?

Lors de sa conférence sur les résultats du deuxième trimestre, le 4 septembre 2025, lululemon a présenté un nouveau poste, celui de directeur de l’IA et de la technologie, occupé par Raju Das, entré en fonction le 2 septembre et rattaché au CEO alors en poste, Calvin McDonald. Selon PYMNTS, Calvin McDonald l’a décrit comme un poste doté d’un mandat renforcé pour permettre à l’IA et à la technologie d’accélérer le processus d’innovation produit.

Le contexte était commercial plutôt que technique. Calvin McDonald a déclaré que le processus de mise sur le marché ne répondait parfois pas à la demande de nouveaux modèles, et a attribué une partie de la faiblesse sur le continent américain à des cycles de vie des produits devenus trop longs et trop prévisibles. Au trimestre clos le 3 août 2025, les ventes à périmètre comparable ont reculé de 4 % dans les Amériques, progressé de 15 % à l’international et augmenté de 1 % au total.

L’article ne nomme ni outils d’IA, ni fournisseurs, ni budgets, ni résultats. La déclaration publique est donc une déclaration d’intention : utiliser l’IA et la technologie pour raccourcir les cycles de conception et de mise sur le marché.

Comment l’IA se rattache-t-elle à l’objectif de nouveaux modèles de lululemon ?

lululemon a indiqué vouloir faire passer les nouveaux modèles de 23 % à 35 % de son assortiment d’ici le printemps suivant. Une part plus élevée de nouveaux modèles aggrave le problème de planification : chaque article dispose de moins d’historique de ventes, si bien que les prévisions s’appuient davantage sur des analogues, sur les premiers signaux d’écoulement et sur le jugement. C’est là que l’on propose habituellement des prévisions assistées par l’IA, mais lululemon n’a pas dit l’utiliser à cette fin.

Le rapport annuel de l’exercice clos le 1er février 2026 renforce le lien entre renouvellement de l’offre et risque. Il décrit l’augmentation de la part des nouveaux modèles grâce à l’innovation produit comme un élément de sa stratégie pour les Amériques, et avertit qu’une prévision inexacte de la demande des clients peut laisser des stocks excédentaires susceptibles de devoir être dépréciés.

Lire aussi

Comment Abercrombie and Fitch planifie ses assortiments et ses stocks : ce que l'on sait publiquement de l'IA

Que dit le rapport annuel du risque lié à l’IA ?

Le document déposé pour l’exercice clos le 1er février 2026 traite l’IA surtout comme une question de risque et de capacité. Il indique que l’entreprise pourrait ne pas mettre en œuvre et exploiter de manière efficiente et efficace des avancées technologiques telles que l’IA, et que son recours croissant à des outils d’IA, y compris d’IA générative, introduit de nouveaux risques de sécurité.

Il note aussi que des lois émergentes, dont l’AI Act de l’Union européenne, pourraient s’appliquer, que des initiatives d’IA souveraine pourraient limiter la capacité à déployer des outils d’IA centralisés à l’échelle mondiale, et que des plateformes d’IA tierces influencent de plus en plus la découverte et l’achat de produits pour le compte des clients. Ce dernier point compte pour toute marque de mode : des assistants d’achat échappant au contrôle de la marque peuvent devenir un canal à part entière.

Par ailleurs, l’entreprise avertit qu’elle pourrait ne pas disposer des données pertinentes pour comprendre les préférences des consommateurs, ou ne pas les exploiter avec succès. C’est un avertissement sur la maturité des données, cohérent avec le constat général selon lequel les projets d’IA dépendent de données produit et de ventes propres et reliées.

Qu’est-ce qui a changé à la direction en octobre 2026 ?

Retail Dive a rapporté le 7 octobre 2026 que la CEO Heidi O’Neill, nommée en avril 2026 et en poste depuis le 8 septembre, avait restructuré l’équipe dirigeante. Maggie Gauger devient directrice produit, chargée du merchandising, du design, des chaussures, de l’innovation produit et de la science des matériaux. Joseph Godsey devient directeur des opérations, avec l’approvisionnement, la production et la logistique, et un accent affiché sur la qualité des produits et la rapidité de mise sur le marché. Le directeur de la supply chain quitte l’entreprise.

Plusieurs postes sont à pourvoir, dont celui de directeur technique, qui supervisera la technologie du produit et de la supply chain, y compris la cybersécurité et l’usage de l’IA. L’article ne donne aucun chiffre de stocks ni aucun détail de projet d’IA. Il montre en revanche que le poste technologique à pourvoir est décrit aux côtés de responsabilités produit et supply chain dans une réorganisation plus large.

Que peuvent en retenir les autres entreprises de mode ?

• Partir du problème commercial. lululemon a formulé l’IA autour du renouvellement de l’offre et de la rapidité de mise sur le marché, et non autour d’une liste de technologies.
• S’attendre à ce que les changements de direction affectent les programmes d’IA. Un nouveau CEO et un poste technologique à pourvoir montrent que la responsabilité peut changer en moins d’un an.
• Traiter les affirmations avec prudence. Les articles de tiers décrivant la personnalisation ou la planification par IA de lululemon ne citent souvent aucune source de l’entreprise. Privilégiez les documents réglementaires et les conférences sur les résultats.
• Planifier le risque en même temps que la valeur. La sécurité, la réglementation et la souveraineté des données figurent dans le document réglementaire à côté de l’opportunité.

Ce qui reste non divulgué. Les sources publiques ne disent pas quels systèmes de planification ou de merchandising lululemon utilise, si des prévisions sont produites par apprentissage automatique, comment l’IA influe sur l’allocation par région, ni comment les données clients servent à la personnalisation. Elles ne rapportent pas non plus de gains mesurables en précision des prévisions, en taux de démarque ou en rapidité de mise sur le marché.

Comment les lecteurs doivent-ils juger les affirmations sur lululemon et l’IA ?

Comme l’entreprise a peu parlé de ses méthodes, les affirmations de la presse au sens large se répartissent en trois groupes. Le premier est ce que lululemon a elle-même dit, comme la nomination, l’objectif de nouveaux modèles et le mandat d’accélérer l’innovation produit. Le deuxième est ce que disent les documents réglementaires, soit un langage de risque et de stratégie. Le troisième est l’inférence de commentateurs sur ce qu’un distributeur de la taille de lululemon doit forcément faire. Seuls les deux premiers constituent des preuves.

Un test pratique consiste à se demander si une déclaration nomme un système, un processus et un résultat mesuré. Une déclaration du type « l’IA améliore nos prévisions » n’en nomme aucun. Une déclaration du type « l’erreur de prévision pour les nouveaux modèles a diminué d’un montant donné après un changement défini » les nommerait tous les trois. Dans le cas de lululemon, aucune des sources examinées n’atteint ce niveau d’exigence.

Lire aussi

Comment Rent the Runway utilise-t-il les données et l'IA pour gérer un stock partagé ?

Que devrait résoudre l’IA dans la planification de la demande en habillement pour une marque comme celle-ci ?

Une marque qui veut une plus grande part de nouveaux modèles est confrontée à un problème de planification spécifique. Les nouveaux articles n’ont pas d’historique de ventes ; les prévisions doivent donc être construites à partir d’articles passés similaires, de résultats de tests précoces et du jugement des équipes de merchandising. Les tailles et les coloris multiplient le nombre de références à planifier. Des assortiments à durée de vie plus courte laissent moins de temps pour corriger un mauvais achat par des réassorts.

• Données nécessaires : des attributs d’articles propres, l’historique d’écoulement par taille, coloris et région, et des enregistrements cohérents des promotions et des ruptures de stock.
• Décisions soutenues : les quantités d’achat initiales, l’allocation régionale, et le moment où il faut relancer ou arrêter un modèle.
• Principales limites : des données clairsemées pour des créations réellement nouvelles, des évolutions de goût que l’historique ne peut pas montrer, et la nécessité pour les planificateurs de pouvoir expliquer et corriger les résultats.
• Coûts : ingénierie des données, conduite du changement et suivi continu, qui dépassent souvent le coût du modèle lui-même.

Rien de tout cela n’est propre à lululemon. Cela décrit les conditions dans lesquelles toute marque d’habillement testerait une planification par IA, et peut servir de liste de contrôle pour lire les futures publications de l’entreprise.