Comment PUMA utilise-t-il l'IA générative pour ses visuels de campagne et ses contenus produits ?

PUMA utilise l'IA générative pour créer des arrière-plans localisés pour ses images produits et pour automatiser les retouches courantes dans sa boutique en ligne, à l'aide des modèles Imagen de Google sur Vertex AI. Le produit reste le vrai produit ; l'IA modifie le décor pour que, par exemple, un client au Japon voie une chaussure de trail près du mont Fuji. PUMA associe cette approche à de meilleurs taux de clic et à des lancements de campagne plus rapides.

Qu'a construit PUMA avec l'IA générative ?

Le 24 septembre 2024, Google Cloud a annoncé l'élargissement de son partenariat avec PUMA pour améliorer l'expérience d'achat digitale de la marque grâce à l'IA générative. Selon l'annonce, PUMA utilise Imagen 2 sur Vertex AI pour générer des images produits, y compris des arrière-plans personnalisés adaptés au produit, au client et à la région. Google Cloud a présenté PUMA comme le premier acteur de son secteur à utiliser à grande échelle l'imagerie IA dans sa boutique en ligne.

L'exemple cité était celui du Japon : un client pourrait y voir une chaussure lifestyle dans les rues de Ginza, à Tokyo, ou une chaussure de trail près du mont Fuji. Les équipes marketing régionales peuvent adapter les contenus à leurs propres marchés au lieu de dépendre d'un jeu d'images mondial unique. Arne Freundt, directeur général de PUMA, a déclaré que « l'IA générative de Google Cloud nous a permis de créer une expérience immersive adaptée à chaque consommateur ».

Quelles tâches de contenu PUMA automatise-t-il ?

Au-delà des arrière-plans, PUMA utilise Imagen pour des travaux de retouche que les équipes de contenu effectuaient auparavant à la main. L'annonce cite :

• La cohérence des ombres et de l'éclairage
• La composition et le positionnement des produits
• La fidélité des couleurs
• L'amélioration de la résolution

Ces tâches comptent commercialement parce qu'elles sont répétitives et doivent être réalisées pour chaque produit, chaque coloris et chaque marché. Les automatiser libère les retoucheurs et les éditeurs de contenu pour un travail qui exige du discernement, et raccourcit le délai entre l'arrivée d'un produit et sa mise en vente en ligne.

Dans un flux de travail typique de ce genre, la marque photographie le produit une seule fois dans des conditions maîtrisées, le détoure proprement, puis génère des variantes de la scène qui l'entoure pour différents marchés, canaux et formats. Les pixels d'origine du produit sont préservés, et un éditeur humain vérifie les résultats avant publication. Google Cloud a qualifié le système construit par PUMA d'« agent créatif », ce qui suppose un outil utilisé directement par les équipes marketing plutôt qu'une campagne ponctuelle produite par une agence. Cette conception répartit le bénéfice entre de nombreuses équipes régionales au lieu d'un seul lancement.

Lire aussi

La publicité Guess avec un mannequin IA dans Vogue : ce qui s'est passé et les leçons pour les marques

Quels résultats PUMA a-t-il communiqués ?

Les chiffres publiés sont limités et doivent être lus avec prudence. L'annonce de Google Cloud indiquait que les visuels améliorent les taux de clic et accélèrent la mise sur le marché des campagnes, sans donner de chiffres. Consumer Goods Technology, citant le Wall Street Journal, a rapporté une amélioration de 10 % des taux de clic en Inde, là où les images étaient personnalisées selon la géographie. Le même article notait que Google Cloud avait indiqué en mars 2024 que le panier moyen de PUMA avait augmenté de 19 % après l'intégration de BigQuery et de Google Analytics, ce qui relève des données et de l'analytique plutôt que de l'imagerie générative.

PUMA a également indiqué qu'après avoir migré en 2024 son écosystème e-commerce, dont PUMA.com, vers Google Cloud, il avait constaté une hausse du panier moyen grâce aux contenus personnalisés et pouvait rendre les produits achetables dès leur arrivée en entrepôt. Aucun chiffre n'a été donné pour ces effets. L'entreprise a déclaré qu'elle allait explorer Imagen 3 et étendre Vertex AI Search for Retail à d'autres filiales.

Pourquoi l'approche de PUMA a-t-elle suscité moins de critiques que d'autres campagnes IA ?

Plusieurs marques de mode ont essuyé de vives critiques en 2025 pour des visuels de campagne générés par IA, en particulier lorsque l'IA créait des personnes ou remplaçait un produit photographié. L'usage documenté de PUMA diffère sur deux points. D'abord, le produit reste l'article réel ; l'IA modifie l'environnement qui l'entoure et effectue des retouches qu'un retoucheur ferait autrement. Ensuite, l'objectif est la pertinence pour le client (un décor local) plutôt que le remplacement d'une séance photo créative. Pour une marque de sport présente dans plus de 120 pays, la localisation à grande échelle est un problème que la photographie manuelle peine à résoudre de façon économique.

Quels sont les risques de l'imagerie produit générative ?

Même avec des produits réels, l'imagerie générée comporte des risques que les marques doivent maîtriser :

1. Exactitude du produit : toute modification de couleur, de forme ou de détail peut induire les clients en erreur et générer des retours ; la fidélité des couleurs doit donc être vérifiée par rapport à l'échantillon physique.
2. Adéquation culturelle : des scènes locales générées automatiquement peuvent comporter des décors inappropriés ou inexacts ; une relecture régionale est nécessaire.
3. Droits et provenance : les arrière-plans générés ne doivent pas reproduire des lieux, des œuvres ou des marques protégés.
4. Transparence : les règles de signalement des contenus générés par IA se durcissent, notamment avec les obligations de transparence de l'AI Act européen à partir d'août 2026.
5. Mesure : les gains annoncés doivent reposer sur des tests contrôlés par marché, et non sur des comparaisons avant-après.

Lire aussi

Comment Mango utilise l'IA : design génératif, mannequins virtuels et Mango Stylist

Que peuvent apprendre les autres marques de PUMA ?

Le cas PUMA suggère un ordre de travail pragmatique. Mettre d'abord sur une base cohérente les données produits, la photographie et la plateforme e-commerce ; l'imagerie générative de PUMA s'appuie sur une migration de plateforme et une intégration analytique. Appliquer ensuite l'IA générative aux tâches volumineuses et peu risquées, comme les arrière-plans et la retouche, donner aux équipes régionales une liberté encadrée pour localiser, et mesurer par marché. Les marques qui commencent par des mannequins ou des produits générés par IA s'exposent d'emblée aux risques les plus visibles, alors que l'usage documenté de PUMA commence là où la valeur est la plus claire et l'exposition en termes de réputation la plus faible.