Comment ThredUp utilise-t-il l'IA pour mettre en ligne et vendre de la mode de seconde main à grande échelle ?

ThredUp utilise l'IA aux deux extrémités de son modèle de revente. Côté offre, l'IA génère des descriptions, des attributs et des mesures pour les articles de seconde main afin qu'ils soient mis en ligne plus vite et plus précisément. Côté demande, la recherche en langage naturel, la recherche par image et un chat de stylisme fondé sur l'IA aident les clients à trouver des pièces précises dans un stock de millions d'articles uniques. L'entreprise fait valoir que la revente profite davantage de l'IA que le commerce de détail classique, car chaque annonce est unique.

Pourquoi l'IA est-elle particulièrement utile pour la revente en ligne ?

Un détaillant classique reçoit les données produit de la marque. Une plateforme de revente reçoit un sac de vêtements usagés. Chaque article doit être identifié, catégorisé, mesuré, photographié, décrit et tarifé individuellement, et le catalogue qui en résulte est trop hétérogène pour une simple recherche par mots-clés. ThredUp a indiqué en 2024 avoir traité plus de 200 millions d'articles de seconde main uniques issus de 60 000 marques dans 100 catégories, avec des millions d'articles uniques disponibles à tout moment.

Le directeur général James Reinhart a soutenu à plusieurs reprises que l'IA générative « profite de manière disproportionnée aux marketplaces comme thredUP », car elle peut créer les données produit structurées et l'expérience de recherche qui manquent sinon à un stock de pièces uniques.

Comment ThredUp utilise-t-il l'IA pour traiter et mettre en ligne les articles ?

Lors de sa conférence sur les résultats de mars 2024, selon EMARKETER, ThredUp a indiqué que l'IA génère des descriptions et des attributs produit à partir des photos des articles. L'entreprise a expliqué que cela enrichit sa base de données de stock, accélère la catégorisation et améliore l'exactitude des annonces, ce qui soutient à son tour la recherche et la personnalisation. James Reinhart a aussi déclaré que, faute de photos portées pour les articles de seconde main, il voyait l'IA générative remplacer à terme la photographie manuelle : une ambition affichée plutôt qu'un déploiement annoncé.

En mars 2025, selon PYMNTS, ThredUp a mis en avant des mesures numériques automatisées par IA pour améliorer l'exactitude des annonces, ainsi que l'IA pour améliorer la gestion des stocks.

Lire aussi

Comment The RealReal utilise-t-il l'IA pour l'authentification, la fixation des prix et la réception des articles ?

Quels outils d'achat fondés sur l'IA ThredUp a-t-il lancés ?

En mars 2024, ThredUp a ajouté un outil de recherche fondé sur l'IA qui permet de chercher par occasion, ambiance et attribut, par exemple une « Sunday brunch dress » (robe pour un brunch du dimanche). EMARKETER a rapporté que l'entreprise faisait état de premières hausses des recherches par session, des taux d'ajout au panier depuis la recherche et des taux de clic, sans chiffres.

En août 2024, ThredUp a déployé trois outils sur son site, selon Chain Store Age :

• La recherche en langage naturel, de termes simples comme « floral dresses » (robes à fleurs) à des demandes détaillées comme « swimsuit for a triathlon » (maillot de bain pour un triathlon).
• La recherche par image, qui permet aux clients de charger une photo, de photographier un vêtement ou de partager une publication Instagram pour trouver des articles identiques ou similaires.
• Le style chat, un chatbot fondé sur l'IA qui compose des tenues complètes à partir de demandes comme « outfit for a fall wedding », que les clients peuvent ensuite ajuster par couleur, style et degré de couvrance.

En mars 2025, James Reinhart a déclaré : « Les sessions avec recherche par image affichent des taux de conversion supérieurs de 85 %. » Le même article signalait un nombre de nouveaux clients en hausse de 32 % sur un an. Comme pour la plupart des chiffres par fonctionnalité, les utilisateurs de la recherche par image s'auto-sélectionnent et ont probablement une forte intention d'achat, si bien que la comparaison ne prouve pas de causalité.

Quels résultats ThredUp a-t-il publiés depuis ?

ThredUp a lancé ses outils d'achat fondés sur l'IA dans une période difficile : au deuxième trimestre 2024, le chiffre d'affaires a reculé de 4 % à 79,8 millions de dollars sur fond de faiblesse de l'activité européenne, comme l'a rapporté MediaPost, et ThredUp a cédé l'essentiel de ses activités européennes au quatrième trimestre 2024, selon PYMNTS. Au deuxième trimestre 2026, ThredUp a publié un chiffre d'affaires de 90,8 millions de dollars, en hausse de 17 %, un record de 1,77 million d'acheteurs actifs, en hausse de 21 %, et 1,87 million de commandes, en hausse de 22 %. Le communiqué n'attribuait pas cette croissance à des outils d'IA précis, et l'entreprise a abaissé ses prévisions pour le second semestre en invoquant l'incertitude économique pesant sur les acheteurs sensibles aux prix.

Comment l'IA soutient-elle le travail de ThredUp avec les marques ?

ThredUp gère aussi des programmes de revente pour d'autres détaillants et marques, qu'il appelle resale-as-a-service. Chain Store Age citait parmi ses partenaires Journeys, The Container Store, Toms, American Eagle, H&M, Kate Spade et Francesca's. Ces programmes reposent sur la même chaîne de traitement : les articles sont réceptionnés, identifiés, décrits, mesurés et mis en ligne par ThredUp, puis vendus dans des boutiques de revente aux couleurs des marques.

Pour une marque, la qualité des données générées par l'IA de ThredUp fait donc partie de sa propre expérience client. Un attribut ou une mesure erronés dans une annonce de revente à son nom rejaillissent autant sur la marque que sur la plateforme. Les marques qui s'engagent dans des partenariats de revente devraient donc demander comment les données des articles sont générées, quelle part est relue par des humains et comment les erreurs sont corrigées.

ThredUp n'a pas publié de détails sur la manière dont l'IA fixe, ou non, ses prix de revente : il ne faut donc pas supposer que la tarification est automatisée. James Reinhart a présenté l'approche d'ensemble comme réfléchie, déclarant en mars 2025 que « notre stratégie d'IA a été élaborée selon une approche mûrement calculée pour construire et maintenir un avantage concurrentiel dans la durée ».

Lire aussi

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

Quels sont les risques et les enseignements ?

Le principal risque des annonces générées par IA est l'exactitude : une matière, une taille ou un état erronés sur une pièce unique entraînent des retours et des déceptions qu'aucun réassort ne peut corriger. Les images génératives soulèvent une question de confiance similaire. La recherche par image et le style chat dépendent aussi de la qualité de l'étiquetage des articles : les erreurs de traitement se répercutent donc directement sur la découverte.

1. Commencer par des données structurées issues des photos, car toutes les fonctionnalités ultérieures en dépendent.
2. Mesurer les articles automatiquement lorsque c'est possible ; en revente, les mesures comptent davantage que les étiquettes de taille.
3. Proposer une recherche visuelle et conversationnelle, car les clients connaissent souvent un look plutôt qu'un nom de produit.
4. Signaler clairement les images générées et conserver de vraies photos de l'article réel.
5. Suivre la conversion et les retours par fonctionnalité avec de véritables groupes témoins avant de généraliser les affirmations.