Les vêtements 3D et les visuels générés par IA peuvent-ils remplacer les shootings photo e-commerce en 2026 ?

En partie, et plus vite que beaucoup ne l'avaient prévu. En 2026, de grands distributeurs en ligne comme Zalando et About You indiquent avoir remplacé la majeure partie de leur photographie produit en studio par des visuels générés par IA, About You faisant état d'une réduction d'environ 90 % de ses dépenses. Mais ce substitut est surtout une IA générative travaillant à partir de vraies photos de produits, et non des vêtements 3D fondés sur la physique. La 3D reste pertinente lorsqu'une image doit montrer un produit avec exactitude avant qu'il n'existe, et les deux approches soulèvent des questions d'exactitude, d'emploi et de droit.

Qu'est-ce qui a changé dans les visuels e-commerce depuis 2025 ?

Les éléments les plus probants viennent des grandes plateformes. FashionUnited a rapporté en mars 2026 que Zalando avait fait passer en 2025, en l'espace d'un an, sa part de contenus produit générés par IA de presque zéro à 90 %, réduit le temps de création des campagnes de six semaines à quelques jours et augmenté de 70 % le nombre de contenus. Lors du Partner Day de Zalando en septembre 2026, WWD a rapporté qu'About You avait réduit d'environ 90 % ses dépenses de présentation produit en utilisant l'IA générative au lieu de la photographie, économisant environ 6 millions d'euros sur un budget annuel d'environ 7 millions d'euros.

WWD a également rapporté que Zalando et About You ont tous deux presque entièrement supprimé les studios dédiés qu'ils exploitaient auparavant pour les photos produit de type contenu et catalogue. Selon Tarek Mueller, d'About You, le travail avait commencé environ 18 mois plus tôt, et une avancée décisive survenue environ six mois avant l'événement a fait que l'IA ne se contentait plus de réduire les coûts mais augmentait aussi la conversion. Les contenus mettant en scène de vrais talents, comme l'ambassadrice de marque de Zalando, ont été cités comme l'un des rares domaines où l'IA n'est pas utilisée.

S'agit-il de 3D ou d'IA générative ?

La distinction compte pour la planification. Les vêtements 3D fondés sur la physique sont construits à partir de patronages et de tissus numériques mesurés, et simulent le bien-aller et le tombé. Les visuels d'IA générative partent généralement de photos du produit réel et le placent sur des mannequins, dans des poses ou devant des décors qui n'ont jamais été photographiés ensemble. La frontière s'estompe à mesure que les logiciels de développement produit ajoutent la génération d'images : AI Studio de Centric Software, lancé en mai 2026, crée des visuels prêts pour le commerce reliés aux données produit actualisées du PLM et aux circuits d'approbation. Pour les acheteurs, la question utile est moins de savoir quelle technique est utilisée que de savoir de quoi chaque image est dérivée, et si cette source est une version de produit approuvée.

C'est cette traçabilité qui distingue un pipeline de contenus opérationnel d'expérimentations. Une image générée à partir de la photo d'un échantillon de préproduction, ou d'un fichier 3D modifié par la suite, peut montrer des détails qui n'existent plus dans le produit final.

Lire aussi

Que permet réellement d'économiser l'échantillonnage 3D ? Coûts des échantillons, délais et carbone

Où les vêtements 3D restent-ils pertinents pour les visuels ?

• Prélancement et précommande : montrer les modèles dans les line sheets wholesale ou sur les pages de précommande avant que les échantillons de production n'existent.
• Démultiplication des coloris : rendre chaque coloris d'un modèle à partir d'un seul vêtement 3D au lieu de photographier chacun.
• Vues de détails techniques : gros plans cohérents, vues en mannequin invisible ou vues à 360 degrés générés à partir du même fichier.
• Marques disposant déjà d'une pratique 3D : lorsque des fichiers 3D existent déjà depuis le développement, leur réutilisation pour les visuels a un coût marginal faible.

Lorsque les produits sont déjà photographiés pour d'autres raisons, ou lorsque la texture et le tombé sont difficiles à simuler (maille, tissus transparents, ornements complexes), les approches génératives fondées sur de vraies photos sont actuellement plus faciles à déployer à grande échelle.

Quels sont les risques du remplacement des shootings photo ?

Le premier risque concerne l'exactitude. Une image qui modifie subtilement une encolure, l'échelle d'un imprimé ou une couleur crée précisément l'écart d'attentes qui génère des retours. Le contrôle qualité doit comparer les images générées au produit approuvé, la couleur étant vérifiée par rapport à des références physiques.

Le deuxième concerne les personnes. L'approche de H&M montre une voie possible : l'enseigne a annoncé en mars 2025 son projet de jumeaux numériques de mannequins et publié les premières images en juillet 2025, en collaboration avec le mannequin et le photographe, en décrivant le processus comme collaboratif et transparent. Les droits sur l'image d'un mannequin, sa rémunération et les emplois des photographes, stylistes et équipes de studio sont de vraies questions que les marques doivent aborder ouvertement.

Le troisième est la réglementation. En vertu de l'article 50 de l'AI Act européen, les fournisseurs de systèmes d'IA générative doivent marquer les images synthétiques produites dans un format lisible par machine, avec une échéance au 2 décembre 2026 pour les systèmes déjà sur le marché avant le 2 août 2026, et les contenus qui ressemblent sensiblement à des personnes réelles doivent être signalés comme générés par IA. Les marques doivent clarifier avec leurs fournisseurs d'outils le fonctionnement du marquage et les cas où un étiquetage sur le site est nécessaire.

Comment les marques doivent-elles évaluer le retour sur investissement ?

Le volet coûts est le plus facile à mesurer : coûts de studio, d'échantillons, de mannequins et de postproduction par modèle, comparés aux coûts d'outils, de calcul et de vérification. Le volet revenus nécessite des tests contrôlés, car les effets sur la conversion rapportés par les grandes plateformes ne se transposent pas forcément à des marques plus petites ayant un trafic différent. Un business case lucide comprend :

1. Le coût et le délai actuels des visuels par modèle, par catégorie.
2. La part de modèles pour lesquels les visuels générés passent le contrôle qualité sans reprise.
3. Les taux de conversion et de retour des visuels IA ou 3D par rapport à la photographie, dans des tests A/B.
4. Les coûts de gouvernance : temps de vérification, gestion des droits et étiquetage.
5. Les effets sur les partenaires wholesale, qui peuvent avoir leurs propres exigences en matière d'images.

Lire aussi

ROI du showroom digital : comment construire le business case entre coûts et sell-in

Que doivent faire les marques ensuite ?

Commencez par une catégorie dont les produits sont simples et déjà bien photographiés, faites tourner les visuels générés en parallèle des photos existantes, et mesurez l'exactitude, la conversion et les retours. Conservez la vraie photographie pour les contenus phares et les produits dont la texture fait la vente. Et mettez en place la gouvernance (consentement, étiquetage, approbation) avant de passer à l'échelle, et non après.