Qu'est-ce que la vision par ordinateur dans la mode ? De la détection des défauts au suivi des rayons
La vision par ordinateur permet aux machines de lire images et vidéos : repérer les défauts de tissu, étiqueter les photos produits, alimenter la recherche visuelle et contrôler les rayons. Ce qu'elle fait, ce dont elle a besoin et où se situent ses limites.
L'ESSENTIEL Résumé de la rédaction
- La vision par ordinateur est un domaine de l'intelligence artificielle qui utilise l'apprentissage automatique pour traiter, analyser et interpréter images et vidéos, avec des tâches comme la classification, la détection d'objets, la segmentation et l'inspection visuelle.
- Dans la mode, la vision par ordinateur est utilisée tout au long de la chaîne de valeur : inspection des tissus et des vêtements en production, étiquetage automatique des attributs sur les images produits, recherche visuelle pour les acheteurs et suivi des rayons en magasin.
- Le système WiseEye, développé à l'Université polytechnique de Hong Kong, inspecte le tissu pendant le tissage et détecterait environ 40 défauts de tissu courants avec une résolution allant jusqu'à 0,1 mm par pixel.
- Google a indiqué en octobre 2024 que Lens traite près de 20 milliards de recherches visuelles par mois et que 20 % des recherches Lens sont liées au shopping.
- Les systèmes de vision dépendent d'images étiquetées représentatives, d'un éclairage maîtrisé et d'un réentraînement continu ; l'usage de caméras impliquant des personnes soulève des questions de protection des données et d'AI Act européen.
La vision par ordinateur est la branche de l'IA qui permet à un logiciel d'interpréter images et vidéos. Dans la mode, elle remplit déjà des missions concrètes : repérer les défauts du tissu pendant le tissage, contrôler les vêtements finis, étiqueter les photos produits avec des attributs comme la couleur et l'encolure, permettre aux acheteurs de rechercher à partir d'une image et vérifier si les rayons et portants du magasin sont correctement approvisionnés. Elle fonctionne le mieux sur des tâches visuelles étroites et répétables, avec de bonnes images et des données d'entraînement bien étiquetées.
Qu'est-ce que la vision par ordinateur ?
IBM définit la vision par ordinateur comme un sous-domaine de l'intelligence artificielle qui donne aux machines la capacité de traiter, d'analyser et d'interpréter des données visuelles comme des images et des vidéos, en recourant à l'apprentissage automatique pour en extraire des informations utiles. Au lieu de suivre des règles écrites à la main, les modèles de vision modernes apprennent des motifs à partir de nombreuses images d'exemple étiquetées, par exemple des milliers de photos de tissu marquées « défaut » ou « sans défaut », puis les appliquent à de nouvelles images.
Quelles tâches la vision par ordinateur peut-elle accomplir ?
IBM recense un ensemble de tâches fondamentales. Les plus pertinentes pour la mode sont :
- Classification d'images : attribuer une image à une catégorie, comme « robe » ou « pantalon ».
- Détection d'objets : localiser des éléments dans une image à l'aide de cadres de délimitation, par exemple chaque vêtement sur une étagère.
- Segmentation d'images : étiqueter les images pixel par pixel pour trouver les contours exacts, utile pour détourer les produits de leur arrière-plan.
- Inspection visuelle : détecter automatiquement les défauts ou anomalies.
- Reconnaissance optique de caractères : lire du texte comme les étiquettes d'entretien, les étiquettes de prix ou les listes de colisage.
- Suivi d'objets et estimation de posture : suivre des éléments ou des mouvements du corps d'une image vidéo à l'autre.
Comment la vision par ordinateur est-elle utilisée tout au long de la chaîne de valeur de la mode ?
| Étape | Application | Prérequis principal | Maturité |
|---|---|---|---|
| Production textile | Détection des défauts de tissu pendant le tissage ou l'inspection | Caméras fixes, éclairage constant, images de défauts étiquetées | Établie en pilote et en production |
| Confection | Contrôle des coutures, des imprimés et des mesures | Normes de qualité définies par modèle | Émergente |
| Entreposage | Lecture des étiquettes, vérification des cartons et des retours | Étiquettes et emballages standardisés | Établie |
| Contenus produits | Étiquetage automatique des attributs à partir des photos produits | Taxonomie d'attributs convenue | Établie |
| E-commerce | Recherche visuelle et recommandations d'articles similaires | Catalogue d'images vaste et bien étiqueté | Établie |
| Magasins | Suivi des rayons et des portants, détection des ruptures de stock | Couverture caméra, planogrammes, contrôles de confidentialité | Pilotes, résultats mitigés |
Comment l'IA détecte-t-elle les défauts de tissu ?
L'inspection des tissus est traditionnellement effectuée par des personnes sur des visiteuses, une tâche fatigante et sujette aux erreurs sur de longues équipes. Les systèmes de vision installent des caméras au-dessus du tissu, utilisent un éclairage maîtrisé et comparent chaque image à l'aspect d'un tissu normal. WiseEye en est un exemple documenté, développé par l'équipe de recherche en IA pour le textile et l'habillement de l'Institute of Textiles and Clothing de l'Université polytechnique de Hong Kong. Selon PolyU, le système utilise une barre lumineuse LED et une caméra montée sur rail pour capturer toute la largeur du tissu pendant le tissage, applique un algorithme de vision industrielle fondé sur l'IA pour détecter environ 40 défauts de tissu courants avec une résolution allant jusqu'à 0,1 mm par pixel, et fournit des analyses et des alertes en temps réel.
La valeur pratique de ces systèmes réside dans la détection précoce des défauts, avant la coupe et la couture du tissu. Leurs limites sont tout aussi pratiques : les nouveaux tissus, imprimés ou textures diffèrent des données d'entraînement, si bien que les modèles nécessitent de nouveaux exemples étiquetés et un réentraînement périodique, et les résultats dépendent fortement de la stabilité de l'éclairage et de l'étalonnage des caméras.
Plus loin dans la chaîne, les mêmes techniques s'appliquent aux pièces coupées et aux vêtements finis, par exemple pour vérifier le placement des imprimés, les coutures ou la constance des couleurs par rapport à une référence. C'est plus difficile que l'inspection d'un tissu à plat, car les vêtements sont tridimensionnels, souples et varient selon la taille ; de nombreuses usines s'appuient donc encore principalement sur des contrôleurs qualité humains. En entrepôt, la vision est plus mature : la lecture d'étiquettes par reconnaissance optique de caractères, la vérification du contenu des cartons et le tri des articles retournés sont des tâches bien définies où une caméra installée sur un poste fixe voit encore et encore le même type d'objet.
Comment fonctionnent la recherche visuelle et l'étiquetage d'images ?
Côté commercial, les modèles de vision transforment les images produits en représentations numériques comparables. La photo d'une veste prise par un acheteur est comparée aux images du catalogue pour trouver des articles similaires, et les nouvelles photos produits peuvent être étiquetées automatiquement avec des attributs comme la couleur, le motif ou la longueur des manches. Le comportement des consommateurs montre pourquoi c'est important : Google a indiqué en octobre 2024, selon Glossy, que Lens traite près de 20 milliards de recherches par mois et que 20 % des recherches Lens sont liées au shopping. Pour les marques et les distributeurs, la leçon est que la propreté et la cohérence des visuels et des attributs produits déterminent si leurs produits sont trouvés visuellement.
Qu'en est-il du suivi des rayons en magasin ?
Le suivi des rayons et des portants utilise des caméras fixes, des appareils portables ou des robots pour comparer ce qui est exposé avec ce qui devrait l'être, en signalant les trous, les mauvais emplacements ou les étiquettes de prix manquantes. Dans la mode, la tâche est plus difficile que dans l'alimentaire, car les vêtements sont pliés, suspendus et manipulés par les clients, et les articles diffèrent par la taille et la couleur d'une manière que les caméras distinguent mal. Combiner les données des caméras avec la RFID ou les données d'inventaire peut donc s'avérer plus fiable que de s'en remettre aux seules caméras. Les business cases doivent être testés en pilote en mesurant le temps de travail économisé et les ventes récupérées, et pas seulement la précision de détection.
Quels sont les risques et les exigences ?
Trois questions reviennent sans cesse. D'abord les données : les modèles de vision ont besoin de nombreuses images représentatives et correctement étiquetées, y compris de défauts rares ou de produits inhabituels. Ensuite l'exploitation : caméras, éclairage et intégration aux systèmes de production ou de magasin coûtent de l'argent et demandent de la maintenance. Enfin les personnes et le droit : tout système qui filme des collaborateurs ou des clients relève des règles de protection des données. L'AI Act européen, en vigueur depuis le 1er août 2024, interdit certaines pratiques à partir du 2 février 2025, notamment la reconnaissance des émotions sur le lieu de travail et la collecte non ciblée d'images de vidéosurveillance pour constituer des bases de données de reconnaissance faciale. Les entreprises de mode devraient, dans la mesure du possible, concevoir des systèmes de vision qui regardent les produits, pas les personnes.
Questions fréquentes
À quoi sert la vision par ordinateur dans la mode ?
La vision par ordinateur sert au contrôle qualité des tissus et des vêtements, à la lecture des étiquettes en entrepôt, à l'étiquetage des images produits avec des attributs, à la recherche visuelle dans les boutiques en ligne et au suivi des rayons en magasin. Elle est la plus fiable sur des tâches visuelles étroites et répétables, avec une bonne qualité d'image.
L'IA détecte-t-elle mieux les défauts de tissu que l'humain ?
Les systèmes de vision peuvent inspecter de manière constante, sans fatigue et en haute résolution ; le système WiseEye de PolyU, par exemple, détecterait environ 40 types de défauts courants. Les performances dépendent de l'éclairage, de l'étalonnage et des données d'entraînement, et les nouveaux tissus ou imprimés nécessitent généralement des exemples étiquetés supplémentaires.
Comment fonctionne la recherche visuelle dans les boutiques de mode en ligne ?
Un modèle de vision convertit la photo de l'acheteur et les images du catalogue en représentations numériques et renvoie les produits les plus similaires. Les résultats dépendent de la qualité et de la cohérence des images et des attributs produits du catalogue.
L'IA par caméra en magasin est-elle légale dans l'UE ?
De nombreux usages sont légaux, mais ils doivent respecter le droit de la protection des données, et l'AI Act européen interdit certaines pratiques à partir du 2 février 2025, comme la reconnaissance des émotions sur le lieu de travail. Les systèmes centrés sur les produits plutôt que sur des personnes identifiables présentent un risque juridique bien moindre.
Une édition chaque jour ouvrable. Lue en cinq minutes. Gratuite pour les professionnels.
