Trend-to-Product de Walmart : comment l'IA a raccourci les délais de développement mode

Trend-to-Product est un outil d'IA propriétaire qui aide les équipes des marques propres de Walmart à transformer plus vite des signaux de tendance en ligne en vêtements finis. Walmart affirme qu'il peut raccourcir le calendrier de production mode de jusqu'à 18 semaines, ramenant un processus qui prenait traditionnellement environ six mois à six à huit semaines. Les chiffres sont communiqués par l'entreprise, mais le cas montre clairement où l'IA générative s'insère dans le développement produit et où ce sont encore les humains qui décident.

Qu'est-ce que l'outil Trend-to-Product de Walmart ?

Walmart a présenté publiquement Trend-to-Product lors de sa réunion avec la communauté des investisseurs à Dallas le 9 avril 2025, selon Axios. Le distributeur le décrit comme un outil de design de détection des tendances qui utilise l'IA et l'IA générative pour analyser et synthétiser des données et des tendances mondiales, y compris des informations issues d'internet et de prescripteurs. Axios a rapporté que l'outil avait été développé en interne au cours des 18 mois précédents et qu'il est propriétaire, et non un produit standard sous licence.

L'outil s'adresse aux designers et aux acheteurs qui travaillent sur les marques propres de Walmart. Axios a rapporté qu'il avait déjà servi à créer des articles pour No Boundaries, une marque propre qu'Axios qualifie de marque à 2 milliards de dollars, avec des produits sortis en février 2025. Andrea Albright, Executive Vice President Sourcing de Walmart, a décrit l'habillement comme l'une des catégories les plus difficiles à concrétiser pour l'entreprise, raison pour laquelle elle a été choisie comme premier terrain d'essai.

Comment fonctionne Trend-to-Product, étape par étape ?

Just Style et Retail Brew, qui s'appuient tous deux sur l'annonce de Walmart, décrivent un processus en trois temps dans lequel l'IA prend en charge la recherche et la documentation tandis que les humains exercent leur jugement :

1. Détection des tendances. Le système collecte des signaux sur le web, notamment des publications sur les réseaux sociaux et des vidéos de défilés et de tapis rouges, et les combine avec les données internes de Walmart.
2. Planches d'inspiration. L'IA générative produit des planches d'inspiration avec noms de collection, couleurs, textures et idées, remplaçant une grande partie de la recherche manuelle que faisaient auparavant les designers.
3. Affinage humain. Designers et acheteurs affinent les planches d'inspiration, examinent les données d'écoulement et mobilisent leur propre expérience pour créer les pièces finales.
4. Fiche technique. L'outil génère ensuite une fiche technique mode (tech pack) qui indique aux fournisseurs comment fabriquer chaque article.

Selon Just Style, l'exécution de l'outil lui-même prend environ une heure, et Retail Brew a rapporté l'affirmation de Walmart selon laquelle l'idéation prend désormais moins d'une heure. Vinod Bidarkoppa, CTO de Walmart International, a déclaré à Axios que certaines étapes étaient passées de plusieurs jours ou semaines à quelques minutes.

Lire aussi

Comment Nike utilise l'IA : données de vente directe et création de produits générative

De combien l'IA accélère-t-elle le développement mode chez Walmart ?

Le chiffre phare avancé par Walmart est une réduction de jusqu'à 18 semaines. Just Style a rapporté que concevoir et produire une collection de vêtements prend traditionnellement environ six mois et qu'avec l'outil, les collections arrivent en rayon et en ligne en six à huit semaines. Vinod Bidarkoppa l'a résumé à Axios ainsi : six mois deviennent six semaines.

Deux réserves s'imposent. D'abord, Retail Brew a souligné que ces chiffres sont des déclarations de l'entreprise et que la couverture médiatique ne donne aucun détail technique sur la précision des résultats. Ensuite, Walmart présente lui-même la vitesse comme une option. Andrea Albright a déclaré à Axios que l'entreprise ne recherche pas la vitesse pour elle-même, que tout n'a pas besoin d'être livré en magasin en six semaines et que les pays de sourcing varient selon la catégorie et la vitesse requise, les droits de douane figurant parmi les facteurs. Elle a aussi précisé que l'approche diffère de la fast fashion et ne transige pas sur l'approvisionnement responsable.

Quel rôle jouent encore les designers et les acheteurs ?

Walmart affirme clairement que les humains gardent la main sur les décisions majeures. Jen Jackson Brown, Senior Vice President Apparel Brand and Design de Walmart US, a déclaré que l'outil permet aux collaborateurs du design et du développement produit des marques propres de passer moins de temps à courir après les tendances, selon Retail Brew et Just Style. Le jugement en matière de design, le choix de ce qui correspond à la marque et à sa clientèle, et la confrontation aux données d'écoulement restent des tâches humaines.

Cette répartition des rôles reflète une limite plus large soulevée par Retail Brew. Tucker Marion, professeur associé à la Northeastern University, a expliqué que des modèles entraînés sur les propres données et l'ADN créatif d'une marque n'existent pas encore pleinement. En pratique, une IA de détection des tendances fait remonter ce qui se passe sur le marché ; elle ne sait pas d'elle-même ce qu'une marque donnée devrait produire.

De quelles données un processus trend-to-product a-t-il besoin ?

La description de Walmart met en évidence les intrants dont tout distributeur aurait besoin pour reproduire l'approche :

• Des signaux de tendance externes : réseaux sociaux, images de défilés et de tapis rouges et contenus plus larges du web, collectés dans le respect du droit d'auteur et des conditions des plateformes.
• Des données de performance internes : historique d'écoulement par modèle, couleur et taille, pour que les équipes puissent confronter les suggestions de l'IA à ce qui s'est réellement vendu.
• Des données produits structurées : des attributs cohérents pour les matières, les couleurs et la construction, afin que les fiches techniques générées soient exploitables par les fournisseurs.
• Les contraintes de sourcing : délais, capacités et coûts par pays, car la vitesse dépend du lieu et du mode de fabrication d'un produit.

Walmart utilisera-t-il Trend-to-Product au-delà de la mode ?

Oui, selon l'entreprise. Axios a rapporté que Walmart prévoit d'étendre l'outil au-delà de l'habillement, avec en priorité les articles saisonniers tendance et les produits non alimentaires. Andrea Albright a déclaré à Just Style que l'entreprise veut apporter l'IA au tout premier maillon de la création produit, évoquant des usages comme les teintes de rouge à lèvres ou les associations de saveurs alimentaires.

Lire aussi

Comment H&M utilise l'IA : demande, allocation et jumeaux numériques

Que peuvent apprendre les autres distributeurs de mode de Walmart ?

Le cas offre des enseignements concrets pour les équipes de marques propres et de marques de distributeur. L'IA est appliquée à la partie la plus lente et la plus gourmande en recherche du développement, tandis que les décisions sur ce qu'il faut produire restent aux designers et aux acheteurs. Les résultats sont rapprochés des données internes d'écoulement plutôt que des seuls signaux de tendance. Et la vitesse est traitée comme un choix de sourcing par catégorie, et non comme un objectif universel.

Les limites sont tout aussi instructives. Walmart a développé l'outil en interne en 18 mois, ce qui suppose une capacité d'ingénierie et un accès aux données considérables. Les résultats publiés portent sur les délais, pas sur les performances commerciales ; les distributeurs qui évaluent des outils similaires devraient donc définir leurs propres indicateurs, comme l'écoulement à plein prix, les taux de démarque et le nombre d'échantillons, avant de crier victoire.