La division retail de JD.com vient de révéler publiquement son architecture IA interne pour l'e-commerce pour la première fois. Ils l'appellent Oxygen. Ce n'est pas une annonce produit — c'est une plateforme qui expose la logique structurelle de la façon dont elle achemine les produits, les outils marchands et la logistique à travers une couche IA unifiée.

Le calendrier n'est pas accidentel. Cela arrive la même semaine où 36Kr révèle qu'Alibaba reconstruit sa pile commerciale autour du concept de Token. Deux plateformes. Une semaine. La même intuition architecturale : le nouveau principe organisateur du commerce est l'infrastructure IA, non le catalogue produit. Ce n'est pas une coïncidence — c'est une course pour déterminer quelle infrastructure deviendra la couche de dépendance marchande de la prochaine décennie.

Ce que signifie Oxygen stratégiquement : JD rend son architecture IA lisible par le monde extérieur. C'est soit un levier de recrutement, soit le signal que JD veut que les marchands construisent sur cette infrastructure — soit les deux. Comparez cela à l'architecture d'Amazon — une boîte noire enveloppée dans une structure tarifaire. JD publie le plan. C'est une posture concurrentielle différente, et les plateformes occidentales devraient y prêter attention.

C'est l'élément le plus important du fil d'aujourd'hui. L'exclusivité de 36Kr : à compter du 1er avril — début du nouvel exercice fiscal d'Alibaba — l'OKR central du groupe e-commerce Chine est le taux de rétention des outils IA côté marchand et la croissance du GMV portée par l'IA. La thèse structurelle : reconstruire le commerce autour du Token — l'unité computationnelle des modèles IA — plutôt qu'autour des SKU ou des requêtes de recherche.

Quand la métrique principale d'une plateforme passe du GMV à la rétention des outils IA, la plateforme mesure si les marchands deviennent dépendants de sa pile IA. La dépendance est un fossé plus solide que le prix. C'est du verrouillage par conception — non pas par les effets de réseau d'une marketplace, mais par l'attachement logiciel. Une fois que votre IA de pricing, votre IA de contenu et votre IA de prévision de la demande tournent toutes sur l'infrastructure d'une même plateforme, vous ne quittez plus cette plateforme. C'est le jeu.

Nous avons couvert la chute de ¥10 milliards de bénéfices d'Alibaba comme thèse d'investissement en termes financiers. Ce papier de 36Kr montre à quoi ressemble cette thèse à l'intérieur de l'organigramme. Il se connecte directement au framework MTGR de Meituan qui traite les produits comme des tokens — la même métaphore architecturale organise désormais la plus grande plateforme commerciale de Chine. Deux des trois plus grands acteurs du e-commerce chinois appliquent le même schéma conceptuel. Le troisième regarde.

Les effectifs d'Alibaba ont chuté de 34 % sur un an tandis que l'entreprise accélère sa transformation IA. Un média tech coréen encadre cela non comme un récit de licenciements, mais comme une métrique stratégique — la pile IA accomplissant davantage de travail avec moins de personnes.

L'arithmétique est sans appel : Alibaba a absorbé une perte de ¥10 milliards sur la thèse d'investissement IA. Les données d'effectifs montrent ce que cette thèse achète : une plateforme qui nécessite un tiers de personnes en moins pour fonctionner à la même échelle ou à une échelle supérieure. Les marques de mode qui modélisent leurs propres programmes de transformation IA devraient regarder ce ratio, non la version communiqué de presse. La version communiqué de presse dit que l'IA augmente vos effectifs. La version Alibaba dit que l'IA en remplace environ un tiers.

极睿科技 (JiRui Technology) a bouclé un Série A de plus de 100M RMB mené par Sequoia China — son troisième tour de financement en deux ans. Le fondateur est diplômé de Tsinghua, né dans les années 1990, et construit une IA spécifiquement pour les chaînes d'approvisionnement de la mode.

Ce que fait concrètement JiRui : du contenu généré par IA qui stimule la découverte de produits pour les marchands e-commerce, avec des résultats rapportés de plusieurs dizaines de millions de RMB en gains mensuels de GMV. Ce n'est pas de l'IA image générique. C'est verticalement spécialisé pour la mode, avec des données de chaîne d'approvisionnement intégrées au modèle — savoir quels styles sont disponibles à quelle marge informe ce qui est mis en avant et à qui. Le contenu et les stocks ne sont pas des problèmes séparés. JiRui les traite comme un seul.

Le fait que Sequoia China mène le tour est le signal. Ce n'est pas de l'infrastructure spéculative. JiRui a une traction marchande et une thèse défendable : le contenu produit généré par IA comme dernier kilomètre de la chaîne d'approvisionnement. Comparez cela au goulot d'étranglement de la taxonomie de catalogue sur lequel nous avons écrit — JiRui construit la couche qui comble les lacunes que laissent les catalogues curatés manuellement.

La presse tech chinoise couvre les 数字替身 (doubles numériques) qui pénètrent la mode à l'échelle commerciale — des mannequins virtuels générés par IA désormais déployés dans les visuels produits, sans cadre réglementaire pour suivre le rythme. La technologie avance vite, la réglementation pas encore en place : c'est le titre, mot pour mot.

C'est la toile de fond concrète de la pièce d'aujourd'hui AI Mannequin Arrives With a French Accent. Le marché chinois utilise des mannequins IA en photographie produit depuis plus longtemps et à plus grande échelle que n'importe quel marché occidental — des coûts moindres, une itération plus rapide, et un vide réglementaire que l'AI Act européen finira par combler, mais pas encore.

Le risque concret n'est pas philosophique. Les consommateurs sont de plus en plus conscients des images générées par IA, et la première marque transfrontalière prise dans un litige d'avatar IA sans cadre de conformité écrira le précédent. La technologie a évolué plus vite que toute couche de conformité. Ce n'est pas propre à la mode. C'est juste le plus visible ici, parce que la mode est là où l'avatar est le produit.

La startup e-commerce IA Spangle a levé 15M$ en Série A à une valorisation de 100M$. Six personnes. Le produit : des pages produits qui se reconfigurent pour chaque visiteur, façonnées par l'IA plutôt que statiques.

La lecture du sceptique : des A/B tests coûteux avec un meilleur récit. La lecture de l'optimiste : Shopify est une plateforme, Spangle est une spécification — et parfois la spec gagne parce qu'elle mise sur une seule chose plus vite que la plateforme ne peut livrer. La pièce d'aujourd'hui sur l'explicabilité des recommandations à démarrage à froid couvre ce qui se passe quand on ajoute de la transparence à la couche de recommandation. Spangle est la version extrême de cette thèse : non seulement des recommandations qui s'expliquent, mais des pages qui se reconfigurent elles-mêmes.

Le multiple de financement (six employés, 100M$ de valorisation) vous dit ce que le marché valorise : la thèse, pas la traction. C'est acceptable pour l'instant. La question est de savoir si Spangle aura suffisamment de données marchandes pour se différencier de la couche de personnalisation de Shopify d'ici le prochain tour. La réponse à cette question déterminera si c'est une entreprise ou une fonctionnalité.

Canva a acquis Simtheory (IA agentique) et Ortto (automatisation marketing et engagement client) simultanément. La thèse : Canva construit la pile design-vers-distribution pour les marques du marché intermédiaire.

Pour la mode en particulier, la combinaison signifie qu'une marque pourrait théoriquement concevoir une campagne, automatiser sa distribution et personnaliser la livraison sans quitter une seule plateforme. C'est une menace directe sur la chaîne Adobe → Salesforce → Klaviyo que la plupart des marques de mode mid-market assemblent elles-mêmes — à un coût et une charge d'intégration significatifs que seules les plus grandes équipes peuvent soutenir.

Le calendrier se connecte à ByteDance Seedance qui fait chuter les coûts de production à des fractions de dollar par seconde. La création bon marché n'est puissante que si vous disposez de l'infrastructure de distribution pour la déployer à grande échelle. Canva vient d'acquérir cette infrastructure. Les VC ont déjà reclassifié la mode selon des critères logiciels — la double acquisition de Canva confirme que le marché des outils créatifs suit la même logique. L'intégration est le produit.

La synthèse de Modern Retail sur l'IA en magasin sort le même jour que notre analyse des résultats des publicités IA Google pour Aritzia. L'observation centrale de la synthèse — aucun cas d'usage IA unique ne convient à tout le commerce physique — est exacte et aussi légèrement évasive. Le point le plus difficile : différents formats de magasin nécessitent des architectures IA fondamentalement différentes, et la plupart des retailers déploient le même chatbot quel que soit le format.

Le magasin devient un système d'exploitation IA — mais ce n'est pas une transformation uniforme. Le concierge Puma à Las Vegas est de la nouveauté. Le Magic Apron de Home Depot est opérationnel. La différence, c'est si l'IA réduit les frictions pour le client ou génère des données pour le retailer. Chez la plupart des retailers en ce moment, elle tente les deux et n'optimise ni l'un ni l'autre.

Rapport AX Insight 2026 de WantedLab (Corée) : 92 % des travailleurs utilisent l'IA dans leur travail. Seulement 5 % des entreprises ont achevé le déploiement IA à l'échelle de l'entreprise. 97 % estiment que la transformation IA aura un impact sur leur environnement commercial.

Cet écart — entre l'adoption personnelle de l'IA et le déploiement IA à l'échelle de l'entreprise — est la tension centrale de chaque présentation de conférence sur « l'IA transforme le retail » qui reste non dite. Les travailleurs utilisent l'IA parce que les outils sont immédiatement utiles. Les entreprises ne déploient pas à l'échelle parce que l'intégration est difficile, la conformité floue, et les cadres de ROI que les conseils d'administration exigent n'existent pas encore.

Ce n'est pas un chiffre coréen. C'est universel. À Shoptalk Spring, on a demandé aux retailers de prouver des résultats plutôt que d'annoncer des plans. L'écart 92 %/5 % explique précisément pourquoi si peu le peuvent. Pendant ce temps, la pièce d'aujourd'hui sur le comportement d'achat de la Gen Z brésilienne montre que les consommateurs ont déjà entièrement dépassé cet écart entreprise — les jeunes acheteurs utilisent déjà l'IA pour décider leurs achats pendant que les entreprises qui leur vendent sont encore en comité de gouvernance. 92 % de vos employés mènent des expériences. 5 % de vos entreprises ont l'infrastructure de données pour savoir ce qu'ils ont trouvé.

La plateforme de commerce local coréenne Daangn a lancé « 말로 쓰기 » (Écrire à la voix) : l'IA pose des questions sur votre expérience de visite, vous répondez à la voix, l'IA rédige l'avis. Résultats : hausse de 43 % du taux de réutilisation des avis, amélioration de 40 % des scores de qualité.

La barrière d'interface pour les avis est le sale secret de l'e-commerce. La plupart des avis sont soit uniquement des étoiles soit trois mots de rien. La collecte conversationnelle supprime ce frein — et la capacité de l'IA à poser des questions de suivi capture des détails (coupe, texture, durabilité, occasion) que les évaluateurs non guidés omettent systématiquement. On ne peut pas recommander ce qu'on ne sait pas. Et on ne le sait pas parce que personne ne l'a écrit.

C'est là où la mode compte le plus. Poshmark a centré l'intégralité de sa refonte sur la curation. La collecte d'avis conversationnelle est la couche d'entrée qui rend la curation possible à grande échelle. De meilleurs avis → de meilleures recommandations → une meilleure découverte. C'est un volant qui démarre avec une invite vocale, et le gain de qualité de 40 % suggère que l'IA pose de meilleures questions que ce que l'évaluateur moyen propose spontanément.

Foot Locker rejoint DoorDash pour la livraison à la demande. L'histoire logistique est évidente. Le signal de catégorie importe davantage : la chaussure est désormais un achat de commodité pour un segment d'acheteurs suffisamment large pour que Foot Locker l'optimise.

M-Now de Myntra a capturé 10 % des commandes sur les marchés indiens actifs en un an en traitant l'habillement comme une catégorie de commodité. DoorDash rapporte que plus d'un tiers de ses utilisateurs actifs mensuels font déjà des achats retail et épicerie. Foot Locker ne convertit pas la réflexion autour d'une sneaker en impulsion. Il capte l'intention de commodité qui n'allait de toute façon jamais entrer dans un magasin de chaussures — les gens qui ont besoin d'une paire spécifique aujourd'hui, pas d'une expérience shopping.

La contrainte d'inventaire est l'histoire qui remontera le trimestre prochain. La livraison à la demande ne fonctionne que pour les SKU maintenables dans un rayon de fulfillment raisonnable. Ce sous-ensemble curé nous dira quelles sneakers le marché a décidé d'ériger en produits de commodité et lesquelles nécessitent encore le magasin. C'est en réalité une information concurrentielle utile sur la direction que prend la catégorie.

Henkel acquiert Olaplex pour 1,4 milliard de dollars. Langage d'acquisition standard du PDG : accélérer l'innovation produit, étendre la portée. La couche intéressante, c'est ce que Henkel apporte réellement à l'opération.

Henkel dispose de l'infrastructure R&D — incluant des outils de formulation assistés par IA — pour exécuter la chimie de réparation des liaisons à l'échelle industrielle. Olaplex possède le culte de marque et le portefeuille de brevets. La combinaison est un modèle de ce à quoi ressemble l'IA beauté premium quand on dispose à la fois de l'infrastructure de données et de la confiance des consommateurs. L'un sans l'autre produit soit de la science coûteuse que personne n'achète, soit une marque sans rien de défendable en dessous.

Le schéma mérite d'être suivi : les conglomérats beauté européens (Henkel, L'Oréal, Beiersdorf) acquièrent des marques qui définissent leur catégorie et leur appliquent une infrastructure R&D IA. C'est plus lent et plus capitalistique que le playbook américain de consolidation CPG, mais la structure de marge des soins capillaires premium lui donne de la place pour composer. La question pour les fidèles d'Olaplex : l'échelle de Henkel accélère-t-elle l'innovation ou en ponce-t-elle les aspérités qui rendaient la marque intéressante ?

Tubi est désormais une app native dans ChatGPT. Titre pour l'industrie media : OpenAI devient un hub de divertissement. Titre pour l'industrie retail : l'interface de découverte pour le contenu et le commerce convergent dans le même conteneur.

L'app ChatGPT de Sephora a été lancée le même jour où OpenAI se retirait d'Instant Checkout. Le schéma : le commerce qui fonctionne à l'intérieur de ChatGPT n'est pas transactionnel — c'est de la découverte. La bibliothèque de contenu de Tubi est curatée par goût et occasion. La mode est curatée par goût et occasion. Le prochain Tubi dans ChatGPT sera une expérience de découverte mode, pas un flux produit.

Il y a une lecture structurelle ici qui se connecte au commerce vidéo en Asie du Sud-Est. L'Occident continue d'essayer d'intégrer le paiement dans les formats de divertissement et continue d'échouer. ChatGPT fait l'inverse — intègre le divertissement dans l'interface où l'intention d'achat se forme déjà. C'est l'architecture qui fonctionne réellement, et Tubi vient de démontrer qu'elle est techniquement faisable à l'échelle grand public.