Les outils de recommandation de taille apprennent le corps que le client avait autrefois
AlixPartners a constaté que la part des acheteurs de vêtements de sport qui jugent importantes la constance des coupes et des tailles est passée de 29 % à 54 % en un an, et relie cette hausse aux médicaments GLP-1, alors que son rapport publié ne dit jamais que les répondants ont été interrogés sur leur consommation de ces médicaments. La conséquence la plus nette concerne les outils de recommandation de taille, dont le signal d'apprentissage est en grande partie l'historique d'achats et de retours, qui décrit un corps que certains clients n'ont plus.

Neritus Vale
AlixPartners a constaté que l’importance accordée par les acheteurs de vêtements de sport à la constance des coupes et des tailles est passée de 29 % en 2025 à 54 % en 2026. Le cabinet relie ce bond aux médicaments contre l’obésité, et la presse y a vu un problème de stocks. Le constat compte pourtant davantage pour les outils de recommandation de taille, qui apprennent en grande partie de ce que les clients ont acheté, gardé et retourné. Quand un corps change entre deux commandes, cet historique décrit quelqu’un d’autre.
Le compte rendu de FashionUnited n’abordait le chiffre sur la coupe que dans son dernier paragraphe. Sourcing Journal a qualifié l’effet des médicaments de « constat saisissant » et cité parmi les conséquences les stocks, la planification et les retours. L’IA la plus exposée se trouve déjà sur les fiches produit, où elle recommande des tailles.
Du 14 au 24 juillet, AlixPartners a interrogé plus de 9 000 consommateurs américains sur ce qui motive leurs achats. Son rapport classe un critère comme « facteur important » si les répondants l’ont jugé important, très important ou « facteur n° 1 », ne reproduit aucune formulation de question et n’indique aucune taille d’échantillon pour les vêtements de sport. Son graphique situe à 12 points la hausse de la part des acheteurs qui jugent la coupe « très importante », sur une base non précisée : les deux chiffres ne peuvent donc pas être rapprochés à partir de la page.
Le lien avec les médicaments est une inférence des auteurs, pas une mesure. Le rapport publié ne dit jamais que les répondants ont été interrogés sur la prise de médicaments GLP-1 ; il place ses chiffres sur la coupe à côté de l’estimation de Gallup, selon laquelle 11 % des adultes américains prennent de tels médicaments pour perdre du poids. Il ajoute que les femmes plus âgées accordent plus d’importance à la coupe que les plus jeunes, un écart qui, selon lui, « correspond aux tranches d’âge où l’adoption des GLP-1 est concentrée », sans base indiquée ni ventilation par âge sur la page de Gallup.
Une bonne part de ce qu’apprennent les outils de recommandation de taille vient de l’historique d’achats et de retours, que les corps changeants rendent obsolète. True Fit affirme transformer « 20 ans de résultats réels d’achats et de retours » en conseils « auxquels agents et acheteurs peuvent se fier ». Fit Analytics dit que ses recommandations « sont tirées d’achats réels », ce qui décrit la façon dont la coupe d’un produit est apprise à l’échelle de l’ensemble des clients, pas à partir de l’historique de commandes d’une seule personne. Les conseils de Zalando s’appuient sur le « comportement d’achat et de retour », ainsi que sur les retours d’expérience sur la coupe et les enseignements des mannequins d’essayage. Tous trois posent aussi des questions : Fit Finder demande des préférences de coupe, le profil de True Fit prend la morphologie, et le Size Profile de Zalando recueille des avis sur les commandes passées et des mensurations.
Un historique d’achats est le relevé d’un corps antérieur. Une cliente qui a gardé des M, puis a perdu du poids, donne à un modèle construit ainsi toutes les raisons de recommander de nouveau un M. Si la cliente ne met pas son profil à jour, un tel modèle n’apprendrait le changement qu’à la faveur d’un retour marqué « trop grand », l’échec même que l’outil est censé éviter.
Le relevé qui rend un outil de recommandation précis est aussi celui qui le rend lent.
Les ingénieurs de FARFETCH ont constaté que les données corporelles se périment et se sont appuyés sur l’historique d’achats. Leur article de 2023 explique que les questionnaires sur la taille, le poids et la morphologie peuvent sembler intrusifs et que, « plus important encore, ce type d’information varie dans le temps et devrait être mis à jour ». Leur modèle lit à la place les commandes du client, les ajouts au panier et les motifs de retour. Une variante ajoute le nombre de jours écoulés depuis chaque événement, ce qui pondère à la baisse les commandes anciennes, mais rien dans la séquence n’enregistre un corps qui change, seulement les retours qui s’ensuivent.
Aucun des trois n’explique, sur les pages que nous avons lues, comment son système repère un corps qui a changé. La FAQ de True Fit dit que son agent « tient compte des caractéristiques corporelles, des achats passés », « apprend en continu à partir du comportement d’achat naturel » et « peut demander plus de détails », ce qui ne décrit en rien la détection d’un changement. Sa politique de confidentialité précise que les acheteurs peuvent corriger leur profil « à tout moment », et Zalando propose un scan corporel sur téléphone que plus de 1,5 million de clients ont essayé. D’après ces descriptions, chacun attend que le client signale le changement ou qu’un retour le révèle.
Deux éditeurs de solutions de coupe vendent plutôt de la mesure corporelle. WAIR, dont les scans sont cités par le rapport, ne donne aucun chiffre sur des tours de taille qui diminueraient plus vite que les hanches. Bold Metrics vante des « données corporelles vivantes » face à des « courbes de tailles construites à partir des achats de l’an dernier », bien que ses données sur 18 millions d’acheteurs n’aient montré aucun effet visible des médicaments il y a deux ans.
La principale objection est que les outils de recommandation se corrigent eux-mêmes. Un retour « trop grand » met à jour la suggestion suivante, la variante de FARFETCH pondère à la baisse les événements anciens, et les acheteurs peuvent rescanner leur corps ou modifier leur profil. Pour que la thèse tombe, il faudrait que les clients changent de taille assez lentement pour que chaque correction arrive avant leur commande suivante.
Le changement lent est difficile à présumer si un adulte américain sur neuf prend un tel médicament, d’après le décompte de Gallup. Ce chiffre compte des utilisateurs, pas des changements de taille, mais un utilisateur qui perd du poids change entre deux commandes, et chaque autocorrection coûterait un retour. Beaucoup d’utilisateurs arrêtent ensuite le médicament et reprennent du poids, comme nous l’avons rapporté le 2 octobre, si bien qu’un modèle qui vient d’apprendre à recommander plus petit pourrait de nouveau se tromper.
Les agents d’achat hériteraient du même historique. True Fit vend déjà son relevé d’achats et de retours comme conseil destiné aux agents, tandis que AlixPartners indique que la plupart des répondants ne laisseraient pas encore un agent acheter leurs vêtements, sans publier de part. Notre article du 22 octobre faisait état de 7,3 % d’Américains prêts à laisser un agent acheter des vêtements, un chiffre tiré d’un graphique du sondage de juin de Prosper, réalisé auprès d’un autre panel invité à cocher des tâches dans une liste.
AlixPartners présente ses propres conseils sur les courbes de tailles comme un problème de prévision : les marques devraient reconstruire leurs modèles de demande et leurs courbes de tailles « autour de la cliente telle qu’elle est aujourd’hui, plutôt qu’à partir d’un instantané vieux de trois ans ». Par analogie, un historique de commandes est cet instantané, conservé client par client. Si la coupe continue de monter dans les priorités des acheteurs, les outils de recommandation qui posent une question avant de réutiliser une ancienne commande pourraient éviter des retours qu’un meilleur modèle du passé ne saurait éviter.
La plupart des outils de recommandation posent déjà une question, sur une préférence de coupe, une morphologie ou un scan. La question ouverte est de savoir quand ils la reposent. Ils peuvent la poser avant de réutiliser une ancienne commande, au prix d’une question que certains clients jugent intrusive, ou attendre que le colis revienne et partager avec le client le coût de la leçon.