Mettez une veste sur un mannequin dans presque n’importe quel système d’essayage virtuel, et la chemise en dessous disparaît. Plus de col au niveau du cou, plus de poignet au bout du bras, plus de pan sous l’ourlet. L’architecture fait exactement ce pour quoi elle a été conçue, et c’est aussi pour cela que le try-on ne sait vendre que des paniers à un seul article. Un article de l’Université de Washington publié sur arXiv en juillet est le premier à traiter l’ordre des couches, l’occlusion et le retrait comme la tâche commerciale à part entière, plutôt que comme un cas marginal.

Le mécanisme a un nom dans la littérature : la représentation agnostique au vêtement. Avant qu’un modèle de try-on classique ne dessine quoi que ce soit, il masque la zone où le nouveau vêtement va se poser, effaçant le porteur jusqu’à un torse vierge. Cette étape, écrivent les auteurs, « supprime irrémédiablement l’information contextuelle essentielle » que la nouvelle couche était censée recouvrir. Entraîné sur des jeux de données à article unique, le modèle n’a jamais observé deux vêtements se disputer le même centimètre carré d’épaule. Nous avancions en mai que le goulot d’étranglement du try-on avait migré du modèle vers les métadonnées du catalogue ; c’est ici l’exception, une capacité que le modèle ne possède véritablement pas.

Le masque, c’est la stratégie de merchandising.

La méthode se construit en deux passes : 29 151 paires d’entraînement synthétisées à partir de 362 vidéos de mode pour acquérir un comportement de try-on général, puis 5 768 paires réelles de superposition issues de 60 vidéos supplémentaires pour apprendre la composition. Trente participants ont noté les résultats. Sur la visibilité de la couche intérieure, c’est-à-dire si la chemise reste lisible une fois la veste enfilée, le nouveau modèle a obtenu 4,535 sur 5, contre 3,125 pour OmniTry et 2,859 pour Any2AnyTryon. Sur la qualité globale de la superposition, toutes les références se situaient sous 3, Nano Banana de Google plafonnant à 2,833. Ce sont pourtant les systèmes qui habillent aujourd’hui l’internet.

La superposition a toujours été lisible à ses bords, et le métier en a autrefois fait un modèle industriel. En 1827, Hannah Montague, de Troy, dans l’État de New York, a coupé le col de la chemise de son mari pour que la partie sale puisse être lavée séparément, et le col amovible a transformé sa ville en « Collar City ». Les plastrons et les poignets ont suivi, chacun empesé et vendu à part. Le dix-neuvième siècle avait compris que la couche du dessous n’a besoin d’exister que là où elle se voit. Le try-on inverse la leçon : il restitue le vêtement extérieur dans son intégralité et efface précisément les bords qui prouveraient que quelque chose se trouve en dessous.

La réponse du métier à l’essayage à article unique a été le collage. Les widgets de mix-and-match assemblent des photos de mannequins distinctes pour composer une tenue, et la propre page produit de Veesual revendique 19 tenues composées par session, une hausse de conversion de 135 % et une augmentation de 11 % du panier moyen. Lisez ces chiffres dans l’ordre : un engagement fort, une conversion solide, un panier qui ne progresse que d’un neuvième. Rien, dans un collage, n’occulte quoi que ce soit : le client choisit entre des vêtements plutôt qu’il ne les superpose.

L’ampleur de l’écart est documentée ailleurs dans cette même littérature. Garments2Look, un jeu de données de 80 000 paires de tenues publié en mars, recense en moyenne 4,48 vêtements par tenue, et ses auteurs rapportent que les méthodes actuelles « peinent à essayer des tenues complètes de manière fluide et à déduire correctement la superposition et le style ». L’occlusion n’est pas un terrain vierge : GO-MLVTON revendiquait déjà en janvier la première méthode multicouche, avec un module d’occlusion dédié et une métrique de cohérence des couches. Ce qu’ajoute l’article de juillet, c’est l’opération inverse : retirer une couche en laissant le reste intact, la moitié du geste d’essayage que personne n’avait encore modélisée.

C’est aussi là que ça casse encore. L’entraînement du modèle approxime le déshabillage en faisant tourner à l’envers des séquences de superposition, ce qui, admettent les auteurs, « simule imparfaitement le retrait d’un vêtement, en omettant des dynamiques physiques réelles comme le tirage du tissu de la couche intérieure ou le désordre des cheveux ». Quiconque a déjà retiré un pull par-dessus une chemise sait exactement ce que décrit cette phrase. L’enjeu, c’est le catalogue automne/hiver, tout entier construit sur la superposition : manteau sur pull sur chemise. C’est la moitié du calendrier que le try-on ne sait pas photographier, et la moitié où le panier était censé contenir plus d’un article.