Aujourd’hui, avec l’omniprésence des outils numériques et des réseaux sociaux, les tendances de la mode évoluent très rapidement. Pour l’industrie de la mode, la possibilité de prévoir les tendances au bon moment et de manière fiable constitue un atout stratégique majeur. Effectuées de manière conventionnelle, les prévisions de mode requièrent beaucoup d’analyses d’images et de collections, d’opérations d’étiquetage et de classements, et de délais d’échanges de données à travers le monde, ce qui nécessite beaucoup de temps et de main d’œuvre.
Dans cette étude exploratoire américaine, il est question d’utiliser un algorithme d’intelligence artificielle qui va être capable d’analyser les images de mode à partir d’un ensemble de données à très grande échelle dans différents scénarios tels que les boutiques en ligne et les instantanés de rue. Les auteurs proposent ici un modèle qui va pouvoir détecter et classer les différentes caractéristiques des vêtements (texture, composition, style, détails de conception, …), et transcrire ces données en tendances de mode. Pour cette étude, l’équipe a mis en œuvre une version améliorée de l’algorithme de détection Faster R-CNN développé par des chercheurs en intelligence artificielle de Facebook. Cette approche semble être une méthode informatique objective et systématique d’interprétation de la dynamique de la mode d’une manière plus efficace, précise, durable, rentable en comparaison avec les méthodes conventionnelles qui sont fastidieuses et subjectives.
Ces travaux viennent compléter d’autres développements menés par le passé sur les possibilités de l’intelligence artificielle pour analyser les demandes et besoins des consommateurs afin de prédire leurs comportements d’achats.
Serveur web : https://journals.sagepub.com/doi/10.1177/00405175211006212
Date : 10/2021