Pas de vraie personne sur les fiches produit du prêt-à-porter féminin : les mannequins IA poussent la confiance dans l'e-commerce au bord du précipice

À mi-parcours des préventes du Double 11, la catégorie du prêt-à-porter féminin a explosé la première. Le 30 septembre, un reportage de N Video (Nanfang Dushi Bao) a propulsé les « faux mannequins IA » en tête des tendances : des photos de mannequins à six doigts, aux jambes coupées ou sans bras sont mises en ligne sans la moindre gêne, les acheteurs ont beau éplucher toute la fiche produit, ils ne trouvent pas une seule photo réelle, et en allant voir les avis clients dans les commentaires, les avis clients sont eux aussi générés par IA. Une consommatrice de Guangzhou a demandé au service client des photos réelles ; la réponse a été sans détour : ces faux mannequins IA de la fiche produit, ce sont des « photos réelles, mannequin en essayage ».

Les journalistes ont constaté que l'usage massif de photos de mannequins IA est devenu la norme du secteur. Les marques épinglées ne sont pas seulement des petites boutiques obscures : des noms connus comme I.T, MLB ou SPAO figurent aussi dans la liste, et la plupart ne signalent pas la génération par IA. Sur une boutique de prêt-à-porter féminin forte de 3,85 millions d'abonnés, la fiche produit indique la taille et le poids du mannequin, mais les photos d'essayage « sentent l'IA à plein nez » ; le service client reconnaît que les images sont générées par IA, mais est incapable de fournir une photo réelle, se contentant d'insister : « le produit est conforme aux images ».

Un calcul pas bien difficile

Commençons par nous mettre à la place des commerçants. Faire appel à un mannequin pour une série de photos, c'est plusieurs milliers de yuans rien que pour commencer, sans compter la réservation du lieu, du photographe et l'attente des disponibilités. Avec l'IA, on entre une photo de vêtement à plat, et en quelques secondes, on obtient un rendu porté. Un professionnel de l'e-commerce l'a écrit lui-même : environ 90 % des photos produits de son entreprise sont déjà générées par IA.

De l'autre côté, il y a le taux de retour qui pèse. Selon un professionnel du secteur, il était d'environ 50 % il y a quelques années ; cette année, 70 à 80 % est devenu la norme. En deux mois, plus de dix boutiques en ligne de prêt-à-porter féminin ont annoncé leur fermeture, dont une avec 4,67 millions d'abonnés, 2 millions de pièces vendues par an et plus de dix ans d'existence.

Ainsi sont d'abord apparues des étiquettes géantes de la taille d'une feuille A4, puis des rubans anti-détachement : cousus au col, à la couture d'épaule ou à la fermeture éclair, pouvant atteindre 2,4 mètres de long, d'une couleur si voyante qu'on ne peut pas les cacher, avec l'inscription « retrait = ni retour ni échange ». Sur Weibo, un post intitulé « Le marché de la confiance du prêt-à-porter féminin s'est effondré, on commence à utiliser des rubans anti-détachement » a récolté 15 000 likes et 1 645 commentaires ; en parallèle, les acheteurs se transmettent entre eux des « tutoriels pour cacher le ruban anti-détachement ».

Il faut être juste : le chiffre du taux de retour lui-même est difficile à vérifier. Le « taux de retour de 90 % pour le prêt-à-porter féminin sur une certaine plateforme e-commerce » a été inventé de toutes pièces ; son auteur avait payé des gens pour le diffuser sur plusieurs plateformes et a été placé en détention criminelle par la police de Shanghai en février de cette année. Les articles non conformes, les lives qui présentent la version A mais expédient la version B, les tailles indiquées n'importe comment, les préventes interminables : tout cela n'est pas non plus le fait des acheteurs.

Mais en alignant ces faits, on voit apparaître un cercle qui se mord la queue : les images ne sont pas fiables, donc le taux de retour augmente ; le taux de retour augmente, donc les commerçants compriment encore plus les coûts de tournage ; et cette compression rend les images encore moins fiables. Ce cercle n'est pas un problème technique, c'est un ensemble de mécanismes d'incitation qui s'est déréglé.

Ce qui a vraiment poussé les plateformes à agir, ce n'est pas la laideur des images, c'est l'absence de mention

Il y a ici une ligne de conformité facile à négliger.

À compter du 1er septembre 2025, les « Mesures d'identification des contenus générés ou synthétisés par intelligence artificielle » et la norme nationale obligatoire GB 45438-2025 entrent en vigueur simultanément. L'article 10 des premières est on ne peut plus clair : lorsqu'un utilisateur publie un contenu généré ou synthétisé, il doit le déclarer activement et utiliser la fonction d'identification fournie par le prestataire de services. La seconde exige que les images générées par IA portent un marquage explicite clairement perceptible par l'utilisateur, ainsi qu'un marquage implicite inscrit dans les métadonnées du fichier, les plateformes de diffusion ayant une obligation de vérification et d'avertissement. L'article 18 des « Règles de gestion des services d'information internet de synthèse profonde » est encore plus ferme : aucune organisation ni aucun individu ne peut supprimer, altérer ou dissimuler un marquage de synthèse profonde.

Donc quand vous voyez, en bas à gauche d'une photo produit, une petite ligne : « soupçon d'utilisation d'une technologie de génération par IA, veuillez examiner avec prudence », ne la prenez pas pour un simple avertissement de non-responsabilité. C'est la plateforme qui avoue à la place du commerçant : celui-ci n'a pas fait de déclaration active, la plateforme a donc dû détecter elle-même et apposer elle-même le marquage.

L'analyse des avocats est plus directe : lorsqu'un commerçant utilise des rendus de vêtements par IA à des fins publicitaires, il doit à la fois disposer d'un marquage explicite et d'un marquage technique implicite dans les métadonnées, sous peine d'infraction. La génération d'avis clients par IA est de nature encore plus grave. L'article 17 de la « Loi sur le commerce électronique » interdit la publicité mensongère par le biais de transactions fictives ou de faux avis d'utilisateurs, et l'article 9 de la « Loi contre la concurrence déloyale » vise lui aussi la publicité mensongère relative aux avis d'utilisateurs. Faire dire des choses fausses à une personne fausse, pour amener le consommateur à commander sur la base d'une perception erronée, peut constituer une fraude à la consommation.

Le Double 11 de cette année est la première grande fenêtre promotionnelle après l'entrée en vigueur de ce dispositif, et le timing est délicat. Une photo de fiche produit manifestement générée par IA mais dépourvue de tout marquage se situe déjà à la limite de la règle : le consommateur est parfaitement fondé à exiger des photos réelles, et dispose aussi d'un canal de signalement.

Le point d'ancrage que les consommateurs peuvent saisir n'est pas, en réalité, leurs yeux

Les « points de ratage » recensés dans les communautés sont très concrets : la structure des mains (six doigts, doigts déformés, doigts qui fusionnent avec le tissu au niveau du poignet), les lettres imprimées sur le vêtement qui deviennent des charabias, les contours entre la personne et le fond qui se fondent en une masse floue, les carreaux et rayures décalés au niveau des coutures, les boutons, fermetures éclair et cordons déformés ou qui traversent la matière.

Le problème, c'est qu'une image IA de bonne qualité est indétectable pour Monsieur Tout-le-monde. Alors n'essayez pas d'aiguiser votre œil de lynx : servez-vous des règles.

Le plus fiable, c'est le tableau des tailles. Sortez le sweat ou le pantalon qui vous va le mieux actuellement, mesurez à plat la largeur d'épaules, le tour de poitrine, la longueur du vêtement, le tour de taille et de hanches, la longueur de jambe devant, et comparez point par point avec le tableau de mesures réelles du produit. Les photos de mannequin sont fictives, les centimètres ne le sont pas. Ce fameux « l'IA tombe toujours parfaitement », c'est justement son talon d'Achille : elle peut retoucher une personne, pas un tableau.

Viennent ensuite les photos à plat et les gros plans de tissu. Ces deux catégories sont généralement encore des prises de vue réelles : c'est sur elles qu'il faut se baser pour les écarts de couleur et la matière. Troisièmement, les contenus « qui bougent » : une image statique peut être truquée, mais marcher, s'asseoir ou lever le bras, ça ne se falsifie pas ; privilégiez les vidéos portées et les essayages en direct. Les avis clients écrits mentionnant taille et poids ont la plus grande valeur, par exemple « je mesure 1,64 m, cette robe tombe très bien en longueur ». Ce genre d'information, un mannequin IA ne pourra jamais la donner.

Il y a aussi un art de formuler ses questions au service client. Ne demandez pas « est-ce de l'IA ? », dans 90 % des cas on vous répondra « c'est du vrai ». Demandez directement deux photos : une prise de vue réelle à plat, et un gros plan de l'étiquette d'entretien du tissu.

Les plateformes font aussi le ménage de leur côté

Prenons un peu de recul : le problème des images IA ne se limite pas au prêt-à-porter féminin. Ces trois derniers mois, Xiaohongshu a mené une campagne de traitement spécifique contre les « recommandations fictives par IA », nettoyant près de 120 000 publications de recommandation fictives générées par IA, bannissant plus de 4 200 comptes, et retirant en moyenne plus de 4 000 contenus par jour dans le secteur de la médecine esthétique, avec un traitement prioritaire de quatre secteurs à haut risque : tourisme et hébergement, médecine esthétique, éducation et immobilier.

La position de Xiaohongshu mérite qu'on s'y attarde : la plateforme ne s'oppose pas à l'usage de l'IA pour gagner en efficacité, mais à l'homogénéisation de masse et aux expériences inventées. Polir un texte avec l'IA, générer des illustrations, produire des versions multilingues : la plateforme ne s'en mêle pas. Ce qui est ciblé, c'est un autre procédé : une personne, un modèle type, l'IA qui génère en masse des centaines de publications « testé et approuvé », accompagnées d'images de mise en situation générées par IA, publiées 24 heures sur 24 sans interruption, avec une « expérience » qui n'est que pure invention.

Les quatre secteurs épinglés ont un point commun : un coût de décision élevé, une forte asymétrie d'information, et des utilisateurs qui dépendent fortement de l'expérience d'autrui. Dans le tourisme et l'hébergement, on commande en fonction des avis ; en médecine esthétique, en fonction des cas présentés ; dans l'éducation, en fonction des résultats ; dans l'immobilier, en fonction de l'expérience vécue. Dans ces quatre catégories, une publication d'expérience fictive affiche le meilleur taux de conversion, et cause le plus de tort.

La voie proposée par la plateforme est la suivante : le commerçant fait d'abord valider un modèle original avec de vraies personnes, puis amplifie avec l'IA. L'ordre ne doit pas être inversé. C'est seulement avec une expérience réelle qu'on obtient une matière amplifiable ; l'IA se charge de dupliquer, pas d'inventer.

Cette distinction vaut tout autant pour l'e-commerce de prêt-à-porter féminin. Utiliser l'IA pour remplacer un fond, créer des versions multilingues, étendre les mises en situation à partir de photos à plat : tout cela, c'est gagner en efficacité. Créer avec l'IA une personne qui n'a jamais porté ce vêtement et lui faire dire « testé, ça affine la silhouette », c'est une autre histoire.

Les cabines d'essayage physiques prennent, contre toute attente, de la valeur

Un résultat contre-intuitif : dans cette tempête, la valeur des boutiques physiques remonte.

Pour ceux qui comptent commander pendant le Double 11, deux rappels de jugement s'imposent. Les puristes de la coupe (les modèles du type courbe ou légèrement évasé, où « un centimètre de différence change tout ») ont intérêt à ne commander que les liens « avec données mesurées + essayage par une vraie personne », et à mettre le reste en favoris pour plus tard. Les chasseurs de bonnes affaires doivent se méfier du piège inversé : plus un article en promotion n'a qu'une seule photo de mannequin parfaite et zéro avis client, plus il risque d'être une bombe à retardement pour écouler les stocks.

Le calcul des commerçants est en réalité limpide lui aussi. Les frais de tournage économisés finissent tous par revenir sous forme de coûts de retour. La fonction essentielle d'une fiche produit est une seule : réduire le coût de décision du consommateur. Vous aurez beau rendre le vêtement magnifique avec l'IA, si à la réception ça ne correspond pas, le taux de retour vous donnera la réponse.

La véritable difficulté de cette vague pour le secteur du prêt-à-porter féminin est ailleurs. Quand tout le monde peut, d'une simple pression sur la touche Entrée, produire cent images, le vrai problème est de savoir comment rendre de nouveau vérifiable le fait de « savoir à quoi ressemble réellement ce vêtement ». Les rubans anti-détachement ne résolvent pas ce problème, et les mannequins IA non plus.