Une marque de prêt-à-porter masculin a nourri l'IA avec les photos d'une créatrice, puis pris la tête du classement du Double 11

Le 10 novembre, une créatrice qui publie sous le nom de Sun Relie sur Xiaohongshu a mis en ligne une image en deux volets. À gauche, une photo d'elle dans ses propres vêtements. À droite, le même visage, le même corps, la même posture, avec une veste neuve d'une marque de sportswear appelée FPA.
Sa légende était courte : "tu as pris ma photo sans autorisation, puis tu l'as donnée à une IA pour générer ton produit."
En moins d'une journée, la publication a attiré d'autres personnes avec la même plainte. Une créatrice nommée Li dirige une équipe de vêtements originaux et a déclaré aux journalistes qu'un compte FPA avait publié en juillet une image commerciale qui reproduisait presque exactement le shooting de son équipe : même pose, même mur de briques rouges, mêmes arbres, même unité de climatisation sur le mur extérieur. Seuls le visage et la tenue du mannequin avaient changé. Elle a contacté le service client le 9 octobre et a appris, après plusieurs échanges, que l'image avait été supprimée.
Le compte de la marque elle-même réunit un peu plus de 8 200 abonnés et se présente comme bâtisseur d'une marque de sportswear de nouvelle génération. Elle s'est excusée dans les commentaires, dans des termes qui méritent une lecture attentive : un service au sein de l'équipe, en quête aveugle d'efficacité de production, avait utilisé des images de créateurs pour des changements de vêtements par IA. Les images problématiques ont été retirées. Au 13 novembre à 16 heures, FPA était toujours premier au classement des boutiques de prêt-à-porter masculin du Double 11 sur Tmall.
L'arithmétique qui a produit ce comportement
Les articles consacrés à cette affaire contenaient une série de chiffres de coûts qui expliquent plus de choses que n'importe quelle déclaration sur la culture d'entreprise.
Une image de mannequin générée par IA coûte environ 0,4 à 0,6 yuan. Une vidéo IA de quinze secondes coûte 4 à 9 yuan. Un mannequin humain coûte 800 à 3 000 yuan de l'heure, tourne 30 à 150 tenues par jour, et avec le studio, le maquillage et les déplacements, la journée dépasse sans peine 10 000 yuan.
Mettez ces chiffres en face du catalogue de la boutique. Plus de 999 fiches produit, dont plus de 400 vendent moins de 100 unités par mois, tandis que les trois meilleures références écoulent ensemble plus de 13 000 unités. C'est une longue traîne avec une petite tête, et l'incitation standard des plateformes s'applique : plus d'images et plus de vidéos produisent plus de trafic. Tourner la traîne avec des humains relève du budget, et surtout de l'impossible. La traîne ne génère pas assez de revenus pour payer sa propre photographie.
Alors la traîne est générée. Cette partie est une décision commerciale légitime, et tous les grands distributeurs la prennent. Ce qui n'est pas légitime, c'est l'origine des images de référence.
L'alibi, c'est toujours l'efficacité
La formule des excuses (un service en quête aveugle d'efficacité) est la forme standard de ces déclarations. Elle situe la défaillance dans une équipe trop zélée plutôt que dans un processus, ce qui permet à l'entreprise de présenter l'incident comme une exception.
Regardez pourtant comment les images ont été faites. Le décor a été conservé à l'identique : le mur de briques, les arbres, l'unité extérieure. Le visage et la tenue ont été remplacés. C'est trop précis pour être l'accident d'un modèle d'image générique lancé sur un prompt. Quelqu'un a photographié un vrai mannequin dans un vrai lieu, a fait passer le cliché dans une chaîne de changement de vêtement, et a publié le résultat comme photo produit. Quelqu'un a choisi l'image source. Quelqu'un a validé la sortie. L'argument de l'efficacité ne survit pas au contact du flux de travail.
Le résumé de Li sur la situation concrète est la partie qui parlera à quiconque a tenté de faire respecter un droit d'auteur en ligne : l'atteinte par IA est très difficile à poursuivre, le temps, l'énergie et les coûts d'exécution sont élevés, et face à ce type de copie adjacente sans être identique, la plupart des créateurs n'ont tout simplement aucune voie.
Le problème de produit sous le problème juridique
Il y a ici un second échec, et c'est celui que les consommateurs ressentiront.
Un vêtement est un produit physique qu'on évalue à travers des images. La laine tombe-t-elle ou se tient-elle ? La ligne d'épaule est-elle à sa place ? Le col garde-t-il sa forme ? La génération par IA rend une version idéalisée du vêtement, sans simuler la pièce réelle. Xie Yongjiang, directeur du centre de recherche sur la gouvernance d'internet et le droit à l'université des postes et télécommunications de Pékin, le dit sans détour : une IA généraliste dessine des images, elle ne simule pas physiquement un échantillon réel, et elle a donc du mal à reproduire la texture, le tombé et la coupe d'un tissu.

Les artefacts visibles en découlent. Des pantalons à trois jambes. Des mannequins à six doigts. Une doudoune photographiée sur une main à un doigt de trop, repérée à la quatrième image d'une fiche. C'est comique, et c'est aussi un signal : l'image n'est pas une preuve de l'objet.
Pour le prêt-à-porter, cela compte plus que pour presque toute autre catégorie, parce que toute la décision d'achat est une inférence d'une photo vers une coupe. Quand la photo est un rendu, l'inférence n'a pas de réalité de référence. Une affaire est allée en justice : une cliente avait demandé explicitement au service client si les photos étaient réelles, on lui avait répondu oui, et elle a reçu des chemises qui différaient sur sept ou huit points visibles. La première instance lui a donné tort. La cour intermédiaire de Guangzhou a inversé la décision en appel, accordant le remboursement plus des dommages-intérêts triplés, et l'affaire a été retenue parmi les dix cas typiques de protection des consommateurs de Guangzhou pour 2026.
À quoi ressemble vraiment la conformité
Les règles existent. Les Measures for Labelling AI-Generated Synthetic Content sont entrées en vigueur le 1er septembre 2025 et imposent un étiquetage des contenus générés. Pinduoduo et Taobao ont tous deux demandé aux marchands de ne pas utiliser d'images IA fortement déformées.
En pratique, les acheteurs ont commencé à faire l'étiquetage eux-mêmes. La tactique qui circule sur les réseaux est simple : si une fiche porte l'étiquette "suspectée générée par IA" de la plateforme, ou si l'image semble générée au premier coup d'œil, on ferme et on achète ailleurs. C'est une réponse de marché à une défaillance de confiance, et elle est plus efficace que n'importe quelle action répressive, parce qu'elle coûte directement la vente au vendeur.
Pour les marques qui veulent continuer à utiliser des images générées sans finir dans ce genre d'article, la ligne n'est pas compliquée. Générez à partir de votre propre échantillon, votre propre shooting, votre propre autorisation de mannequin. Gardez la photo réelle à côté de l'image générée pour que le client puisse comparer. Étiquetez. Ne laissez pas une image générée porter une affirmation (coupe, tissu, couleur) que seule une vraie photo peut soutenir.
FPA n'a rien fait de tout cela, et le coût, pour l'instant, se limite à des excuses et à un retrait. Le classement n'a pas bougé.
Ce dernier détail est celui qui mérite qu'on s'y attarde. Une marque peut être prise à prendre la photo d'une créatrice, à la transformer en publicité pour un vêtement que cette créatrice n'a jamais porté, à s'excuser dans un fil de commentaires, et rester trois jours plus tard en tête du classement de la plateforme elle-même. L'application qui a compté n'appartenait ni à la plateforme ni aux tribunaux ; c'était une acheteuse qui faisait défiler une fiche qui semblait générée et décidait de ne pas acheter.
Articles associés
La règle ne vise pas les puces, elle vise l'accès à distance
Washington ne contrôle plus seulement la puce qui traverse une frontière, mais le calcul qui la traverse. Cinq pays, une licence, et un flou qui coûte cher aux néoclouds.
Trois documents en neuf jours, et un comité qui compte
En neuf jours, le conseil de Nvidia a publié une enquête, créé une présidence et monté un comité export. Ce dernier est le seul qui change vraiment la machine.
AMD a pris 18,93 % pour une raison qui ne parle pas d'AMD
AMD a gagné 18,93 % pendant que Nvidia perdait 12,75 %. Le marché n'a pas choisi un gagnant : il a fui un nom. La différence compte pour les deux prochaines années.
Ce que Colette Kress doit dire en trois phrases
Nvidia publie son premier trimestre sans Huang. Derrière des chiffres attendus, une seule question : la nouvelle patronne peut-elle encore vendre la visibilité du groupe ?