Nouvel entrant dans la logistique urbaine : une jeune pousse qui trouve la bonne taille de vêtement ?
[Veille nouveaux entrants urbains]
Cet article des Echos sur une jeune pousse qui trouve la bonne taille de vêtement pourra étonner les lecteurs de notre blog. Et pourtant on y trouve plusieurs signaux faibles, voire forts, qui invitent à anticiper.
Extrait de l’article (c’est nous qui soulignons) :
Qui n’a jamais renvoyé un colis en raison d’une erreur de taille ? Selon les estimations, entre un quart et un tiers des produits achetés en ligne sont retournés aux marques. Un coût qui pèse sur les marges et l’impact environnemental des enseignes. C’est face à ce constat que la jeune pousse Kleep a développé une solution de recommandation de taille.
Fondée sur l’intelligence artificielle générative , technologie qui afflue au sein des start-up de la French Tech, elle analyse les photos des produits des enseignes et celles envoyées par les consommateurs pour anticiper les préférences de taille.
« En général, les marques ont assez peu d’informations sur leurs produits. Nous permettons d’analyser les images, voir si un article est large, moulant, taille basse… »
(…)
La démarche de la start-up répond à une demande croissante de cette industrie, qui cherche à réduire les coûts liés aux retours, tout en améliorant l’expérience d’achat en ligne. Avec sa levée de fonds, elle va accélérer la commercialisation de son produit en marque blanche auprès des marques.
Mais aussi ajouter d’autres fonctionnalités : un moteur de recherche basé sur des phrases en langage naturel (une robe d’automne, une robe indienne…) et développer davantage les recommandations de produits. « Nous connaissons la morphologie des clients, c’est un élément clé pour les marques », poursuit l’entrepreneur.
Les modèles d’analyse sont développés et entraînés en interne. Sur l’analyse des images, Kleep utilise Clip d’Open AI, modèle de vision par ordinateur qui associe des images et des descriptions textuelles, permettant de comprendre la relation entre le langage et les images de manière sémantique.
Côté confidentialité, la start-up indique que les photos envoyées par les clients ne sont pas partagées avec les marques. « Tout passe sur nos serveurs, qui sont en Irlande. Les photos sont traitées, les données anonymisées, puis supprimées. On garde les données, qui prennent la forme d’un token [jeton numérique, NDLR], placé sur le navigateur du client, comme un cookie », détaille Federico Fortis.
Avec la démocratisation de l’analyse d’image, plusieurs start-up se sont lancées sur ce créneau. En 2020, Zalando a fait l’acquisition de Fision, une start-up suisse spécialisée dans le scan corporel et l’essayage virtuel, dans la même optique d’améliorer ses recommandations de taille et de réduire les retours. En 2022, c’était au tour de Meta de racheter Presize, une concurrente allemande.
De la morphologie des clients à la morphologie urbaine ?!
Article à retrouver : ici.