+150 XP

Build, buy ou partner pour l'IA dans le luxe

Build, partner ou buy pour l'IA dans le luxe

La directrice artistique d'une maison européenne de maroquinerie veut une recherche visuelle. Une cliente photographie dans la rue le sac d'une inconnue, télécharge la photo, et l'application trouve le modèle le plus proche dans la collection en cours de la maison. La technologie existe. Le succès du projet dépend moins de la capacité de l'équipe à le construire que d'un autre choix : le développer, l'acheter ou se brancher sur la plateforme de quelqu'un d'autre.

Pour la plupart des dirigeants du luxe, c'est la décision IA la plus lourde de conséquences de la décennie. Elle est souvent mal prise. Les équipes ont tendance à adopter l'option que présente en premier le fournisseur le plus bruyant ou l'ingénieur le plus sûr de lui.

Trois voies, une erreur récurrente

Build : une équipe interne développe le modèle, possède le code et maîtrise la roadmap. Le travail de data science interne de Chanel et l'investissement de LVMH dans des outils d'IA propriétaires relèvent de cette voie. LVMH repère aussi des startups via son LVMH Innovation Award annuel et son incubateur Maison des Startups à Station F.

Buy (licence) : vous payez un fournisseur pour une solution packagée. Les fournisseurs de fashion-tech vendent un accès par abonnement à des modèles qu'ils ont entraînés, souvent sur des données multi-marques. Parmi les exemples : Heuritech (prévision de tendances), Vue.ai (visual merchandising et recherche) et Lalaland.ai (images de mannequins générées par IA, intégrée depuis une acquisition en 2023 à Browzwear, spécialiste de la conception 3D).

Partner : vous vous intégrez à une plateforme qui dispose déjà de l'audience, de l'infrastructure et souvent de la couche IA. Le Tmall Luxury Pavilion d'Alibaba est l'exemple type : une maison se branche sur la stack de quelqu'un d'autre au lieu de posséder ou de licencier un outil autonome. L'activité Platform Solutions de Farfetch, qui gérait l'e-commerce de plusieurs marques, était l'autre exemple courant jusqu'au quasi-effondrement de Farfetch (voir plus bas).

L'erreur récurrente consiste à traiter ce choix comme une décision d'achat fondée sur le coût, la rapidité et la réputation du fournisseur. Il s'agit en réalité d'une décision de contrôle stratégique, structurée par trois axes.

Le framework de décision : trois axes qui comptent plus que le prix

1. Contrôle de la marque

L'IA touche-t-elle un élément visible du client qui porte la voix, l'image ou le jugement esthétique de la marque ? Le visual merchandising, les recommandations de style, le ton d'un chatbot et les images générées expriment tous la marque.

Les tâches à forte sensibilité de marque poussent vers le build ou vers un buy étroitement personnalisé. Un essayage virtuel qui doit restituer le tombé d'un tissu exactement comme les ateliers l'entendent en est un exemple. Un modèle fournisseur partagé, entraîné sur de nombreuses marques, tend à dériver vers une moyenne esthétique générique.

Les tâches à faible sensibilité ne touchent pas du tout la marque. La détection de fraude sur les paiements et la prévision des stocks en entrepôt en sont des exemples. Pour celles-ci, partner ou buy sans restriction.

2. Propriété des données

Qui conserve les données d'interaction client, les images et les signaux d'achat générés par le système d'IA ?

Cela compte pour deux raisons.

La première est concurrentielle. De nombreux fournisseurs de fashion-tech servent plusieurs marques d'une même catégorie. Si les données clients d'une maison entraînent le modèle partagé d'un fournisseur, elles peuvent améliorer indirectement les résultats d'un concurrent.

La seconde est réglementaire. Sous le RGPD européen, les contrats doivent définir deux rôles :

  • Le « responsable du traitement » décide de l'usage des données.
  • Le « sous-traitant » traite les données pour le compte du responsable.

Les partenariats de plateforme font souvent de la plateforme un responsable conjoint des données clients partagées. C'est une position très différente d'un simple contrat de licence, où la maison garde généralement le contrôle.

L'AI Act européen ajoute désormais une seconde couche. Les obligations visant les modèles d'IA à usage général s'appliquent depuis août 2025, et d'autres obligations entrent progressivement en vigueur. Les contrats doivent préciser qui assume les obligations de transparence, comme l'étiquetage des images générées par IA.

Posez la question concrètement : si nous quittons ce fournisseur demain, repartons-nous avec le modèle entraîné, les données brutes, les deux, ou rien ? La plupart des contrats fournisseurs, si personne ne les examine, ne vous laissent rien.

3. Réversibilité

Cet axe mesure le coût et la lenteur d'un retour en arrière dans deux ans si le choix déçoit ou si une meilleure option apparaît.

Le build est lent à démarrer mais très réversible, car vous possédez tout. Vous pouvez changer de modèle sans renégocier le contrat de quiconque.

Le partner est rapide à démarrer mais généralement le moins réversible. Farfetch montre pourquoi. Fin 2023, l'entreprise s'est retrouvée à court de trésorerie, et Coupang l'a sauvée dans une opération finalisée en janvier 2024. Les marques qui avaient intégré leur catalogue, leurs prix et leurs relations clients dans l'écosystème Farfetch ont dû planifier des migrations dans l'urgence, et plusieurs sont parties. Partir signifiait reconstruire la distribution, pas changer de logiciel.

Le buy se situe entre les deux. Changer de fournisseur est généralement possible au regard du contrat mais perturbant en pratique : il faut réintégrer les systèmes, reformer les équipes et migrer les données.

Un exercice simple de scoring pondéré

Notez chaque option de 1 à 5 sur chaque axe, puis pondérez les axes selon ce qui compte le plus pour le cas d'usage. Voici un exemple appliqué à l'outil de recherche visuelle de la scène d'ouverture.

AxePoidsBuildBuy (fournisseur)Partner (plateforme)
Contrôle de la marque0.4532
Propriété des données0.35531
Réversibilité0.25432
Score pondéré4.653.001.65

Calcul pour le Build : (5 × 0.4) + (5 × 0.35) + (4 × 0.25) = 2.0 + 1.75 + 1.0 = 4.65.

Le scoring est illustratif, et les poids doivent varier selon le cas d'usage. Prenez une tâche de back-office comme la prévision de la demande. Le poids du contrôle de la marque tombe vers 0.1, le coût et la rapidité pèsent davantage, et le résultat bascule souvent vers buy ou partner.

Quand le calcul s'inverse : coût, rapidité et talents

Le framework laisse délibérément de côté le coût initial, mais on ne peut pas l'ignorer. Développer en interne des systèmes performants de vision par ordinateur ou d'IA générative exige trois choses :

  • des ingénieurs machine learning
  • des données d'entraînement annotées
  • des dépenses de calcul continues

La plupart des maisons, même les grandes, n'en disposent pas avec la profondeur des pure players tech. Avant de vous engager dans le build, lisez le guide de Google sur les pratiques d'IA responsable. C'est une référence gratuite sur ce qu'exige au quotidien une gouvernance interne de l'IA.

C'est pourquoi LVMH et Kering, des groupes au bilan solide, licencient encore des fournisseurs spécialisés pour des tâches ciblées comme la prévision de tendances et la détection de contrefaçons. Le build se justifie pour les quelques capacités qui distinguent la marque et continueront de le faire. Pour tout le reste, buy ou partner est généralement le choix rationnel.

Vérification des acquis

1. Selon la leçon, quelle est l'erreur récurrente des dirigeants du luxe lorsqu'ils choisissent entre build, buy et partner pour l'IA ?

2. Une maison évalue un chatbot IA qui interagira directement avec les clients en utilisant le ton et la sensibilité esthétique propres à la marque. Quel axe du framework de décision est le plus directement concerné ?

3. Pourquoi la licence (buy) d'un modèle d'IA fournisseur, par exemple entraîné sur des données multi-marques, peut-elle représenter un risque stratégique propre à une maison de luxe ?

CHOIX MULTIPLES

4. Sélectionnez TOUTES les réponses correctes décrivant les caractéristiques de la voie « partner » dans le framework build/buy/partner.

Sélectionnez toutes les réponses correctes.

CHOIX MULTIPLES

5. Sélectionnez TOUTES les réponses correctes expliquant pourquoi cette décision build/buy/partner est présentée comme « la décision IA la plus lourde de conséquences » pour les dirigeants du luxe.

Sélectionnez toutes les réponses correctes.

Appliquer le framework : trois scénarios rapides

Scénario A : une maison veut un chatbot de service client qui traite les demandes de suivi de commande.

  • La sensibilité de marque est faible : la tâche est fonctionnelle, pas esthétique.
  • Les enjeux de données sont modérés : les données de commande sont sensibles, mais elles ne définiront pas un modèle propriétaire.
  • Le besoin de réversibilité est élevé, et les fournisseurs de chatbots sont banalisés, donc changer plus tard est facile.

Verdict : buy.

Scénario B : une maison veut un système d'IA qui recommande les tissus et les coupes à produire la saison suivante. Il serait entraîné sur les archives et l'historique de ventes de la maison.

  • Le contrôle de la marque est déterminant, puisqu'il s'agit du cœur du jugement créatif.
  • Les enjeux de données sont élevés, car il s'agit de la propriété intellectuelle de création de la maison.
  • La tolérance à l'erreur est faible : une mauvaise décision abîme la collection, pas seulement une fonctionnalité.

Verdict : build, ou à défaut une licence sur un modèle exclusif fortement personnalisé dont la maison possède les résultats.

Scénario C : une maison veut être présente dans le moteur de recommandation piloté par IA d'une grande marketplace asiatique pour toucher de nouveaux clients.

  • Vous avez peu de contrôle sur l'algorithme lui-même, puisque vous ne maîtrisez pas la logique de recommandation d'Alibaba.
  • Les arbitrages sur le partage de données sont réels.
  • La réversibilité est faible une fois l'intégration faite.

Verdict : partner. Négociez explicitement les clauses de données et de sortie avant de signer, et traitez ce choix autant comme une décision de distribution que comme une décision technologique. Farfetch a montré que les plateformes peuvent changer rapidement de propriétaire ou de stratégie.

🎬 [VIDÉO : « Build vs Buy: The Innovator's Dilemma for AI » - youtube.com - cherchez des interventions récentes de MIT Sloan ou de Harvard Business Review sur les décisions make-or-buy en IA dans le retail et les marques grand public, directement applicables au luxe]

Points clés

  • Notez chaque opportunité IA sur le contrôle de la marque, la propriété des données et la réversibilité avant de parler prix ou réputation du fournisseur. Ces axes prédisent les regrets à long terme mieux que le coût initial.
  • Réservez le build aux capacités qui distinguent la maison et continueront de le faire, comme le travail lié à la création. Les tâches fonctionnelles ou banalisées comme les chatbots, la détection de fraude et la prévision des stocks doivent par défaut relever du buy ou du partner.
  • Avant de signer, obtenez des réponses écrites sur la propriété du modèle entraîné et des données clients brutes, sur ce qu'il advient des deux si la maison se retire, et sur qui porte les obligations de l'AI Act européen.
  • Les partenariats de plateforme offrent rapidité et reach mais sont les plus difficiles à défaire. L'effondrement de Farfetch en 2023 et sa vente à Coupang ont montré à quelle vitesse un partenaire peut devenir un risque.
  • Réexaminez ces décisions au moins une fois par an. Les fournisseurs se font racheter (Lalaland.ai a rejoint Browzwear), les plateformes changent de mains, et une décision de buy prise en 2024 peut se présenter autrement en 2026.