Toutes les démos d’essayage virtuel que vous avez vues utilisent le même type de vêtement : ajusté, une seule couche, révélant le contour du corps. Un t-shirt. Une robe près du corps. Ce n’est pas un hasard. C’est le cas pour lequel la technologie sous-jacente a été construite et entraînée.
Une abaya est proche du cas inverse : ample, longueur au sol, opaque, portée comme une seule couche fluide par-dessus ce qu’il y a en dessous. Un caftan, une jalabiya, une tenue de soirée avec une veste sur une robe — autant de variations sur le même problème. Nous sommes allés chercher la recherche sur la manière dont l’essayage génératif gère réellement ça. Voici ce que nous avons trouvé, et c’est plus utile qu’une nouvelle démo d’éditeur.
Pourquoi un vêtement ample ou drapé met-il en échec l’essayage virtuel ?
Parce que les modèles s’appuient sur la lecture du contour du corps à travers le tissu pour aligner un nouveau vêtement, et qu’un vêtement ample masque précisément ce contour. Une recherche de l’université de Tokyo (Wu, Shen et Igarashi, 2025) affirme clairement que les méthodes existantes « reposent sur des cartes sémantiques du corps humain pour aligner les vêtements sur le corps, mais ces cartes deviennent peu fiables quand les contours du corps sont masqués par des vêtements amples, ce qui dégrade les résultats ».
L’article documente aussi un problème d’entraînement sous-jacent au problème technique : les modèles sont entraînés surtout sur des vêtements ajustés qui révèlent le contour, puis on leur demande, au moment de l’inférence, de traiter des vêtements dont ils n’ont pratiquement jamais vu d’exemple. Ce n’est pas un décalage qu’on corrige avec un correctif — c’est ancré dans la façon dont les systèmes ont appris dès le départ.
Il y a un second échec, plus visible, que documente la même recherche : le scintillement temporel. Le rendu image par image d’un tissu ample produit un mouvement instable, incohérent, parce qu’un tissu qui flotte a légitimement un aspect différent d’un instant à l’autre même quand le corps en dessous n’a pas bougé — et les modèles n’ont pas de bon moyen de distinguer un vrai mouvement de tissu du bruit de leur propre rendu.
L’expérience de Google le confirme-t-elle directement ?
Oui, dans les propres mots de Google. Quand Google a étendu l’essayage de Shopping des hauts aux robes, l’entreprise a publié pourquoi l’extension a pris autant de temps. Les robes, écrit Google, sont « souvent plus détaillées qu’un simple haut dans leur tombé, leur silhouette, leur longueur ou leur forme ». Son approche précédente pour remplacer un vêtement pouvait « estomper les traits de la personne ou masquer des détails importants de son corps », parce qu’une robe couvre bien plus de surface corporelle qu’un haut — et passer simplement à des images en plus haute résolution n’a pas suffi, l’approche standard continuant à « entraîner souvent la perte de détails essentiels de la robe ».
La propre chronologie de Google raconte la même histoire sous un autre angle. Hauts et chemisiers en 2023. Robes en septembre 2024 — plus d’un an après. Chemises, pantalons, jupes et robes en mai 2025 — deux ans après le premier lancement. Il a fallu deux ans à l’équipe la mieux dotée du secteur pour passer d’un t-shirt à une jupe.
Une abaya est une version plus extrême de précisément le cas qui a pris deux ans à Google pour être partiellement résolu. Pour autant que nous ayons trouvé, personne n’a encore tenté les vêtements couvrants et longueur au sol.
Et les tenues superposées — une abaya sur une robe, une veste sur une chemise ?
C’est pire, et c’est architectural, pas incrémental. Une recherche de l’université de Washington (Feng, Chen, Shan et Kemelmacher-Shlizerman, 2026) explique que les méthodes d’essayage standard construisent ce qu’on appelle une « représentation de la personne sans vêtement » en effaçant le vêtement déjà porté — ce qui, selon l’article, « supprime irréversiblement l’information contextuelle essentielle — précisément la tenue sur laquelle une nouvelle couche doit être ajoutée ». La couche intérieure disparaît tout simplement du résultat.
La même recherche note que les jeux de données d’entraînement standard utilisés dans ce domaine consistent « exclusivement en exemples d’essayage à article unique » — ce qui signifie que les modèles « n’ont jamais observé l’interaction complexe des vêtements superposés et ne peuvent donc pas apprendre la logique de composition nécessaire ». Ce n’est pas que la superposition soit difficile pour ces modèles. C’est qu’on ne leur en a jamais montré d’exemple.
Une abaya portée sur une tenue, un caftan sur une combinaison, une veste sur une robe pour la partie plus fraîche de la soirée — c’est la silhouette par défaut d’une immense part de la tenue de cérémonie dans le Golfe, et c’est précisément le cas que les architectures actuelles ne savent pas traiter.
Quelqu’un aborde-t-il ça honnêtement ?
Un éditeur que nous avons trouvé le fait. TinTin, qui vend des visuels générés par IA sur mannequin pour les marques d’abayas, affirme clairement sur son propre site : « Les outils d’essayage IA génériques ont été entraînés sur des silhouettes occidentales : ils raccourcissent les ourlets, affinent les coupes amples et ouvrent les devants fermés. »
C’est la phrase la plus utile que nous ayons trouvée dans toute cette recherche, parce que c’est une concurrente qui nomme le vrai mode d’échec au lieu d’une promesse marketing qui le recouvre. Il vaut la peine de noter ce que TinTin a réellement construit en réponse : pas de l’essayage sur photo de cliente, mais de la génération depuis des photos à plat vers des mannequins prédéfinis, avec des contrôles manuels explicites pour le style de manche, la fermeture du devant et la coupe — résolvant le problème en contraignant la génération par des paramètres de type de vêtement, plutôt qu’en déduisant le tombé à partir d’une photo comme doit le faire l’essayage côté cliente.
C’est une approche légitime, différente, d’une autre partie du problème — l’imagerie produit côté marque, pas l’essayage côté cliente. Ça ne veut pas dire que le problème de la photo cliente est résolu ailleurs. Ça veut dire qu’un éditeur a trouvé un contournement pour un usage plus restreint.
Alors qu’attendre aujourd’hui, concrètement, pour une marque du Golfe ou de mode modeste ?
Traitez toute démo d’abaya, de caftan ou de tenue superposée d’un éditeur avec un vrai scepticisme, et demandez à la tester sur vos propres pièces avant de vous engager. La recherche publiée jusqu’en 2026 dit que c’est un problème ouvert, pas résolu — pour les vêtements amples à couche unique comme pour les tenues superposées.
Deux choses à faire avant d’évaluer un outil d’essayage pour cette catégorie :
Testez sur votre pièce la plus difficile, pas la plus facile. Une démo d’éditeur montrera un haut ajusté ou une robe droite simple, parce que c’est le cas que la technologie gère bien. Demandez spécifiquement un rendu de votre abaya la plus structurée, de votre look le plus superposé.
Demandez ce qu’il advient du détail et de l’opacité du tissu. Aucune des recherches que nous avons trouvées n’aborde directement le rendu du transparent contre l’opaque — c’est tout simplement sous-étudié. Étant donné que le mode d’échec documenté est l’hallucination de détails dans les zones masquées, c’est une vraie question ouverte pour tout vêtement où la couverture et le tombé portent un sens, pas seulement une esthétique.
Pourquoi nous construisons vers ça plutôt que de l’éviter
Nous pensons que la réponse honnête change ce que le produit devrait être pour ce segment. Si le rendu est la partie la plus faible de la technologie précisément sur les vêtements qui comptent le plus ici, alors le rendu devrait porter moins de poids — et la conversation qui le précède devrait en porter davantage.
Une approche « occasion d’abord » — la cliente décrit son besoin, obtient une recommandation depuis la collection réelle, et l’essayage montre le résultat, pas tout l’argumentaire — met moins de pression sur le cas technique le plus difficile. C’est aussi, selon nous, la façon la plus honnête de vendre dans une catégorie où la recherche sous-jacente n’est pas encore aboutie.
Nous ne prétendons pas avoir résolu le problème des vêtements amples ou de la superposition. Personne ne l’a fait, publiquement, à ce stade de la recherche. Nous construisons en gardant cette limite en vue, pas en la contournant.
FAQ
- L’essayage virtuel IA fonctionne-t-il de façon fiable sur les abayas ?
- Pas encore, d’après la recherche publiée jusqu’en 2026. Les vêtements amples et drapés mettent en échec l’estimation du contour corporel sur laquelle reposent ces systèmes. Traitez les démos d’éditeurs avec scepticisme et demandez à tester sur vos propres pièces avant de vous engager.
- Pourquoi les vêtements amples rendent-ils moins bien que les vêtements ajustés en essayage IA ?
- Parce que les modèles sous-jacents identifient la forme du corps en lisant les contours à travers le tissu, et qu’un tissu ample masque ces contours. La recherche de l’université de Tokyo le documente directement : les cartes sémantiques du corps « deviennent peu fiables quand les contours du corps sont masqués par des vêtements amples ».
- L’essayage IA gère-t-il une veste sur une robe, ou une abaya sur une tenue ?
- Pas de façon fiable. Les tenues superposées demandent au modèle de conserver l’information sur une tenue existante tout en ajoutant une nouvelle couche — mais la technique standard efface d’abord le vêtement existant. La recherche de l’université de Washington décrit ça comme une limite architecturale, pas un problème de données que plus d’entraînement résoudrait tout seul.
- Une entreprise a-t-elle résolu ça spécifiquement pour la mode modeste ?
- Pas pour l’essayage côté cliente, pour autant que nous ayons trouvé. Un éditeur, TinTin, traite le sujet côté photographie produit marque, en générant des vêtements sur des mannequins prédéfinis avec des contrôles de style manuels, plutôt qu’en déduisant le tombé depuis la photo d’une cliente.
Sources. Wu, Shen & Igarashi, université de Tokyo, « Real-Time Per-Garment Virtual Try-On with Temporal Consistency for Loose-Fitting Garments », arXiv:2506.12348 (2025) · Feng, Chen, Shan & Kemelmacher-Shlizerman, université de Washington, « Layering Virtual Try-On », arXiv:2607.22924 (2026) · Blog Google Shopping, « Virtual try-on for dresses », 5 septembre 2024 · TinTin, page produit AI Abaya Models.
Dernière mise à jour : 25 août 2026.
