Il y a une vingtaine d’applications d’essayage virtuel grand public pour le prêt-à-porter sur l’App Store Shopify. Nous les avons passées en revue en août 2026.
Elles répondent toutes à la même question : est-ce que cette pièce précise me va ?
Aucune ne répond à la question que la cliente s’est posée en arrivant : j’ai un mariage en octobre et rien à me mettre.
Cet écart, c’est tout le produit.
Que demande réellement la cliente ?
Elle ne pose pas une question sur une robe. Elle pose une question sur un événement. La vraie question a une date, un lieu, un code vestimentaire, une position sociale, un budget, et un corps qu’elle connaît déjà très bien. « Robe midi bleu marine », c’est ce qui reste quand elle a renoncé à taper la vraie chose dans une barre de recherche.
La vraie chose ressemble à ça :
Mariage en extérieur, mi-septembre, en Provence. Je suis dans le cortège mais pas la mariée, et je ne dois pas lui voler la vedette. Ma sœur sera là et elle a déjà vu tout ce que j’ai. Il fera 30 °C à 16 h et froid à 23 h. Autour de 250 €, et j’aimerais pouvoir la remettre.
Chacune de ces contraintes change la réponse. Aucune ne rentre dans un menu de filtres.
Alors elle fait ce que tout le monde fait. Elle va sur Instagram, enregistre neuf captures d’écran, ouvre six onglets, et commande trois tailles de deux robes en sachant qu’elle en renverra la plupart. Le secteur qualifie ensuite ces retours de « problème de taille » et lui vend un guide des tailles.
Ça n’a jamais été un problème de taille. C’était un problème de décision, et il s’est joué bien avant qu’elle n’arrive sur votre fiche produit.
Pourquoi un bouton « essayer » ne règle-t-il pas ça ?
Parce qu’un bouton sur une fiche produit n’a aucune raison d’être cliqué. Il faut que la cliente ait déjà trouvé la pièce, qu’elle soit déjà assez intéressée pour téléverser une photo d’elle, et déjà assez patiente pour attendre un rendu. L’essayage arrive tout à la fin de la décision, là où il ne peut que confirmer ou infirmer un choix fait ailleurs.
Les rares chiffres qui existent vont dans ce sens. Le plus précis que nous ayons trouvé vient d’un marchand écrivant sur Substack en février 2026 à propos de ses propres tests : 15 à 25 % des visiteurs de fiche produit, après optimisation. Une seule boutique, en auto-déclaratif — et pourtant plus transparent que tout ce qu’un éditeur a publié.
La réponse de la catégorie a été d’améliorer les images. Trois ans d’efforts de recherche sur le tombé, la matière, la fidélité des imprimés. Les images sont aujourd’hui excellentes, sincèrement.
Ça n’a pas déplacé le problème, parce que le problème n’a jamais été la qualité d’image. C’était que personne n’avait de raison de cliquer sur le bouton.
À quoi ressemble une approche « occasion d’abord » ?
La cliente énonce son occasion avec ses mots. L’IA lit ce qu’elle lui a dit et ce qu’elle lui a montré — sa silhouette, les couleurs qui la mettent en valeur, le style qu’elle porte déjà. Elle pioche dans votre catalogue, jamais dans une banque d’images ni une base de styles générique. Puis elle lui montre les pièces sur son propre corps. L’essayage est la dernière étape, pas la première : la preuve, pas l’argumentaire.
L’ordre compte plus que chacune des étapes prise isolément :
Elle dit l’occasion. Pas un filtre. Une phrase.
L’IA lit la cliente avant de proposer quoi que ce soit. Silhouette, couleurs qui la flattent, registre qu’elle porte déjà. C’est l’étape qui sépare un conseil d’un moteur de recherche, et c’est l’étape que presque tout le monde saute.
Elle répond depuis votre collection. Vos pièces, vos tailles, ce qui est vraiment en stock. Pas une planche d’inspiration, pas la robe d’une concurrente, pas un tableau Pinterest.
Et alors seulement, elle lui montre le résultat sur elle.
L’essayage cesse d’être un widget et devient la dernière ligne d’un raisonnement.
Pourquoi ça compte commercialement — et pourquoi nous ne mettons pas les retours en avant
Toutes les concurrentes de cette catégorie vendent la même chose : moins de retours. C’est saturé, c’est contesté, et c’est lent et pénible à prouver sur votre propre tableau de bord en un trimestre. Nous avons audité les promesses de réduction de retours de la catégorie : nous n’avons presque rien pu remonter jusqu’à une source.
Une occasion, c’est un achat multi-pièces par nature. Un mariage, c’est une robe, des chaussures, et quelque chose pour le soir quand il fait frais. Un premier jour dans un nouveau poste, c’est trois pièces, pas une. Quand le point d’entrée est l’occasion et non l’article, la sortie naturelle est une tenue.
Ça a deux conséquences que vous pouvez vérifier vous-même :
Le nombre d’articles par commande et le panier moyen apparaissent dans vos propres statistiques Shopify en quelques semaines. Pas en trimestres. Vous n’avez besoin de personne pour vous dire si ça marche.
Presque personne dans cette catégorie ne mentionne même le panier moyen. Toutes vendent un chiffre de retours qu’elles ne peuvent pas sourcer.
Nous préférons nous battre sur la métrique qui se prouve.
Où est-ce que ça compte le plus ?
La tenue de cérémonie. Le cortège de mariage. Le tailleur et la tenue de soirée. La mode modeste. Le resort. Les segments où l’achat est une occasion, où le panier est naturellement multi-pièces, et où l’enjeu est assez fort pour que la cliente veuille un conseil plutôt que des filtres.
Il y a une deuxième raison, et autant être honnête.
L’essayage génératif a des faiblesses documentées précisément sur les vêtements que ces segments vendent.
Les pièces amples et drapées mettent en échec l’estimation de la silhouette, parce que le tissu masque le contour du corps que le modèle a besoin de lire. C’est la conclusion de Wu, Shen et Igarashi, université de Tokyo : 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 » (arXiv:2506.12348).
Les superpositions, c’est pire. L’approche standard efface la tenue existante pour construire une représentation « sans vêtement » — ce qui, comme l’écrivent Feng, Chen, Shan et Kemelmacher-Shlizerman à l’université de Washington, « supprime irréversiblement l’information contextuelle essentielle — précisément la tenue sur laquelle une nouvelle couche doit être ajoutée » (arXiv:2607.22924). La couche intérieure disparaît, tout simplement.
Et le blog de Google lui-même indique, à propos de cette même extension, que remplacer un vêtement sur une image couvrant tout le corps « peut estomper les traits de la personne ou masquer des détails importants de son corps » — la propre description de l’entreprise sur ce qui rend les vêtements couvrants plus difficiles.
Donc une abaya sur une robe, un caftan sur une combinaison, une veste sur une chemise — la silhouette superposée qui domine la tenue de cérémonie dans le Golfe — reste un problème de recherche ouvert en août 2026, pas une question d’ingénierie résolue. Un éditeur qui vous dit le contraire ne l’a pas testé, ou espère que vous ne testerez pas. Demandez un test sur vos propres pièces avant de signer quoi que ce soit.
Et c’est exactement pour ça que le cadrage par l’occasion compte davantage sur ces segments, pas moins. Quand la vraie question de la cliente est « est-ce que ça se lit juste pour l’événement ? » plutôt que « est-ce exactement ma taille ? », c’est le conseil qui porte le poids et le rendu qui l’appuie. Inversez l’ordre, et la dimension la plus faible de la technologie devient tout le produit.
Ce que personne ne collecte dans cette catégorie
« Invitée à un mariage, mi-septembre, en extérieur, 200 €, longueur midi, avec manches. »
Ce n’est pas une session. C’est de l’intelligence merchandising.
Aujourd’hui, les applications d’essayage sur Shopify collectent des adresses e-mail et font tourner des boucles « partage contre remise ». Aucune ne capte ce pour quoi les clientes s’habillent réellement — ni, plus précieux encore, ce qu’elles ont demandé et que votre catalogue n’a pas su leur donner.
Chaque occasion sans réponse est un trou dans votre prochaine collection, signalé par quelqu’un qui était prêt à acheter.
Ce que nous construisons, et ce que nous ne promettons pas
Jedid est un moteur d’essayage et de conseil par IA qui tourne à l’intérieur d’une boutique Shopify. La cliente décrit son occasion, l’IA la lit — silhouette, couleurs qui la mettent en valeur, style qu’elle porte déjà — recommande depuis votre collection, et lui montre le résultat sur elle. L’installation est un plugin, pas un projet.
Ce que nous ne faisons pas : nous ne publierons pas de multiplicateur de conversion tant que nous n’en aurons pas un venant d’une marque nommée, sur une période définie, avec une méthodologie que nous pouvons montrer en entier. Nous avons audité les statistiques de cette catégorie ; la plupart n’ont aucune source traçable. Nous n’ajouterons rien à cette pile.
Nous ouvrons la bêta à un petit nombre de marques de mode Shopify en France et dans le Golfe. Gratuit pendant le programme. Ce que nous demandons en retour : des retours honnêtes, et l’autorisation de publier les vrais chiffres — bons ou mauvais — avec votre nom dessus.
Si c’est vous, tout est sur la page bêta.
FAQ
- Quelle différence entre essayage virtuel et styliste IA ?
- L’essayage affiche une pièce précise sur une personne précise — il répond à « comment ça me va ». Un styliste IA part du besoin de la cliente, lit ce qui lui va, et recommande des pièces dans un catalogue. La plupart des applications Shopify font la première chose. Très peu font les deux, dans cet ordre, depuis le catalogue de la marque.
- Les applications d’essayage virtuel recommandent-elles des tenues ?
- Presque aucune. En passant en revue les applications d’essayage grand public pour le prêt-à-porter présentes sur l’App Store Shopify en août 2026, nous n’en avons trouvé aucune combinant un conseil conversationnel par occasion et un essayage photoréaliste depuis le catalogue du marchand. Certaines plateformes entreprise font le conseil par occasion sans essayage ; certaines applications grand public font les deux, mais pas sur la boutique du marchand.
- L’essayage IA fonctionne-t-il sur les abayas, les caftans et les superpositions ?
- Pas encore de façon fiable. Des travaux publiés par l’université de Tokyo (2025) et l’université de Washington (2026) documentent que les pièces amples et drapées mettent en échec l’estimation de silhouette sur laquelle reposent ces modèles, et que les superpositions sont incompatibles avec l’approche standard — la couche intérieure est effacée. Traitez avec prudence tout éditeur qui affirme le contraire, et demandez un test sur vos propres pièces.
- Un styliste IA augmente-t-il le panier moyen ?
- C’est le mécanisme, et c’est la métrique que nous mesurerions — une occasion est un achat multi-pièces par nature. Nous n’avons pas encore de chiffre publié et nous n’en inventerons pas. Le nombre d’articles par commande et le panier moyen sont visibles dans vos propres statistiques Shopify : c’est vérifiable par vous, pas à prendre sur parole.
- Pour quelles marques est-ce fait ?
- Les marques indépendantes dont l’achat est lié à une occasion — cérémonie, cortège de mariage, tenue de soirée, mode modeste, resort. Paniers plus élevés, achats naturellement multi-pièces, et une cliente qui veut un conseil plutôt que des filtres.
Sources. Fiches App Store Shopify consultées le 24 août 2026 · Wu, Shen & Igarashi, université de Tokyo, « Real-Time Per-Garment Virtual Try-On with Temporal Consistency for Loose-Fitting Garments », arXiv:2506.12348 · Feng, Chen, Shan & Kemelmacher-Shlizerman, université de Washington, « Layering Virtual Try-On », arXiv:2607.22924 (v3) · Blog Google Shopping, « Virtual try-on for dresses », 5 septembre 2024 · « The Harsh Reality of Virtual Try-On », Substack, 11 février 2026.
Dernière mise à jour : 24 août 2026.
