L'industrie de l'IA a un problème de physique — et il coûte 890 milliards de dollars aux détaillants

Une marque de mode m'a montré son nouvel outil d'essayage virtuel par IA l'an dernier. Ils en étaient fiers — et, honnêtement, c'était bluffant. Un utilisateur pouvait téléverser un selfie, choisir une robe, et l'IA en produisait une image superbe le montrant en train de la porter. L'éclairage était doux, le tissu tombait à merveille, l'ajustement était parfait.

C'était bien là le problème. L'ajustement était toujours parfait.

Je leur ai demandé d'essayer quelque chose : téléverser la photo d'une personne visiblement en taille 12 et sélectionner une robe en taille 6. L'IA ne montrait pas la fermeture éclair sous tension. Elle ne montrait pas le tissu qui tire au niveau des coutures. Elle déformait la robe pour épouser parfaitement le corps — ou pire, déformait subtilement le corps pour l'adapter à la robe. C'était un miroir de fantaisie, pas une cabine d'essayage. Et chaque client qui achetait en se fiant à ce fantasme allait retourner le produit.

Cette démonstration a cristallisé quelque chose avec quoi je me débattais depuis des mois chez Veriprajna. L'industrie de l'IA n'a pas un problème d'intelligence. Elle a un problème de physique. Les modèles génératifs optimisent la cohérence des pixels — pour que les images paraissent justes. Mais dans le monde réel, le tissu a une résistance à la traction. Les ondes sonores ont des titulaires de droits d'auteur. Et « à peu près juste » n'est pas un modèle économique quand vos marges partent en hémorragie à cause des retours ou que vous faites face à un procès d'Universal Music Group.

Voici l'histoire de la raison pour laquelle nous avons abandonné l'approche dominante de l'IA d'entreprise pour construire quelque chose de fondamentalement différent.

Le miroir de fantaisie à 890 milliards de dollars

Voici un chiffre qui devrait empêcher tout dirigeant du e-commerce de dormir : les retours des consommateurs dans le commerce de détail ont totalisé environ 890 milliards de dollars en 2024, selon la National Retail Federation. Pas des millions. Des milliards. Et l'habillement est le pire coupable — les taux de retour des vêtements en ligne dépassent systématiquement 25-30 %, certaines catégories de haute couture atteignant 50 % en pleine saison.

La cause profonde n'est pas compliquée. Les gens ne peuvent pas savoir si un vêtement leur ira à partir d'une photo. « Taille incorrecte, mauvais ajustement et couleur » représentent 55 % de tous les retours. Cette incertitude a fait naître un comportement de consommation appelé « bracketing » — acheter trois tailles de la même chemise, les essayer chez soi, en retourner deux. En 2024, 51 % des consommateurs de la génération Z ont admis le faire. Ils ont transformé leur chambre en cabine d'essayage et le service postal en tapis roulant de retours.

Traiter un seul retour coûte aux détaillants en moyenne 27 % du prix d'achat de l'article. Expédition, inspection, nettoyage, remballage — le tout pour un article qui finira peut-être soldé de toute façon. C'est un incinérateur de marges.

L'industrie de la mode n'a pas un problème de conversion. Elle a un problème de vérité. Une IA qui flatte au lieu d'informer ne fait qu'accélérer le cycle des retours.

L'industrie s'est donc tournée vers la technologie. Des outils d'essayage virtuel propulsés par l'IA générative — GAN, modèles de diffusion, tout l'arsenal. Et ces outils sont brillants pour une chose : vendre. Ils optimisent les taux de clics et les conversions initiales. Ils vendent le rêve.

Ils sont simplement incapables de livrer la réalité.

Pourquoi l'IA générative hallucine-t-elle l'ajustement ?

Je me souviens du moment précis où mon équipe a cessé de croire à l'essayage virtuel génératif. Nous évaluions un système fondé sur un modèle de diffusion — l'un des mieux financés — face à des échantillons de vêtements physiques. Nous avions une veste en jean, brute et impitoyable, le genre de tissu qui n'a pratiquement aucune élasticité. Nous avons fourni au système une photo d'utilisateur et l'image de la veste.

L'IA a produit un magnifique résultat. La veste tombait parfaitement. Sur un corps qui, dans la réalité physique, n'aurait jamais pu faire passer le bras gauche dans la manche.

Mon cofondateur a regardé l'écran et a dit : « Il n'essaie pas la veste. Il retouche la veste sous Photoshop. » Et c'est exactement cela. La fonction objectif d'un modèle de diffusion est la cohérence des pixels — faire en sorte que l'image de sortie paraisse statistiquement plausible au vu de ses données d'entraînement. Il n'a aucune notion de rigidité en traction. Il ne sait pas que le jean brut ne s'étire pas. Il ne sait absolument rien du tissu.

Cela engendre trois défaillances en cascade :

L'hallucination d'ajustement. Le modèle déforme le vêtement pour couvrir le corps, ou déforme le corps pour l'adapter au vêtement. Dans les deux cas, le client voit un mensonge. Les analyses du secteur ont été sans détour à ce sujet : « Les essayages virtuels manquent de précision par rapport au monde réel, ignorent le comportement du tissu et peuvent induire les clients en erreur sur la façon dont un vêtement tombe et se ressent réellement. »

La dégradation de la texture. Les GAN souffrent d'effondrement de mode — les détails fins comme la dentelle, la broderie ou les tissages complexes se fondent en motifs génériques. Les modèles de diffusion inventent parfois des détails qui n'existent pas sur le produit physique. Le client est alors surpris à la fois par l'ajustement et par l'apparence.

L'effet poupée de papier. La plupart des systèmes en 2D collent une image plate du vêtement sur l'utilisateur. Aucune perception de la profondeur. Aucune compréhension de la façon dont le tissu se drape sur la courbe d'une hanche ou fronce à la taille. Pour tout ce qui est ample ou fluide — là où le drapé est le style — le résultat est inutile.

Nous avions sous les yeux une technologie qui augmentait les ventes et les retours dans à peu près la même mesure. Impact net sur la marge : négligeable, voire négatif. C'est là que j'ai compris qu'il nous fallait une architecture complètement différente.

Simuler la robe au lieu de l'imaginer

La percée n'a pas été un meilleur réseau de neurones. Ç'a été la décision de traiter l'essayage virtuel comme un problème de génie mécanique plutôt que comme un problème de génération d'images.

Chez Veriprajna, nous avons construit ce que j'appelle une « Deterministic Core, Probabilistic Edge » architecture. Le cœur — la partie qui détermine si un vêtement va — est un moteur de simulation physique, semblable à ce qu'utilisent les stylistes professionnels dans des outils comme CLO3D ou Marvelous Designer. Nous n'entraînons pas de réseau de neurones sur des images de vêtements. Nous ingérons les véritables patrons CAO des vêtements et leur attribuons les propriétés physiques de leurs tissus réels.

Cela compte plus qu'il n'y paraît. Chaque tissu possède des propriétés mécaniques mesurables : la rigidité en flexion (se drape-t-il comme la soie ou reste-t-il rigide comme le jean ?), la rigidité au cisaillement (comment se comporte-t-il en biais ?), la rigidité en traction (de combien s'étire-t-il sous tension ?), l'amortissement interne (comment se pose-t-il sur le corps ?), le taux de flambage (comment se froisse-t-il et fronce-t-il ?). Notre simulation se calibre sur l'ensemble de ces paramètres.

Le résultat, c'est que lorsqu'un corps en taille 12 essaie une robe en taille 6 dans notre système, la simulation montre exactement ce qui se produirait dans une vraie cabine d'essayage. Des lignes de tension apparaissent. Le motif en « X » à la taille que tout tailleur reconnaîtrait. Le tissu ne parvient visiblement pas à se fermer. Ce n'est pas flatteur. C'est honnête.

Nous avons remplacé le miroir de fantaisie par un moteur physique. Si le vêtement ne va pas, la simulation vous le montre — lignes de tension, tiraillements, tissu qui refuse de se fermer. L'honnêteté se révèle meilleure pour les affaires que la flatterie.

J'ai décrit l'architecture technique complète — le pipeline de rendu PBR, les paramètres de simulation du tissu, la composition en rendu différentiel — dans la version interactive de notre recherche. Mais l'idée centrale est simple : un moteur physique ne peut pas halluciner. Il calcule. Et le calcul, contrairement à la génération, est déterministe.

Le plus difficile n'était pas la physique

Voici ce à quoi je ne m'attendais pas : la simulation physique était la partie facile. Le problème véritablement difficile était de rendre le résultat suffisamment réaliste pour que les clients lui fassent confiance.

Une simulation physique parfaitement exacte rendue avec un mauvais éclairage ressemble à un élément de jeu vidéo collé sur une photo. Les clients y jettent un œil et l'écartent. Nous avions résolu le problème de précision et créé un problème de crédibilité.

C'est là que nous avons réintroduit l'IA — non pour générer le vêtement, mais pour résoudre le défi de l'éclairage et de l'intégration. Nous utilisons le Physically Based Rendering (PBR) pour modéliser la façon dont la lumière interagit avec les surfaces des tissus à l'aide de formules physiquement exactes. L'albédo pour la couleur de base, les cartes de rugosité pour la diffusion de la lumière (coton contre satin), les cartes de normales pour la texture microscopique de la surface, comme le tissage du sergé.

Mais la vraie magie réside dans ce qui se passe lorsqu'on place ce vêtement 3D dans la photo 2D d'un client. Si l'éclairage de la robe numérique ne correspond pas à l'éclairage de la pièce du client, l'ensemble a l'air faux — comme un autocollant plaqué sur une image.

Nous y avons passé des semaines. Des nuits blanches à débattre pour savoir si l'estimation de l'environnement fondée sur un CNN était assez bonne, si la captation des ombres était trop agressive, si l'enveloppement lumineux au bord des vêtements était trop subtil. Il y a eu un certain jeudi — je m'en souviens parce que nous avions commandé une pizza qui avait refroidi — où notre responsable du rendu a affiché une comparaison : notre composite à côté d'une vraie photographie du même vêtement sur la même personne. Trois d'entre nous étaient incapables de dire lequel était lequel. La quatrième y parvenait, mais uniquement parce qu'elle avait remarqué un léger écart de température de couleur sur une tirette de fermeture éclair.

C'est à ce moment-là que j'ai su que nous tenions quelque chose.

Cette technique s'appelle le rendu différentiel — on calcule l'effet de l'objet 3D sur la scène sans refaire le rendu de la scène elle-même. Capteurs d'ombres, cartes d'environnement estimées à partir de la photo de l'utilisateur, enveloppement lumineux sur les bords pour simuler la diffusion sous la surface. Le vêtement projette une ombre réaliste sur les vraies jambes de l'utilisateur. Les boutons reflètent la même lumière de fenêtre que celle qui se trouve dans les yeux de l'utilisateur.

Quelle mesure l'essayage virtuel devrait-il réellement optimiser ?

C'est là que l'argumentaire économique devient intéressant, et là où, selon moi, la majeure partie du secteur se trompe complètement.

L'essayage virtuel par IA générative optimise le taux de conversion. Il vend le fantasme. Notre système optimise les ventes nettes — les ventes moins les retours. En montrant la vérité, même lorsque cette vérité est « cela ne vous va pas », nous évitons le cycle des retours qui tue la marge.

Nous produisons aussi des données, pas seulement des images. Notre système génère un Fit-Confidence Score — quelque chose comme « 95 % de correspondance pour la taille, 60 % de correspondance pour les hanches ». Cela fait quelque chose de contre-intuitif : parfois, il décourage un achat. Mais les achats qu'il ne décourage pas ne reviennent presque jamais. Et le client fait davantage confiance au système la fois suivante. La confiance se cumule. Les retours, non.

On me demande si montrer des informations peu flatteuses sur l'ajustement nuit aux taux de conversion. Réponse courte : oui, au début. Réponse plus longue : les clients que vous perdez sont ceux qui auraient de toute façon retourné le produit. Vous ne perdez pas de chiffre d'affaires — vous perdez l'illusion de chiffre d'affaires qui allait s'évaporer au bout de deux semaines, quand le retour arriverait.

L'autre champ de mines : pourquoi l'audio génératif est une bombe à retardement juridique

Pendant que nous construisions des moteurs physiques pour la mode, nous naviguions simultanément dans un domaine tout aussi traître : l'audio. Et là, le problème n'est pas la physique — c'est le droit.

Les industries de la musique et de la voix traversent une crise existentielle à cause de l'IA générative. Universal Music Group, Sony Music et la RIAA ont intenté des procès majeurs contre des entreprises d'IA comme Suno et Udio. Le problème central : la plupart des modèles audio génératifs ont été entraînés sur des musiques protégées par le droit d'auteur, aspirées sur le web. Si une entreprise utilise l'un de ces modèles pour générer un jingle et que ce résultat imite par inadvertance une œuvre protégée — un phénomène appelé « régurgitation » — l'entreprise est responsable de la contrefaçon. Et comme les modèles sont des boîtes noires, vous ne pouvez pas vérifier la provenance de ce qui en sort.

Et ça empire. Selon les directives actuelles du U.S. Copyright Office, les œuvres créées uniquement par une IA sans intervention humaine significative ne peuvent pas bénéficier de la protection du droit d'auteur. Ce qui signifie que si une marque utilise un outil purement génératif pour créer un logo sonore, elle ne peut pas le posséder. Il tombe dans le domaine public. Les concurrents peuvent l'utiliser librement. Pour une PI commerciale, c'est rédhibitoire.

Si vous ne pouvez pas prouver d'où vient votre audio généré par IA et que vous ne pouvez pas posséder ce qu'il produit, vous n'avez pas un actif — vous avez un passif.

Nous nous sommes heurtés tôt à ce mur. Une agence de publicité est venue nous voir en souhaitant un travail vocal généré par IA pour une campagne. Elle utilisait un outil de synthèse vocale populaire et venait de recevoir une lettre de mise en demeure. L'outil avait apparemment été entraîné sur des données vocales comprenant des échantillons d'un acteur reconnaissable. Personne ne pouvait le prouver de manière définitive — boîte noire — mais personne ne pouvait le réfuter non plus. La campagne a été mise de côté.

Comment produire un audio par IA réellement légal ?

Nous avons résolu ce problème en rejetant entièrement le paradigme de la « génération à partir de zéro ». À la place, nous avons construit un flux de travail transformateur reposant sur deux technologies profondes : Deep Source Separation et Retrieval-Based Voice Conversion (RVC).

La Deep Source Separation est le processus qui consiste à démixer un fichier audio fini en ses pistes composantes — voix, batterie, basse, instruments. Voyez cela comme le fait de « décuire » un gâteau, ce qui semble impossible mais que l'apprentissage profond moderne a rendu remarquablement efficace. Notre moteur utilise une architecture U-Net qui opère sur des spectrogrammes audio, en produisant des masques souples qui isolent les fréquences de chaque piste. Nous utilisons des variantes dans le domaine de la forme d'onde pour éviter les artefacts de phase « aqueux » qui affligent les approches classiques fondées sur les spectrogrammes.

Cela libère une valeur énorme de catalogues de PI existants, sous licence. Une société de médias peut séparer les dialogues de la partition orchestrale d'un film pour créer des versions doublées. Les maisons de disques peuvent « débloquer » des masters anciens dont les bandes multipistes originales sont perdues, en créant de nouveaux remix ou des mixages immersifs Dolby Atmos. Chaque étape respecte les droits existants, car nous travaillons avec du matériel source détenu ou sous licence.

Pour la modification de la voix, nous utilisons la RVC — un cadre de conversion de parole à parole qui modifie le timbre d'une voix tout en préservant la prosodie (rythme, hauteur, émotion) de la performance originale. Le système dépouille une voix de son identité à l'aide de modèles auto-supervisés comme HuBERT, puis la reconstruit à partir d'une base de données indexée par FAISS des véritables embeddings vocaux du locuteur cible. Il n'hallucine pas une voix — il en réassemble une à partir de tranches microscopiques d'enregistrements réels et consentis.

Pour le détail technique complet de l'architecture de séparation des sources et du pipeline RVC, consultez notre article de recherche approfondi.

L'infrastructure du consentement dont personne ne parle

La technologie n'est que la moitié de l'histoire. Ce qui rend cela prêt pour l'entreprise, c'est le cadre de conformité qui l'entoure.

Nous n'utilisons pas de modèles RVC publics entraînés sur des données de célébrités aspirées. Nous construisons des modèles sur mesure entraînés exclusivement sur des comédiens voix off ayant signé des autorisations de commercialisation par IA spécifiques — un consentement explicite pour des usages précis, avec un suivi des redevances chaque fois que leur modèle de voix est déployé.

Voici la partie la plus importante pour la défense juridique : parce que le système RVC utilise une base de données de récupération, nous pouvons prouver mathématiquement quel modèle de voix a produit un résultat donné. Si quelqu'un affirme « cela ressemble à la Célébrité X », nous pouvons auditer l'index FAISS et démontrer que chaque embedding provient du Comédien Consenti A. Ce n'est pas une défense du type « nous croyons » — c'est une défense cryptographique.

Et comme le résultat est une œuvre dérivée fondée sur une performance humaine et une composition créée par un humain, elle peut bénéficier de la protection du droit d'auteur. L'entreprise peut réellement posséder l'actif final. Essayez d'obtenir cela d'un générateur de texte-vers-musique.

Il y a eu un moment — je crois que c'était lors d'un appel avec l'équipe juridique d'une société de médias — où leur directeur juridique s'est arrêté et a dit : « Attendez, vous pouvez réellement nous montrer quelle voix a été utilisée pour chaque milliseconde d'audio ? » Quand j'ai dit oui, il y a eu un long silence. Puis : « Vous rendez-vous compte de l'argent que nous avons dépensé en examen juridique de contenu généré par IA ? » C'est là que j'ai compris que l'infrastructure de conformité n'est pas une fonctionnalité. C'est le produit.

Pourquoi les entreprises ne peuvent-elles pas simplement utiliser GPT pour cela ?

On me pose constamment cette question. En général de la part d'investisseurs, parfois de clients potentiels qui ont vu des démonstrations impressionnantes de fournisseurs de modèles de fondation. La réponse est architecturale, pas philosophique.

Lorsque vous construisez sur une API tierce, vous héritez de la nature stochastique de ce modèle. Si le modèle hallucine — un mauvais ajustement, une mélodie protégée, une voix clonée — vous ne pouvez pas le corriger. Les poids sont propriétaires. Vous êtes impuissant. Vous avez aussi probablement laissé fuir des données propriétaires : des collections de mode non encore sorties, téléversées vers un modèle cloud, peuvent finir dans ses données d'entraînement. Nos systèmes sont conteneurisés avec Docker et Kubernetes, déployables entièrement au sein du cloud privé d'un client ou sur des serveurs sur site. Ils ne nécessitent pas d'accès à Internet. Ils ne renvoient rien vers l'extérieur. L'isolement physique n'est pas de la paranoïa — c'est une exigence contractuelle de chaque client entreprise sérieux avec qui nous avons travaillé.

Il y a aussi la question de la défendabilité. Les analystes de PitchBook ont été directs : le marché est sursaturé de startups qui ne sont que des « surcouches minces autour de modèles de fondation », sans aucune défendabilité structurelle. Ces entreprises sont coincées entre les hyperscalers qui contrôlent l'intelligence sous-jacente et les utilisateurs finaux qui peuvent passer à la surcouche suivante du jour au lendemain. Quand OpenAI modifie ses tarifs ou ses capacités, les entreprises de type surcouche n'ont aucun recours.

La valeur durable dans l'IA ne reviendra pas aux entreprises qui revendent un accès à des API. Elle reviendra à celles qui résolvent les problèmes difficiles, spécifiques à un domaine, que les modèles génériques sont structurellement incapables de résoudre.

Nous avons aussi optimisé la latence — la quantification des modèles permet à notre pipeline RVC de fonctionner sur du matériel grand public avec une latence inférieure à 50 millisecondes, éliminant les coûteux allers-retours vers des GPU cloud. Chaque image et chaque extrait audio que nous produisons porte un filigrane invisible encodant l'identifiant de licence, l'identifiant d'utilisateur et l'horodatage. Si un actif fuit ou est contesté, le filigrane prouve son origine.

La fin du « à peu près juste »

Je construis chez Veriprajna depuis assez longtemps maintenant pour voir clairement le schéma. La première vague de l'IA d'entreprise était placée sous le signe de l'enthousiasme — ce que pouvaient faire les modèles génératifs ? La deuxième vague, celle dans laquelle nous entrons désormais, est placée sous le signe de la responsabilité — ce que devraient faire ces modèles, et que se passe-t-il lorsqu'ils se trompent ?

Dans la mode, « à peu près juste » signifie un taux de retour de 30 % et un client qui ne revient jamais. Dans l'audio, « à peu près juste » signifie un procès et un actif que vous ne pouvez pas posséder. L'approche par surcouche — rapide, bon marché, probabiliste — convient très bien au prototypage et aux applications grand public à faibles enjeux. Mais pour tout domaine où la précision, la conformité et la défendabilité comptent, ce n'est pas un raccourci. C'est un passif.

L'architecture que nous avons construite chez Veriprajna n'est pas glamour. Les moteurs physiques ne font pas d'aussi belles démonstrations que l'IA générative. Les cadres de conformité ne donnent pas des présentations d'investissement palpitantes. Les systèmes déterministes ne produisent pas ce genre de résultats magiques et surprenants qui deviennent viraux sur les réseaux sociaux.

Mais ils fonctionnent. Ils fonctionnent quand la robe ne va pas et que le client doit le savoir avant d'acheter. Ils fonctionnent quand le comédien voix off mérite d'être payé et que l'équipe juridique a besoin de preuves. Ils fonctionnent quand l'entreprise doit posséder ses actifs et garder ses données derrière ses propres murs.

L'industrie de l'IA finira par comprendre que les problèmes les plus difficiles ne se résolvent pas en agrandissant les modèles. Ils se résolvent en approfondissant les solutions — ancrées dans la physique là où la physique compte, ancrées dans le droit là où le droit compte, et ancrées dans le travail ingrat et minutieux consistant à concevoir des systèmes qui disent la vérité.

C'est ce que nous construisons. Pas l'entreprise d'IA la plus enthousiasmante. La plus honnête.