Un même corps fait du 29 dans un jean et du 28 dans un autre. J'ai conçu le moteur d'ajustement qui explique pourquoi un guide des tailles ne peut pas les distinguer.
J'ai conçu cette démo pour trancher un débat que j'avais sans cesse avec moi-même, et il n'a fallu qu'un menu déroulant pour y mettre fin. J'avais un profil d'acheteur synthétique nommé Riley, un ensemble fixe de mensurations corporelles et un catalogue de huit jeans synthétiques. J'ai soumis à Riley le Ironside, un jean droit en raw selvedge 14 oz, rigide, sans aucune élasticité, et le moteur a répondu : Taille 29, confiance à 95 %, confortable sur chaque zone. Puis, sans rien modifier à Riley, j'ai remplacé le vêtement par le Driftwood, un jean slim stretch qui semble presque identique sur une photo de produit, et la taille adéquate est tombée à 28.
Même corps. Mêmes mensurations. Deux tailles adéquates différentes. Et un guide des tailles basé uniquement sur le tour de taille, ce que presque tous les sites de prêt-à-porter utilisent aujourd'hui, aurait affiché exactement le même chiffre pour les deux jeans, en se trompant sur l'un d'eux.
Le produit obtenu s'appelle Contour, et vous pouvez effectuer vous-même cette comparaison exacte sur veriprajna.com/fr/demos/prediction-de-coupe-par-ia-sensible-a-la-matiere-textile-moteur-de-taillage-contour. Mais ce dont je veux parler n'est pas la recommandation en soi. C'est la raison pour laquelle la recommandation a changé alors que rien n'a changé au niveau du corps, car cette raison constitue tout l'argument justifiant la manière dont je l'ai conçu.
La mode tente de réduire les retours avec de meilleures images
J'ai commencé ce projet en pensant, comme la plupart des acteurs du secteur, que le problème des retours était un problème d'imagerie. Les retours de vêtements sont dominés par les problèmes de taille et de coupe, et la part liée à l'ajustement se situe entre 53 et 67 %, environ 63 % des acheteurs admettant pratiquer le bracketing — commander deux tailles pour en renvoyer une (étude Veriprajna WP34, 2026). La logistique inverse ronge les marges. La réponse de l'industrie a consisté à améliorer le rendu visuel : des guides des tailles plus riches, puis des avatars 3D, puis l'essayage virtuel génératif qui projette le vêtement sur une photo de votre corps.
Je suis resté un moment convaincu qu'un essayage virtuel suffisamment performant comblerait le fossé, puis j'ai réfléchi à ce qu'un essayage vous montre réellement. Il vous montre le jean sur un corps. Il ne vous montre pas si ce jean ira à ce corps. Une image générative peut draper un tissu de manière convaincante sans avoir la moindre idée que lorsque Riley s'assoit, le tour de cuisse dépasse ce que ce denim spécifique peut supporter en tension. L'image semble correcte. La couture subit une charge que le rendu n'a jamais calculée.
Un essayage virtuel peut vous montrer le jean sur votre corps tout en ignorant totalement s'il vous ira.
C'est cette phrase qui a redéfini le projet à mes yeux. Un guide des tailles se résume à quatre chiffres unidimensionnels prétendant décrire un corps en trois dimensions, et une image d'essayage n'est qu'un joli rendu bidimensionnel prétendant être une donnée d'ajustement. Ils partagent le même aveuglement. Ni l'un ni l'autre ne peut ressentir le tissu. Savoir si un vêtement est bien ajusté n'est pas une question visuelle. C'est une question mécanique : la déformation circonférentielle à chaque zone du corps mesurée par rapport à la limite élastique de ce tissu. Et c'est pourquoi Riley fait du 29 en raw selvedge et du 28 en denim stretch, même lorsque le guide des tailles est identique.
Pourquoi ai-je cessé de faire confiance au modèle pour choisir la taille ?
Au tout début, j'ai laissé une fois un modèle linguistique choisir la taille, et le voir se tromper avec aplomb est la raison pour laquelle l'architecture est conçue ainsi aujourd'hui. Mon premier réflexe était évident : fournir le corps au modèle, lui fournir le vêtement, lui demander une taille. Il répondait instantanément et avec fluidité et, sur les tissus rigides, il se trompait souvent de la façon la plus dangereuse qui soit : erroné avec un niveau de confiance élevé. Il avait assimilé l'apparence d'une réponse plausible en matière de taille sans effectuer le seul calcul qui détermine la vérité.
J'ai donc entièrement retiré la décision au modèle. Dans Contour, la taille est calculée en pur Python testé unitairement. Pour chaque taille candidate, le moteur calcule zone_strain = (body_circumference − garment_finished_circumference) / garment_finished_circumference à chaque zone, le compare à la limite élastique de confort du tissu, et sélectionne la taille présentant le regret total par zone le plus faible. Huit tests unitaires verrouillent cette physique. Il n'y a aucun modèle nulle part sur le parcours qui décide de votre taille. Le modèle linguistique a toujours un rôle : transformer les descriptions fournisseurs désordonnées en spécifications textiles structurées, et formuler le résultat en « ajusté aux hanches, décontracté aux cuisses ». Il conseille. Il ne décide jamais.
Les agents conseillent, le code décide. Dès l'instant où le modèle a son mot à dire sur le chiffre, vous perdez ce qui rendait ce chiffre digne de confiance.
C'est aussi la partie de la thèse qui ne vieillit pas, et c'est la réponse que je donne aux ingénieurs qui me demandent pourquoi je n'ai pas simplement attendu un meilleur modèle. Un modèle linguistique parfait ne supprimerait toujours pas la nécessité de la mécanique des tissus, de la géométrie corporelle, du calcul de déformation par zone et de la politique d'abstention. Même un conseiller irréprochable doit être confronté à une grandeur calculée pour être fiable lors du paiement. Le modèle n'est qu'un conseiller interchangeable à l'intérieur de la machine. La machine est le produit.
La taille qu'il refuse de deviner
J'ai failli déployer une version qui ne dit jamais « je ne sais pas », et je suis ravi qu'un cas de test récalcitrant m'en ait dissuadé. L'acheteur était Jordan, sur ce même selvedge rigide Ironside. J'ai lancé la vérification d'ajustement en mêttendant à un chiffre net, mais le moteur a mis en évidence un véritable conflit : dans les petites tailles, la cuisse dépasse largement la limite d'élasticité du tissu, et dans les grandes tailles, la taille flotte. Sur un denim sans élasticité, il n'existe simplement aucune taille adaptée à chaque zone. Pendant ce temps, le guide basé uniquement sur le tour de taille affiche un confiant 28 et passe à autre chose.
La tentation, celle qui flatte votre taux d'exactitude global, est de toujours afficher la taille la moins mauvaise et de l'appeler recommandation. J'ai écrit cette version. Puis j'ai fait en sorte que le moteur s'abstienne à la place : il désigne la taille la moins mauvaise, abaisse la confiance à 0,58 et déclare ouvertement : « commandez deux tailles ou consultez un styliste ». Sur l'ensemble de l'évaluation, il procède ainsi pour 33 des 105 paires corps-vêtement plutôt que de deviner à l'aveugle. Un constat honnête disant « aucune taille unique ne convient parfaitement ici » a plus de valeur pour un acheteur qu'un 28 erroné mais affirmé avec assurance, car un 28 erroné et trop sûr de lui est précisément la cause d'un retour. Refuser de répondre s'est avéré être une fonctionnalité que j'ai dû défendre contre mes propres réflexes d'optimisation de benchmarks.
La description produit qui ne peut pas être vraie
J'ai dans le catalogue un vêtement qui n'existe que pour être rejeté, né d'un réel agacement face à la rédaction des descriptions de produits. Le Maverick est décrit par son propre fournisseur comme un « denim raw selvedge 100 % coton avec stretch 4 directions ». Cette affirmation est physiquement incohérente. Un tissu raw selvedge rigide ne peut pas être en même temps extensible dans les quatre sens. Mais un extracteur naïf lit « stretch 4 directions », suppose joyeusement que le tissu pardonne tout, et vous livre une taille dangereusement erronée avec le sourire.
J'ai donc placé un critique contradicteur entre l'extraction et la décision. Il vérifie les spécifications textiles extraites par rapport aux contraintes physiques, et lorsque la description se contredit, il bloque l'inférence et redirige vers une révision humaine. Aucune recommandation de taille n'est émise. Les règles déterministes ont le dernier mot, pas le modèle qui a lu la description.
Je garde cet exemple à l'écran car il représente la version sincère de la « sécurité de l'IA » pour ce problème. Le mode de défaillance n'est pas un modèle trop créatif. C'est un modèle docilement erroné face à un vêtement dont la propre description est mensongère. Un système qui répond systématiquement répondra ici aussi, et il sera tout aussi sûr de lui pour le Maverick qu'il l'était pour un jean dont la description était exacte. Tout l'enjeu est d'avoir une couche capable de dire « ces deux faits ne peuvent être vrais simultanément » et de s'arrêter.
Ce que disent réellement les chiffres, et ce qu'ils ne disent pas
Je m'intéresse au benchmark, et je tiens encore plus à en exposer la portée en toute honnêteté, car le chiffre honnête est celui qui dure. Sur un jeu de référence synthétique étiqueté de 105 paires, soit 15 corps face à 7 vêtements évalués, le moteur de Contour atteint 100 % face au guide des tailles basé uniquement sur le tour de taille qui affiche 60 %. Il élimine le bracketing sur 67,6 % des paires, ce qui signifie que l'acheteur obtient une taille unique à haute confiance et n'a pas besoin d'en commander deux, et il détecte 39 conflits d'ajustement, des cas où la correspondance de taille du guide choisit une taille que le modèle de tension démontre comme inadaptée sur une autre zone.
Voici la partie sur laquelle je refuse d'arrondir les angles. Ce jeu de référence est synthétique, et ses étiquettes reposent sur les mêmes données mesurables d'élasticité du tissu que le moteur utilise, ce n'est donc pas un oracle totalement indépendant. Ces 100 % sont une propriété de cet ensemble construit, pas une promesse de prédiction parfaite de la taille dans le monde réel, et je ne laisserai personne les citer ainsi. Le chiffre que je soutiens réellement est le gain de +40 points par rapport à la méthode traditionnelle en vigueur, le guide basé uniquement sur le tour de taille que la plupart des boutiques utilisent aujourd'hui, mesuré sur les mêmes données de référence. Cet avantage est maximal exactement là où il doit l'être : sur le selvedge rigide et les coupes ajustées, où le guide tombe à 33 %, car un tissu rigide sanctionne une mauvaise taille alors qu'une maille extensible la tolère. C'est là où la physique est la plus impitoyable qu'une image aide le moins, et c'est là que ce moteur prouve toute sa valeur.
Le titre honnête n'est pas « 100 % d'exactitude ». C'est « 40 points de plus que le guide auquel votre boutique fait déjà confiance, et l'essentiel de cet écart se situe dans le denim ».
Chacune de ces recommandations génère également un récépissé JSON reproductible : la spécification textile extraite avec les phrases sources exactes ayant déterminé chaque paramètre, la matrice complète des déformations par taille et la décision finale. La réponse n'est donc pas qu'un simple chiffre. C'est un chiffre que vous pouvez décortiquer et contre-examiner, et cette même charge utile est mise à disposition via un /api/fit point de terminaison qu'un agent d'achat IA peut interroger directement. À mesure que le commerce évolue vers des agents effectuant des transactions pour nous, le signal de dimensionnement qu'ils exploitent doit être lisible par une machine, assorti d'un score de confiance et vérifiable. Un rapport, pas une image.
La question qui me revient sans cesse à l'esprit
J'ai abordé ce projet en pensant développer un meilleur outil d'estimation, et j'en suis ressorti convaincu d'avoir conçu quelque chose de plus proche d'un instrument de mesure. Le travail le plus intéressant n'a jamais été de prédire une taille. C'était de définir ce que le système est autorisé à affirmer, quand il doit s'abstenir, quelles contradictions il doit rejeter et comment il justifie chaque réponse après coup. Lorsque je bascule ce menu déroulant du jean rigide au modèle stretch et que je vois la bonne taille changer sur un corps qui n'a pas varié, ce que je ressens n'est pas « le modèle est intelligent ». C'est « la physique est bien réelle, et nous avons enfin cessé de la dissimuler derrière une image ». Vous pouvez faire varier ce même menu déroulant sur veriprajna.com/fr/demos/prediction-de-coupe-par-ia-sensible-a-la-matiere-textile-moteur-de-taillage-contour et le constater vous-même.
Et si vous préférez le voir en action plutôt que de me lire, voici l'ensemble du système s'exécutant de bout en bout.
La question que je ne cesse de retourner, et sur laquelle j'aimerais sincèrement que d'autres concepteurs débattent avec moi, est de savoir où d'autre nous masquons une réalité mécanique sous une image plus séduisante. La mode a cherché de meilleures images pendant une décennie alors que la solution résidait dans un calcul de déformation que n'importe quel ingénieur pouvait tester unitairement. Alors, dans votre propre domaine, quelle est la réalité mécanique sous-jacente à ce que tout le monde s'efforce de représenter visuellement, et feriez-vous davantage confiance à une image qu'à un chiffre vérifiable ?
