Google Try-on : focus sur une technologie innovante

Quel est le mode de fonctionnement de Try-on ?

L'outil d'essayage virtuel de Google, qui fait partie d'un large éventail de mises à jour de Google Shopping, prend une image du vêtement que vous souhaitez acheter et tente de prédire comment il se drapera, se pliera, s'accrochera, s'étirera et formera des plis et des ombres sur un ensemble de mannequins dans différentes postures.

Try-on est rendue possible par TryOnDiffusion, une IA générative que les chercheurs de Google ont entraînée à analyser l'image d'un vêtement et à prédire l'aspect qu'il aurait sur un ensemble varié de modèles réels, allant de la taille XXS à la taille 4XL, dans des poses diverses. Ces modèles sont disponibles avec différents teints de peau, ethnies, types de cheveux et formes de corps.

Google a entraîné le modèle technologique de Try-on à l'aide de nombreuses paires d'images, chacune comprenant une personne portant un vêtement dans deux poses uniques - par exemple, une image d'une personne portant une chemise se tenant de côté et une autre d'une personne se tenant de face. Pour rendre le modèle plus robuste (c'est-à-dire pour lutter contre les défauts visuels tels que les plis qui semblent difformes et non naturels), le processus a été répété en utilisant des paires d'images aléatoires de vêtements et de personnes.

Mise en œuvre de Try-on sur une pluralité de modèles féminins (source : Google)

À quelles problématiques répond Google Try-on ?

Dans un communiqué accompagnant la sortie de Try-on, Google déclare que : "42 % des acheteurs en ligne ne se sentent pas représentés par les images des mannequins et 59 % d’entre eux ne sont pas satisfaits d'un article qu'ils ont acheté en ligne parce qu'il ne leur allait pas comme prévu". L’entreprise américaine poursuit : "Nos nouvelles améliorations guidées peuvent aider les acheteurs à affiner les produits jusqu'à ce qu'ils trouvent la pièce parfaite. Grâce au machine learning et aux nouveaux algorithmes de correspondance visuelle, vous pouvez affiner vos recherches en utilisant des données telles que la couleur, le style et le motif. Et contrairement au shopping en magasin, vous n'êtes pas limité à un seul retailer : vous verrez des options provenant de magasins de tout le Web. Vous trouverez cette fonctionnalité, disponible pour les hauts de page, directement dans les listes de produits."

Ainsi, Google Try-on répond à une problématique de premier choix : vous ne pouvez pas utiliser de cabine d'essayage lorsque vous faites du shopping en ligne. Au lieu de cela, vous devez imaginer à quoi pourrait ressembler un vêtement sur vous, en vous basant sur les photos d'un mannequin qui le porte, ce qui n'est pas très utile si vous et le mannequin ne vous ressemblez pas du tout et que vous n'avez pas du tout la même morphologie. Try-on a donc été conçue pour aider les acheteurs à éviter ces frustrations en permettant aux acheteurs de visualiser avec précision ce à quoi ressemblera un vêtement sur eux avant de l'acheter.

L’essayage virtuel : une technologie déjà utilisée par plusieurs entreprises d’envergure

D’Amazon à Adobe en passant par Walmart

La technologie des essayages virtuels n'est pas nouvelle et a été explorée par plusieurs acteurs majeurs : Adobe a expérimenté depuis un certain temps la modélisation générative des vêtements, tandis que Walmart a lancé une fonctionnalité en ligne permettant aux clients de modéliser les vêtements à partir de leurs photos. On peut également citer les expériences de maquillage Metaverse lancées l'année dernière, les nombreux filtres de beauté régulièrement introduits sur TikTok, ainsi que les initiatives marketing innovantes, comme l’introduction de l’offre de chaussures entièrement virtuelles de Gucci. Amazon a également testé sa propre fonctionnalité de RA pour permettre à sa clientèle d’essayer virtuellement des chaussures et des lunettes.

Par le passé, Google avait déjà mené de nombreux tests avec des marques partenaires tels que L'Oréal, Estée Lauder, MAC Cosmetics, Black Opal et Charlotte Tilbury pour permettre aux utilisateurs de Search d'essayer différentes teintes de maquillage sur une variété de modèles à la peau diverse.

L’ensemble de ces initiatives témoignent de l'intérêt croissant pour les essayages virtuels et de l'importance accordée à l'innovation dans le domaine de l’e-commerce et de la réalité augmentée.

En quoi Try-on représente une innovation majeure ?

La combinaison d’outils puissants pour fournir des résultats précis

Try-on combine à la fois son Shopping Graph (une base de données exhaustive qui regroupe des données complètes sur les produits et vendeurs du monde entier) et son échelle Monk Skin Tone (MST) (une échelle de 10 teintes de peau intégrée dans divers produits Google), grâce à un processus appelé « Diffusion ». Google explique que via « Diffusion », des pixels supplémentaires (appelés "bruit") sont progressivement ajoutés à une image, puis retirés, laissant derrière eux une empreinte ou une reconstruction de l'image originale. Lorsque ce processus est utilisé dans un modèle d'IA formé à partir d'une bibliothèque d'images montrant des modèles humains portant des vêtements dans différentes poses (plutôt qu'à partir d'une collection de données textuelles, comme un modèle de langage étendu), les acheteurs sont en mesure de générer une nouvelle image d'essayage, encore plus précise. En somme, grâce à l’assemblage de toutes ces technologies complètes, Try-on se présente comme la version la plus avancée des options d'essayage en réalité augmentée (RA) du marché.

Try-on associe des images de mannequins et de produits (source : Google)

La mise à disposition d’une plus grande diversité de modèles humains aux acheteurs

À la différence de marques telles que Levi's qui ont opté pour une diversité générée par l'IA en abandonnant les modèles humains, Google cherche à fusionner la véritable variabilité humaine avec la complexité de l'IA. De nombreuses autres applications de l'IA et de la réalité augmentée (RA) ont montré des limites dans leur formation en raison du manque de diversité dans leur création, ce qui a eu de réelles conséquences pour les utilisateurs issus de communautés ethniques diverses. C'est pourquoi l'initiative de Google visant à élargir délibérément ses données d'entrée pour son modèle d'essayage virtuel est particulièrement remarquable.

Essayage virtuel de polos sur de multiples modèles (source : Google)

Cependant, il reste à déterminer si cet outil nouvellement développé aura un impact durable et étendu sur la création d'une IA véritablement diversifiée. Néanmoins, il représente une étape importante par rapport aux autres offres disponibles sur le marché. En reconnaissant les acheteurs de différentes formes et apparences, et en mettant en valeur leur potentiel d'achat, cet outil suggère que l'IA peut être utilisée pour promouvoir l'inclusivité dans le domaine de la mode. Il ouvre ainsi la voie à de nouvelles possibilités pour la mode en ligne, en cherchant à refléter la diversité réelle des consommateurs et à favoriser une expérience d'achat plus inclusive pour tous.

Conclusion

À l'heure actuelle, seuls les hauts pour femmes de quelques marques, dont Anthropologie, Everlane, H&M et LOFT, sont compatibles avec Google Try-On. Cependant, des plans sont en cours pour élargir la sélection, y compris l'ajout de hauts pour hommes prévu au cours de l'année 2023.

En outre, Try-on représente une avancée majeure dans le monde de la mode en ligne. Grâce à l'utilisation du machine learning et des algorithmes de correspondance visuelle, les utilisateurs peuvent désormais affiner leurs préférences en matière de couleur, de style et de motifs, et ainsi trouver facilement l'article parfait parmi un large éventail de boutiques en ligne. Cette nouvelle technologie est une véritable révolution dans le domaine, offrant aux consommateurs une expérience d'achat plus immersive et plus personnalisée.