La mode durable commence avec l’IA

Par Madhava Venkatesh, co-fondateur et directeur technique, TrusTrace.

En tant que personne passionnée par la durabilité, c’est toujours excitant de voir les gouvernements prendre des mesures qui comptent. À titre d’exemple, le programme de l’empreinte environnementale des produits (PEF) de la Commission européenne. Bien qu’il soit encore en phase de test, lorsqu’il deviendra loi, il obligera les marques à calculer et à divulguer l’impact environnemental réel de leurs biens en tenant compte des activités de la chaîne d’approvisionnement : de l’extraction des matières premières, à la production et à l’utilisation, et enfin à la gestion des déchets. Une telle législation serait un gain pour les militants qui ont longtemps poussé les grandes marques à opérer de manière plus durable, en particulier les entreprises de la mode.

Selon des estimations largement acceptées, l’industrie de la mode représente entre deux et huit pour cent des émissions de carbone mondiales. En 2018, l’industrie mondiale de l’habillement et de la chaussure a produit à elle seule plus de gaz à effet de serre que la France, l’Allemagne et le Royaume-Uni combinés.

Le PEF est l’un des nombreux règlements mondiaux qui obligent les grandes entreprises à tenir compte des dommages environnementaux dans leurs chaînes d’approvisionnement. La loi californienne sur la transparence de la chaîne d’approvisionnement et la loi allemande sur la diligence raisonnable dans la chaîne d’approvisionnement, récemment adoptée, sont deux exemples récents. Pour se conformer aux diverses exigences, les marques de ces régions auront besoin de solutions technologiques pour la traçabilité de la chaîne d’approvisionnement, ainsi que d’une nouvelle façon de penser la durabilité.

Jusqu’à récemment, les marques ont adopté une approche descendante de la durabilité, en lançant des initiatives d’entreprise et en commercialisant des produits en conséquence. Mais cela est déjà une façon de penser obsolète (en particulier si des changements réels doivent être apportés). Ce qui est désormais requis – que ce soit par la réglementation ou une base de consommateurs de plus en plus éco-responsable – est de passer à la durabilité du produit lui-même.

Pour produire un vêtement vraiment durable, les marques doivent tout savoir sur chaque produit et matériau qu’elles manipulent. Cela nécessite des millions de points de données granulaires et précis, ainsi qu’une solution de traçabilité qui puisse héberger les données en un seul endroit.

Pourquoi la traçabilité ?

La capacité de tracer avec précision les produits et les matériaux dans la chaîne d’approvisionnement peut aider à résoudre de nombreux défis. Une meilleure visibilité de la chaîne d’approvisionnement permet aux marques d’anticiper les perturbations avant qu’elles ne se produisent. De plus, une telle visibilité permet aux marques de faire des déclarations de produit et de prouver leur authenticité. Par exemple, une marque peut affirmer vendre un pull en coton biologique à 100 % et fournir les données pour le prouver.

Comme elles existent aujourd’hui, les chaînes d’approvisionnement de la mode sont massives, mais avec peu de visibilité des fournisseurs. Les entreprises de la mode sont donc confrontées à la tâche difficile de tenter de suivre chaque produit alors qu’il se déplace à travers des centaines de fournisseurs dans le monde entier. Cette réalité représente un défi technologique massif qui ne peut être résolu que par l’intelligence artificielle (IA) et l’apprentissage automatique.

IA en tant que facilitateur de la traçabilité

Chez TrusTrace, nous travaillons avec des dizaines d’entreprises dans l’industrie de la mode, et une grande partie de leurs données de chaîne d’approvisionnement sont verrouillées dans des documents – papier et électroniques. Ces documents comprennent des factures qui prouvent la chaîne de possession, des rapports d’audit sociaux qui décrivent les conditions de travail et les salaires dans les usines et autres installations, des rapports de tests chimiques pour les lots de matériaux et bien plus encore. Ces données documentaires sont souvent dans différents formats et langues. En bref, le problème principal est l’acquisition de données.

C’est là que l’IA devient critique pour la traçabilité. Elle peut collecter de manière intelligente de grandes quantités de données à grande échelle. Plus important encore, cependant, elle peut également soutenir un système qui effectue automatiquement la validation des données en corrélant les informations de plusieurs sources pour améliorer la qualité globale des données de traçabilité.

Plus simplement, l’IA peut être utilisée pour numériser les documents papier pour permettre une traçabilité de produit à grande échelle. Le processus de numérisation comprend trois étapes : Classification, extraction et identification d’objets et validation des données et liaison.

La classification se produit lorsque un document est soumis dans une plate-forme de traçabilité de la chaîne d’approvisionnement par un fournisseur. L’IA sous-jacente reconnaît le document et le classe de manière intelligente comme, par exemple, une commande d’achat, un audit de site ou une certification.

Sur la base de la classification du document, l’IA identifie ensuite les informations clés via des métadonnées. Par exemple, lors du traitement des factures, le système de traçabilité extrait et identifie automatiquement des informations telles que l’acheteur, le vendeur, le produit, la quantité, la date de livraison, etc. De même, la numérisation d’un audit social peut impliquer la capture de paramètres liés aux conditions de travail, aux salaires équitables, à la diversité, etc.

Une fois les objets correspondants extraits, les données sont validées et liées à d’autres données existantes dans les systèmes d’entreprise de la marque, leur permettant d’utiliser les données comme elles le souhaitent, que ce soit pour la prévision, l’analyse, la déclaration réglementaire ou d’autres exigences.

Les chaînes d’approvisionnement de la mode sont si complexes et les données disponibles si vastes que cela est virtuellement impossible à gérer sans l’utilisation efficace de l’IA. Après la mise en œuvre d’un système de traçabilité, la durabilité de l’un ou plusieurs partenaires dans la chaîne d’approvisionnement d’une marque sera inévitablement inférieure aux normes de la marque. Dans ce cas, la chaîne d’approvisionnement doit s’adapter et se reconfigurer via d’autres partenaires pour rester conforme. L’IA et l’apprentissage automatique sont la colonne vertébrale qui permet une telle adaptation rapide.

Regarder vers l’avenir

Comme le démontre le programme PEF de la CE, il viendra un moment où il ne suffira pas de dire que l’on est durable ; il ne suffira même pas de fournir des preuves. Je crois en un avenir où les marques calculent en temps réel à quel point leurs produits sont durables en traçant de manière intelligente les matériaux combinés.

Je suis fier de voir autant de marques de mode s’engager en faveur de la durabilité et de la responsabilité sociale – même avant que la législation ne commence à s’intensifier. Cet engagement corporatif doit maintenant se propager au niveau du produit. Ce n’est pas une mince affaire, mais la traçabilité, soutenue par l’IA et les données, peut la rendre possible.