Commerce de détail de la mode : Prévision de la demande pour les nouveaux articles - Une approche par apprentissage automatique

1. Introduction

La prévision de la demande dans le commerce de détail de la mode représente l'un des défis les plus complexes de l'industrie. La nature éphémère des tendances en matière de couleurs, d'imprimés, de coupes, de motifs et de matériaux, combinée à des cycles de conception longs, des exigences de fabrication en gros et des variations géographiques de la consommation, crée un environnement à haut risque pour les détaillants. Les méthodes de prévision traditionnelles reposent fortement sur les données historiques de vente des articles existants, ce qui les rend inadaptées à la prédiction de la demande pour des designs ou styles entièrement nouveaux, ce qui est l'objectif principal de cette recherche.

Cet article, présenté lors de l'atelier KDD 2019 sur l'IA pour la mode, comble cette lacune critique. Les auteurs de Myntra Designs proposent une approche novatrice qui va au-delà de l'analyse des séries temporelles des ventes passées. Au lieu de cela, ils analysent des données de vente de mode à grande échelle pour déduire quels attributs spécifiques de produit (par exemple, encolure, type de manche, tissu) et facteurs de merchandising (par exemple, prix, marque) stimulent la demande des consommateurs. Ils construisent ensuite des modèles d'apprentissage automatique généralisés capables de prévoir la demande pour de nouveaux articles uniquement sur la base de ces attributs, avant même qu'aucun historique de vente n'existe.

2. Énoncé du problème & Défis

Le problème central est le scénario de "démarrage à froid" (cold-start) dans la prévision de la mode : prédire la demande pour un nouvel article sans aucune donnée historique de vente. Les techniques conventionnelles échouent car :

• Interactions non linéaires : De multiples paramètres de conception (couleur, motif, coupe) interagissent de manière complexe et non linéaire pour définir l'attrait d'un article, rendant une simple extrapolation impossible.
• Dépendance à l'intuition : La pratique actuelle de l'industrie repose souvent sur l'intuition subjective des acheteurs, entraînant une grande variabilité, une incapacité à prendre en compte les effets inter-produits (substitution, cannibalisation) et des erreurs de prévision significatives.
• Coût économique & environnemental : Des prévisions inexactes entraînent des opportunités de vente perdues, des stocks invendus massifs (perte de fonds de roulement) et des dommages environnementaux dus à la surproduction et au gaspillage.

Le besoin est celui d'un modèle axé sur les données, généralisable, qui traduit les attributs des articles en une prévision de demande fiable pour un horizon de planification de 6 à 8 mois.

3. Méthodologie & Approche technique

La méthodologie des auteurs passe de la modélisation des séries temporelles à la modélisation de l'espace sémantique des attributs de la mode.

3.1 Données & Représentation des attributs

Le modèle est construit sur un vaste ensemble de données d'articles de mode historiques, chacun décrit par un riche ensemble d'attributs catégoriels et numériques. La clé de leur approche est la création d'incorporations d'attributs (attribute embeddings). Semblables aux incorporations de mots en TALN (comme Word2Vec), les attributs catégoriels (par exemple, "col rond", "imprimé floral") sont transformés en représentations vectorielles denses et continues. Cela permet au modèle d'apprendre des relations et des similarités nuancées entre les attributs (par exemple, que "col en V" et "col bateau" sont plus similaires l'un à l'autre qu'à "col roulé").

3.2 Architectures de modèles

L'article expérimente avec plusieurs architectures neuronales et méthodes ML traditionnelles :

• Modèles basés sur les arbres (XGBoost, Forêt aléatoire) : Utilisés comme références robustes, capables de traiter des données tabulaires avec des types de caractéristiques mixtes.
• Réseaux de neurones à propagation avant (FFNN) : Perceptrons multicouches standard qui prennent en entrée la concaténation des incorporations d'attributs et des caractéristiques numériques.
• Réseaux de neurones à mémoire à long terme (LSTM) : Employés non pas pour des séquences temporelles de ventes, mais potentiellement pour modéliser des séquences d'attributs ou pour capturer des dépendances dans le pipeline de traitement des caractéristiques. L'article explore leur utilité dans ce contexte non séquentiel.

L'architecture centrale implique une couche d'incorporation pour chaque attribut catégoriel, dont les sorties sont combinées (par exemple, concaténées ou agrégées) et transmises aux couches de réseau neuronal suivantes pour la prédiction finale de la demande.

3.3 Fonctions de perte

Choisir le bon objectif est crucial pour l'impact commercial. Les auteurs expérimentent au-delà de l'erreur quadratique moyenne (MSE) standard. Ils considèrent des fonctions de perte asymétriques qui pénalisent différemment la sur-stockage (prévision trop élevée) et la sous-stockage (prévision trop faible), alignant ainsi l'objectif d'optimisation du modèle sur la structure de coût réelle de la gestion des stocks de détail. Une forme simplifiée pourrait être :

$L(y, \hat{y}) = \begin{cases} c_{over} \cdot (\hat{y} - y) & \text{si } \hat{y} > y \\ c_{under} \cdot (y - \hat{y}) & \text{si } \hat{y} \leq y \end{cases}$

où $c_{over}$ et $c_{under}$ sont les coûts respectifs de la sur-prévision et de la sous-prévision.

4. Résultats expérimentaux & Analyse

L'article démontre une performance robuste des modèles proposés basés sur les attributs. Les principales conclusions incluent probablement (déduites du résumé) :

• Supériorité par rapport aux références : Les modèles neuronaux avec incorporations d'attributs surpassent significativement les modèles simples d'extrapolation historique et potentiellement les modèles ML traditionnels pour la tâche de prévision des nouveaux articles.
• Pouvoir de généralisation : Les modèles montrent une capacité à généraliser à des combinaisons d'attributs non vues, validant l'hypothèse centrale selon laquelle la demande est pilotée par des attributs décomposables.
• Comparaison d'architectures : Les résultats fournissent une analyse comparative des FFNN par rapport aux LSTM dans ce contexte, concluant probablement que si les LSTM sont puissants, des FFNN plus simples pourraient être suffisants et plus efficaces pour ce problème spécifique de cartographie attribut-demande.
• Impact de la fonction de perte : Les modèles entraînés avec des fonctions de perte asymétriques conscientes des enjeux commerciaux conduisent à des prévisions qui minimisent les coûts réels des stocks, et pas seulement l'erreur de prédiction.

Description du graphique (déduite) : Un diagramme à barres montrerait probablement des métriques de comparaison (par exemple, l'erreur absolue moyenne en pourcentage - MAPE, ou une métrique personnalisée basée sur les coûts) pour différents modèles : une référence naïve (par exemple, demande moyenne pour des catégories similaires), des modèles basés sur les arbres (XGBoost), FFNN et LSTM. Les modèles de réseaux neuronaux avec incorporations montreraient l'erreur la plus faible. Un deuxième graphique pourrait illustrer comment l'erreur de prévision change avec le paramètre d'asymétrie dans la fonction de perte personnalisée, montrant un minimum clair à un réglage optimal pour l'entreprise.

5. Étude de cas : Application du cadre

Scénario : Un détaillant de fast-fashion doit prévoir la demande pour une nouvelle robe d'été pour femme prévue pour la prochaine saison.

Étape 1 - Définition des attributs : L'équipe produit définit ses attributs : {Catégorie : Robe, Sous-catégorie : Midi, Encolure : Col en V, Manche : Courte, Motif : Floral, Couleur : Bleu pastel, Matériau : Coton, Niveau de prix : Moyenne gamme, Marque : Marque propre}.

Étape 2 - Vectorisation des caractéristiques : Chaque attribut catégoriel (Encolure, Motif, etc.) passe par sa couche d'incorporation pré-entraînée, convertissant "Col en V" et "Floral" en vecteurs denses (par exemple, [0.2, -0.5, 0.8...]). Les caractéristiques numériques comme le prix sont normalisées.

Étape 3 - Inférence du modèle : Tous les vecteurs d'attributs et les caractéristiques numériques sont concaténés en un seul vecteur d'entrée. Ce vecteur est introduit dans le modèle FFNN entraîné.

Étape 4 - Prédiction de la demande : Le modèle produit une valeur continue représentant le nombre total d'unités prévues vendues lors de la première saison. Cette prévision est utilisée pour la planification de la production et l'allocation des stocks.

Perspective : Le modèle pourrait reconnaître en interne que la combinaison de "Floral", "Bleu pastel" et de la longueur "Midi" a été très réussie dans la gamme de prix "Moyenne gamme" pendant l'été, conduisant à une prévision à fort volume et haute confiance.

6. Applications futures & Orientations

L'approche décrite ouvre plusieurs voies prometteuses :

• Boucle de conception générative & prévision : L'intégration de ce modèle prédictif avec l'IA générative (comme les GAN ou les modèles de diffusion, similaires à ceux utilisés dans la synthèse d'images à partir de texte) pourrait créer un système en boucle fermée. Les designers pourraient saisir des planches de tendances, un générateur (inspiré par des modèles comme CycleGAN pour le transfert de style) produirait de nouvelles combinaisons d'attributs, et le prévisionniste évaluerait leur potentiel commercial, permettant une conception assistée par IA d'articles à forte demande.
• Intégration de la tarification dynamique : Le modèle pourrait être étendu à une fonction de demande $D(attributs, prix)$, permettant des stratégies de prix initial optimal et de démarques pour les nouveaux articles.
• Adaptation inter-domaines : La méthodologie centrale d'incorporation d'attributs pour la prédiction en démarrage à froid est transférable à d'autres secteurs de la vente au détail avec des attributs de produits riches, tels que l'électronique, les meubles ou les cosmétiques.
• IA explicable (XAI) : Les travaux futurs pourraient se concentrer sur l'interprétation des espaces d'incorporation et des décisions du modèle, répondant à la question de savoir pourquoi une certaine combinaison d'attributs est prédite comme réussie, fournissant un retour précieux aux acheteurs.
• Incorporation des tendances en temps réel : L'enrichissement des attributs statiques avec des signaux en temps réel provenant des médias sociaux (par exemple, Instagram, Pinterest) ou des tendances de recherche pourrait rendre les prévisions plus réactives aux modes émergentes.

7. Références

1. Singh, P. K., Gupta, Y., Jha, N., & Rajan, A. (2019). Fashion Retail: Forecasting Demand for New Items. In Proceedings of the KDD 2019 Workshop on AI for Fashion.
2. Ferreira, K. J., Lee, B. H. A., & Simchi-Levi, D. (2015). Analytics for an Online Retailer: Demand Forecasting and Price Optimization. Manufacturing & Service Operations Management, 18(1), 69–88.
3. Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient Estimation of Word Representations in Vector Space. arXiv preprint arXiv:1301.3781.
4. Zhu, J.-Y., Park, T., Isola, P., & Efros, A. A. (2017). Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks. In Proceedings of the IEEE International Conference on Computer Vision (ICCV). (Article CycleGAN référencé pour le concept de conception générative).
5. Academictorrents.com & arXiv.org - comme bases de données académiques en accès libre représentatives pour les travaux connexes en ML et prévision.

8. Perspective de l'analyste