WEBVTT

00:00:00.350 --> 00:00:03.650
Ce que nous voyons ici commence par
une grande quantité de données produit,

00:00:03.683 --> 00:00:04.650
notamment des images.

00:00:04.650 --> 00:00:07.166
Voici une collection typique,
une seule collection.

00:00:07.166 --> 00:00:09.050
Et il y en a beaucoup au fil de l'année.

00:00:09.050 --> 00:00:13.200
Nous prenons toutes ces images
et les traitons via différents modèles d'IA

00:00:13.466 --> 00:00:17.716
pour extraire des éléments simples,
comme la couleur de tous ces articles,

00:00:17.716 --> 00:00:20.716
mais aussi plus en détail :
Quels sont les différents motifs ?

00:00:20.916 --> 00:00:24.750
Quelles chemises ont des imprimés
et lesquelles n'en ont pas ?

00:00:24.750 --> 00:00:27.016
Mais plus important encore,

00:00:27.016 --> 00:00:29.966
c'est d'obtenir une compréhension
sémantique approfondie :

00:00:29.966 --> 00:00:34.016
Quels articles conviennent pour un mariage,
lesquels pour un entretien d'embauche ?

00:00:34.016 --> 00:00:36.383
À gauche : Quels articles
sont adaptés à la plage ?

00:00:37.133 --> 00:00:39.150
Et pour corser le tout :

00:00:39.150 --> 00:00:41.216
La mode ne se limite pas à des pièces isolées,

00:00:41.216 --> 00:00:43.800
mais concerne tout le
concept d'une tenue.

00:00:43.800 --> 00:00:48.000
On porte plusieurs pièces ensemble
et il faut décider

00:00:48.000 --> 00:00:49.350
ce qui va ensemble.

00:00:49.350 --> 00:00:53.933
Pour cela, nous utilisons aussi l'IA
afin d'analyser les tenues elles-mêmes.

00:00:54.416 --> 00:00:59.266
Nous prenons des photos de mannequins
et décortiquons les tenues pour comprendre

00:00:59.266 --> 00:01:02.116
quelles sont les différentes pièces
et comment les combiner,

00:01:02.116 --> 00:01:05.483
tant en termes de composition
que de superposition, comme ici.

00:01:05.483 --> 00:01:07.133
Que peut-on superposer ?

00:01:08.116 --> 00:01:11.100
Avec toutes ces informations,
nous pouvons faire ceci :

00:01:11.100 --> 00:01:14.416
Nous avons construit un graphe
de connaissances

00:01:14.450 --> 00:01:19.200
basé sur l'expertise mode,
que nous appelons Fashion DNA.

00:01:20.116 --> 00:01:24.750
Cela nous permet de créer des
recommandations pertinentes où

00:01:24.750 --> 00:01:28.500
les articles vont bien ensemble,
mais tout aussi important :

00:01:28.500 --> 00:01:31.950
qu'ils correspondent aux préférences
du client en magasin.