L’IA peut-elle aider la mode de seconde main à prouver sa valeur ?

Les acteurs du textile de seconde main accumulent quantité de données opérationnelles, mais peinent à les convertir en un récit commun de leur contribution. C'est ce défi qu'a abordé Chris McLellan lors de sa présentation intitulée « Closing the Data Gap: The Case for Data Collaboration in the Age of AI & EPR », à l'occasion de la conférence annuelle Smart 2026, organisé à Montréal en octobre dernier. Interrogé par FashionUnited après l’événement, il explique comment l'intelligence artificielle pourrait aider les entreprises indépendantes à rassembler ces preuves, et pourquoi la confiance prime sur la technologie.

Pour Chris McLellan, les données manquantes concernent les chiffres : quelles quantités de matière les entreprises traitent, où elles partent, quelle proportion est réutilisée ou recyclée, et combien d’emplois en dépendent. Collecteurs, trieurs et exportateurs indépendants possèdent chacun une pièce du puzzle, mais leurs archives restent dispersées entre armoires à dossiers, feuilles de calcul et logiciels comptables.

« Multipliez cela à l'échelle d'une industrie : les preuves existent, elles sont simplement dispersées », explique-t-il. En conséquence, le secteur peine à démontrer de manière convaincante sa contribution économique et environnementale lorsque les décideurs politiques exigent des chiffres.

Selon lui, l'IA pourrait combler cette lacune en extrayant des informations ciblées à partir de documents que les entreprises produisent déjà, tels que les bons de pesée, les factures, les listes de colisage de conteneurs et les déclarations d'exportation.

Chris McLellan propose de rendre les documents existants plus faciles à exploiter collectivement. Une entreprise pourrait télécharger un PDF ou photographier un document, permettant à une application d'en extraire des éléments précis comme le poids, la catégorie, l'origine et la destination. Le système standardiserait ensuite les formats et convertirait les unités, rendant ainsi comparables les données issues de différents opérateurs.

Pour illustrer son propos, Chris McLellan a conçu un prototype basique pour sa présentation lors de la conférence Smart. Grâce à l'IA, cela lui a pris moins d'une heure et n'a pratiquement rien coûté, précise-t-il. Il s'agit là d'un point de départ potentiel plutôt que d'un système de reporting sectoriel pleinement opérationnel.

Il préconise de commencer par un processus transparent, dans lequel les entreprises vérifient et valident les informations extraites avant leur soumission. Des agents d'IA plus autonomes pourraient à terme alléger davantage la charge de travail, mais leur adoption nécessitera une plus grande confiance dans le système.

La confiance avant la technologie

L'obstacle le plus complexe consiste à convaincre des concurrents de participer. Les informations relatives aux volumes, aux acheteurs, à la qualité et aux prix sont commercialement sensibles, et les dirigeants d'entreprise s'inquiètent légitimement de savoir qui pourrait y avoir accès.

« Les dirigeants craignent, à juste titre, que les données partagées soient vues par leurs concurrents, utilisées contre eux ou échappent tout simplement à leur contrôle », souligne Chris McLellan.

L'approche qu'il propose repose sur la minimisation des informations collectées, la suppression des données d'identification à la source et la liberté laissée aux contributeurs de choisir les projets que leurs données peuvent soutenir. Une entreprise pourrait ainsi autoriser l'utilisation de ses informations à des fins de plaidoyer politique, tout en refusant qu'elles servent à des analyses comparatives du secteur.

Chris McLellan qualifie ce principe de « Bill of Rights for Data Owners » (une charte des droits pour les propriétaires de données). Selon lui, les contributeurs devraient également pouvoir retirer leurs informations à tout moment, et le nombre de copies devrait être limité afin de garantir un contrôle réel.

À ses yeux, une association ou une organisation à but non lucratif serait l'entité naturelle pour orchestrer ce dispositif, mais la participation doit reposer sur une gouvernance claire plutôt que sur la seule réputation de l'institution. Il plaide ainsi pour une charte écrite, un contrôle indépendant et des règles empêchant les grandes entreprises de dominer le processus.

Chris McLellan souligne l'urgence particulière liée à la responsabilité élargie des producteurs (REP) et aux décisions affectant les exportations de textiles. Il soutient que les entreprises doivent apporter la preuve de leurs activités si elles veulent que celles-ci soient dûment prises en compte dans les débats politiques et les attributions de financements.

« Savoir qui reçoit les fonds des programmes de REP est une question économique. Savoir si les marchés d'exportation restent ouverts est une question de demande, analyse-t-il. L'orientation des investissements dans les infrastructures dépend des volumes dont on soupçonne l'existence. »

La mise en commun des données ne résoudra pas les pressions commerciales sous-jacentes du secteur. Chris McLellan reconnaît que les coûts d'expédition, les contraintes d'infrastructure, la contamination des matières et la demande du marché constituent des obstacles majeurs. « Les données en elles-mêmes ne trient pas une seule balle de linge », rappelle-t-il. Leur objectif est de renforcer le poids de l'industrie dans les prises de décisions concernant ces problématiques.

L'IA nécessite aussi des vérifications

L'utilisation de l'IA pour produire des preuves réglementaires comporte des risques. Chris McLellan prévient que les systèmes peuvent mal interpréter des documents, confondre des unités ou inventer des informations manquantes. Une erreur répétée au fil des soumissions pourrait compromettre la fiabilité de l'ensemble de la base de données.

Il appelle donc à ce que chaque donnée saisie reste traçable jusqu'au document original détenu par l'entreprise contributrice. Une validation humaine avant soumission ainsi que des contrôles d'anomalies offriraient des garanties supplémentaires.

Il existe toutefois un autre risque : laisser le secteur insuffisamment documenté alors que les systèmes d'IA jouent un rôle croissant d'intermédiaire dans l'accès à l'information. Chris McLellan craint que des études limitées ne prennent une influence disproportionnée en l'absence de données plus larges.

« Lorsqu'une industrie ne dispose d'aucun chiffre, les chiffres des autres deviennent des preuves par défaut », avertit-il.

Il plaide ainsi pour une visibilité collective sans renoncer au contrôle individuel. Si l'IA peut faciliter la collecte de preuves, les entreprises ont besoin d'une raison valable pour contribuer, et de la certitude que cette démarche ne leur portera pas préjudice.