Méthodologie & données
Chaque affirmation publiée sur ce site est une hypothèse que nous devons défendre. Cette page documente la manière dont Wearo mesure l'impact de l'essayage virtuel par IA sur la conversion, les retours, le panier moyen et l'engagement : ce que nous avons observé chez nos partenaires entreprise, ce que dit la littérature académique, et les vraies limites de nos données.
Relu et signé par Wandrille Stutz, Fondateur de Wearo. Mis à jour le: 16 mai 2026.
Lift de conversion, réduction des retours, augmentation du panier moyen, engagement : chaque éditeur fashion-tech cite ces métriques, et presque aucun ne publie comment elles sont mesurées. C'est un problème. Les équipes marketing devraient pouvoir évaluer les chiffres d'un fournisseur comme un analyste quantitatif évalue un rapport financier : avec une méthode, un échantillon, une fenêtre d'attribution, et la liste explicite de ce qui est, et n'est pas, contrôlé. Cette page est notre tentative de publier ce niveau de détail pour les métriques que Wearo affiche sur ses pages produit.
Toutes les métriques Wearo sont calculées à partir de données d'événements first-party capturées par le widget et le pipeline analytics du site partenaire. Nous appliquons la même définition à tous les pilotes pour que les comparaisons restent comparables.
Une conversion = un achat finalisé : un événement de statut « commande confirmée » sur votre plateforme e-commerce (commande payée, statut validé). Nous ne comptabilisons pas l'ajout au panier, la wishlist ou les signaux d'intention au niveau session. C'est volontairement la définition la plus conservatrice possible.
Pour chaque pilote, nous comparons deux cohortes sur la même fenêtre temporelle : les sessions où le visiteur a ouvert le widget Wearo et chargé au moins une image (engagée), versus les sessions sur des fiches produit identiques où le widget était présent mais jamais ouvert (non-engagée). Les deux cohortes vivent le même site, les mêmes produits, les mêmes prix, le même marketing. La seule différence est le choix d'interagir ou non avec l'essayage.
Nous attribuons la conversion à une session jusqu'à 7 jours après l'événement d'engagement, en utilisant l'identifiant de session/client standard du site hôte. Au-delà de 7 jours, le signal devient trop bruité par les campagnes marketing tierces pour être isolé proprement.
Nos métriques publiées sont calculées sur plusieurs milliers de sessions par pilote, sur des fenêtres glissantes de 30 à 90 jours chez nos partenaires. Nous ne publions pas les volumes exacts pour préserver la confidentialité des partenaires, mais nous partageons les détails méthodologiques sous NDA sur demande.
Au fil des pilotes avec des Marques de prêt-à-porter partenaires, quatre tendances se dégagent de manière constante. Nous les présentons sous forme de fourchettes, pas d'estimations ponctuelles, car le lift réel dépend du mix de trafic, de la catégorie produit, du prix moyen et de la visibilité accordée au widget.
| Métrique | Fourchette observée | Base d'échantillon | Ce que cela signifie |
|---|---|---|---|
| Lift de conversion | ×5 à ×9 engagée vs non-engagée | Plusieurs milliers de sessions par pilote, fenêtres glissantes de 30 à 90 jours | Visiteurs ayant atteint un rendu d'essayage. Auto-sélectionnés vers les intentions d'achat plus fortes (voir FAQ). |
| Réduction du taux de retour | Jusqu'à -30% sous la baseline partenaire | Commandes contenant au moins un essayage sur le SKU acheté | Mécanisme : réduction du déficit visuel entre la photo catalogue et la réalité devant le miroir à la maison. Baseline industrie prêt-à-porter : environ 25-30% (rapport NRF 2023 sur les retours consommateurs). |
| Panier moyen | Hausse mesurable sur les commandes engagées | Comparé à la baseline AOV du site sur la même fenêtre | Les visiteurs ajoutent des articles complémentaires (haut assorti, deuxième couleur) après avoir vu le rendu. |
| Signaux d'engagement | Temps passé en hausse + taux de partage non-trivial | Temps passé par session et événements de partage post-rendu | Les résultats partagés ramènent du trafic récurrent avec une intention de conversion supérieure à la moyenne. |
Notre pilote entreprise le plus ancien est mené avec une marque de mode premium française (anonymisée par NDA). Les chiffres ci-dessous proviennent d'un seul déploiement et ne sont pas garantis comme résultats typiques. Ils sont reportés ici comme point de donnée concret, en complément des fourchettes ci-dessus.
Il s'agit d'un seul déploiement, dans une seule catégorie produit (prêt-à-porter premium), avec un seul mix de trafic. Le chiffre ×11 est un résultat de pilote observé, pas une prévision pour d'autres partenaires. Nous le publions parce qu'il est réel et vérifiable sous NDA, pas comme une garantie. La fourchette générale ×5 à ×9 ci-dessus est le chiffre le plus défendable pour des prospects : elle moyenne plusieurs pilotes et plusieurs types de produits.
Nos données internes sont corroborées par une littérature scientifique en croissance sur l'essayage virtuel. Nous citons trois travaux directement pertinents pour les métriques de cette page.
Gao & Liang (2025), Sustainability (MDPI) ↗
Gao et Liang (2025), publiant dans MDPI Sustainability, modélisent comment quatre attributs principaux de l'essayage par IA (vivacité visuelle, contrôle interactif, configuration personnalisée et facilité d'usage) influencent l'intention d'achat en ligne dans la mode e-commerce. Via un modèle S-O-R modifié appliqué à un sondage de 366 répondants analysé en PLS-SEM, ils démontrent que l'immersion perçue est un médiateur significatif aux côtés de la valeur utilitaire et hédonique perçue, avec la confiance dans la marque comme modérateur. Le construct précis qu'ils testent (intention d'achat impulsif sur un échantillon de jeunes consommateurs chinois) n'est pas identique aux achats considérés observés sur les boutiques premium européennes que Wearo équipe, mais le mécanisme sous-jacent est celui que nous observons dans nos propres données : le lift de conversion se concentre sur les sessions où le visiteur atteint un rendu (le moment d'immersion perçue), pas seulement celles où le widget est ouvert.
Chen, C., Ni, J., & Zhang, P. (2024) ↗
Chen, Ni et Zhang (2024) ont publié une revue systématique de 69 articles scientifiques sur les systèmes d'essayage virtuel dans la consommation mode (MDPI Applied Sciences, Donghua University). Ils identifient les facteurs-clés qui pilotent les décisions d'achat et les intentions d'adoption du VTO dans la littérature existante. Wearo ne traite pas directement le problème du choix de taille (cela demande un outil dédié de prédiction de taille), mais la relation VTO → achat plus large que leur revue documente est exactement ce que nous observons derrière notre chiffre de -30% sur les retours : quand un visiteur voit le vêtement rendu sur lui-même avant l'achat, le moment 'ça ne ressemble pas du tout à la photo' au déballage devient rare.
Lavoye, V., et al. (2023), Journal of Services Marketing ↗
Lavoye, Sipilä, Mero et Tarkiainen (2023), publiant dans le Journal of Services Marketing, ont mené une quasi-expérience à 500 participants sur l'essayage virtuel de lunettes de soleil et de rouges à lèvres. Ils démontrent que lorsque le visiteur ressent que l'avatar virtuel le représente authentiquement (self-presence), il s'engage davantage dans l'exploration de styles, ce qui augmente le traitement cognitif de la marque et améliore l'attitude envers cette dernière. Les effets d'engagement et de temps passé que nous suivons sont cohérents avec ce mécanisme : les visiteurs qui interagissent avec le widget investissent plus d'attention cognitive dans la marque, ce qui corrèle à la fois avec la conversion en session et le retour ultérieur.
Un achat finalisé (commande confirmée Shopify ou événement terminal équivalent sur la plateforme hôte). Nous ne comptabilisons pas l'ajout au panier, la wishlist ou les signaux d'intention au niveau session. C'est volontairement la définition la plus conservatrice possible, pour que nos chiffres soient robustes face à toute définition raisonnable de la conversion.
Si. Et c'est la divulgation honnête la plus importante de cette page. Les visiteurs qui choisissent d'ouvrir le widget ont en moyenne une intention d'achat plus forte que ceux qui ne le font pas. Le chiffre ×5 à ×9 ne signifie pas 'Wearo cause ×9 de conversion' ; il signifie 'les sessions où un visiteur s'est engagé avec le widget convertissent ×5 à ×9 plus que les sessions sur les mêmes pages où le widget était présent mais non ouvert'. La cohorte non-engagée est le contrôle le plus propre que nous puissions construire sans lancer une expérimentation randomisée on/off, ce qui est sur notre roadmap pour les pilotes futurs. Quand cette donnée existera, nous la publierons ici et ajusterons cette réponse.
Non. Nos données publiées proviennent du prêt-à-porter premium. Les catégories à prix élevé, à fit complexe, ou à forte différenciation visuelle (robes, manteaux, mailles) tendent à afficher un lift plus fort. Les basiques, les accessoires et les catégories à faible AOV tendent à afficher un lift plus faible. Toute personne évaluant Wearo pour un usage hors catégorie devrait s'attendre à lancer son propre pilote plutôt que de présumer que nos chiffres se transfèrent.
Plusieurs milliers de sessions par pilote, sur des fenêtres glissantes de 30 à 90 jours. Nous ne publions pas les volumes exacts pour préserver la confidentialité partenaire ; nous partageons les détails sous NDA sur demande de la part de prospects et d'analystes.
Non. Les données de cette page sont first-party : Wearo a mesuré l'impact de Wearo. Nous le précisons explicitement. Une validation indépendante est sur notre roadmap. En attendant, la corroboration externe la plus solide que nous offrons est la littérature peer-reviewée de la section ci-dessus, qui converge sur les mêmes mécanismes (immersion perçue, confiance visuelle, et réduction du déficit entre l'imagerie catalogue et la réalité) que ceux qui sous-tendent nos chiffres internes.
En comparant le taux de retour sur les commandes qui incluaient au moins un essayage Wearo pour un SKU acheté à la baseline catégorielle du partenaire. Le chiffre 'jusqu'à -30%' est l'extrémité haute de ce que nous avons observé ; la réduction réalisée est plus modeste chez les partenaires qui ont déjà une baseline de retours basse, et sur les catégories où la surprise visuelle à la livraison est rare (basiques, coupes simples où la photo catalogue correspond déjà au rendu réel devant le miroir).
Le temps passé sur la fiche produit, le taux de clic sur le widget, le taux de complétion d'essayage (démarré → rendu), et le taux de partage du résultat rendu. Nous les suivons comme indicateurs de santé pour chaque pilote, pas comme arguments marketing autonomes, car ils corrèlent fortement avec la conversion aval.
Toutes les métriques de cette page sont accessibles dans le dashboard Analytics de votre compte Wearo, visible dès l'installation du widget. Les crédits offerts à haut volume couvrent largement 15 jours d'exploitation, suffisant pour voir vos premiers retours et calibrer le déploiement.