Atelierprivé.com – Lliv’IA, assistante mode IA & essayage virtuel
01Résumé
Développement de Lliv’IA, une assistante mode IA pour le retail, combinant avatar biométrique, essayage virtuel et recommandations personnalisées de tenues. La solution joue le rôle de personal shopper digital, directement connectée au catalogue e-commerce d’Atelier Privé, pour aider chaque client à trouver rapidement des looks cohérents avec son style, sa morphologie et le contexte de son achat.
02Description
Le projet Lliv’IA vise à offrir aux clients d’Atelier Privé une expérience d’achat mode nouvelle génération, fondée sur un avatar biométrique et l’essayage virtuel. À partir de quelques informations (mensurations, morphologie, préférences de style, contexte de l’événement), la solution génère un avatar 3D et propose des tenues complètes construites à partir du catalogue Prestashop. L’IA sélectionne les pièces compatibles (tailles, coupes, couleurs) et présente des silhouettes prêtes à l’emploi, avec possibilité d’ajuster certains éléments (chemise, veste, accessoires). Le moteur de recommandation, appuyé sur LangChain et ChatGPT, permet de dialoguer avec l’assistante (“je cherche une tenue business casual pour un séminaire”, “je veux quelque chose de plus formel”), qui ajuste en temps réel ses propositions.
03Enjeux
- Faciliter le choix de tenues complètes pour des clients souvent hésitants sur les associations de pièces, les coupes et les tailles.
- Réduire les retours liés à un mauvais choix de taille ou de coupe, en tenant mieux compte de la morphologie et des préférences.
- Augmenter la valeur moyenne du panier en proposant des looks complets (haut, bas, veste, accessoires) plutôt que des achats unitaires.
- Différencier l’expérience e-commerce d’Atelier Privé face à la concurrence en intégrant une assistante mode IA à forte valeur d’usage.
04Notre solution
- Conception d’un avatar biométrique 3D sous Unity, alimenté par les mensurations et la morphologie du client, pour simuler l’essayage virtuel des pièces du catalogue.
- Intégration avec Prestashop pour récupérer en temps quasi réel les produits, tailles, couleurs, stocks et prix, et construire des tenues directement à partir de l’offre existante.
- Mise en place d’un moteur de recommandation mode basé sur LangChain et ChatGPT, capable de proposer des looks complets en fonction du contexte (événement, dress code, saison) et des préférences utilisateur.
- Interface conversationnelle permettant au client d’affiner ses choix (“plus casual”, “moins formel”, “ajouter une veste”) et de valider une tenue en quelques interactions.
- Architecture pensée pour être enrichie progressivement avec de nouvelles règles métier (gestion des stocks, marges, priorisation de certaines gammes).
05Résultats & impact
- Expérience client fortement enrichie, avec un accompagnement proche d’un personal shopper en boutique mais accessible en ligne 24/7.
- Simplification du choix pour le client, qui visualise directement des ensembles cohérents plutôt que de parcourir le catalogue pièce par pièce.
- Potentiel d’augmentation du panier moyen via la mise en avant de tenues complètes et d’accessoires complémentaires.
- Socle réutilisable pour déployer l’assistante sur d’autres verticales (autres segments de clientèle, autres marques) ou ajouter de nouveaux services (conseil morphologie, abonnements look).
