Le 23 octobre 2025, la 5ᵉ édition de nos Innovation Days a réuni l’écosystème mode, luxe et retail : maisons de luxe, marques internationales, acteurs RSE, directions métiers, équipes data et spécialistes PLM. Au centre des échanges : un sujet aussi technique que particulièrement stratégique, parfois discret mais omniprésent dans le quotidien des équipes : la donnée produit.
Longtemps reléguée à l’arrière-plan, cantonnée à des fichiers Excel, des champs PLM et des interfaces plus ou moins maîtrisées, la donnée produit s’est imposée comme un véritable levier de transformation. Elle irrigue aujourd’hui l’ensemble de la chaîne de valeur :
- la création et le développement produit
- l’approvisionnement et la logistique
- la mise sur le marché et le merchandising
- les canaux de vente physiques et digitaux
- la RSE et la conformité réglementaire.
Ce que cette journée a rendu très concret, c’est que la donnée produit n’est plus un sujet « technique » réservé à quelques experts. Elle concerne tout le monde : du styliste qui crée une nouvelle gamme, à la supply chain qui organise ses flux, en passant par le digital qui met à jour les fiches produits, et les équipes RSE qui doivent documenter traçabilité et impact.
« La donnée produit est devenue la colonne vertébrale du secteur : invisible au premier regard, mais indispensable pour faire tenir l’ensemble. »
Dans un contexte marqué par une accélération réglementaire, l’essor de l’IA, la montée des attentes de transparence et la pression sur les marges, investir dans une donnée propre, gouvernée et exploitable devient un enjeu de survie autant que de compétitivité.
Retour sur les cinq grands enseignements de cette édition 2025.
Enseignement 1 | Gouvernance des données : piloter avec méthode et clarté
Premier constat partagé : la qualité de la donnée produit ne dépend pas seulement des outils, mais d’abord de la gouvernance. Sans règles du jeu claires, tout le SI peut vite se transformer en usine à gaz.
Deux leviers font la différence dans les organisations les plus avancées :
La mise en place d’un comité Master Data permet de sortir d’une gestion au fil de l’eau pour passer à un pilotage maîtrisé. Son rôle :
- arbitrer les demandes d’évolution
- définir et faire respecter les règles de nommage et de structuration
- garantir l’alignement entre les besoins métiers et les contraintes IT.
Ce comité fonctionne réellement lorsqu’il réunit des profils métiers, IT et data, et que chacun est légitime pour porter la voix de son périmètre. D’après les premiers résultats de notre Baromètre, plus d’un tiers des organisations disposent désormais d’une structure dédiée à la donnée produit – un chiffre en nette hausse, mais qui laisse encore un large potentiel de progression.
Une base centrale comme « source de vérité »
Deuxième pilier : Une stratégie de gestion de la donnée produit claire et connue de tous :
- une source de vérité clairement identifiée
- des flux maîtrisés et documentés vers les autres systèmes
- une meilleure visibilité sur les impacts de chaque modification
- moins de doublons, d’incohérences et de retraitements manuels.
Lors de notre table ronde, les intervenants ont insisté sur ce point : une donnée fiable au bon moment permet de mieux travailler, mieux décider et mieux produire.
FunFact : les premiers retours du Baromètre montrent des écarts frappants dans la perception de la collaboration métier / IT 😅. Côté IT, on parle souvent de collaboration « plutôt bonne ». Côté métier, la note est parfois nettement plus nuancée… 😬 Preuve qu’il reste du chemin à parcourir pour aligner les visions.
Enseignement 2 | L’intelligence artificielle au service de la qualité… et de la performance
Depuis plusieurs années, l’intelligence artificielle est partout dans les conversations. Mais lors de ces Innovation Days, notre volonté était de l’aborder sous l’angle de l’usage concret : comment l’IA peut-elle réellement contribuer à améliorer la donnée produit et la performance des équipes ?
IA & qualité de la donnée technique
Une maison de luxe est venue partager un cas d’usage très opérationnel : l’intégration d’un outil d’IA chargé d’analyser automatiquement les nomenclatures produits. L’algorithme repère les anomalies, identifie les attributs manquants ou incohérents, signale les doublures absentes, les quantités suspectes…
Les bénéfices sont immédiats :
- moins d’erreurs humaines
- des validations accélérées
- une meilleure fiabilité globale de la donnée, en amont des processus de production.
L’IA devient ainsi un garde-fou, un « copilote qualité » 👨✈️🫡 qui soulage les équipes du travail fastidieux de contrôle minutieux.
IA & pilotage marché
Au-delà de la qualité de la donnée, une solution spécialisée dans l’analyse de tendances a présenté des résultats particulièrement marquants. L’outil collecte chaque semaine des dizaines de milliers de références publiques, en extrait les attributs produits, repère les signaux faibles et les mouvements de marché émergents.
Les impacts mesurés dans les marques utilisatrices sont significatifs :
- +20% de temps gagné pour les équipes créatives
- +15% de best-sellers
- –50% d’erreurs de prévision
- un ROI pouvant atteindre ×56.
« L’IA ne remplace pas les experts : elle amplifie leur capacité d’analyse. »
Dans un secteur où l’intuition créative est clé, cette approche permet de la nourrir plutôt que de la contester. L’IA devient un outil de confiance pour objectiver, accélérer et sécuriser les décisions, du studio au merchandising.
Enseignement 3 | Structurer la donnée pour réussir ses projets RSE
La troisième thématique clé de la journée était consacrée à un sujet désormais incontournable : l’impact environnemental et les enjeux de traçabilité. Avec la montée en puissance des réglementations européennes (passeport numérique produit, reporting extra-financier, obligations de transparence), la donnée produit se retrouve au cœur des stratégies RSE.
Fairly Made a partagé un message très clair : aucune démarche RSE sérieuse ne peut fonctionner sans une donnée propre, structurée et documentée.
Et voici selon elle, les 4 piliers d’une donnée RSE maîtrisée :
- 🗺️ Cartographier les données : identifier les sources, les flux, les doublons et les zones de risque.
- ✅ Harmoniser la terminologie : parler le même langage entre achats, production, RSE, digital…
- 📝 Documenter les processus : qui renseigne quoi, à quel moment, avec quels contrôles ?
- 🎓 Former les équipes : embarquer l’ensemble de l’organisation, pour éviter que la donnée RSE ne soit l’affaire d’un seul service.
Deux cas concrets ont été comparés : – Dans une organisation peu structurée, tout devient plus difficile : retards, surcharge des fournisseurs, corrections manuelles de dernière minute, incompréhensions internes… – À l’inverse, une organisation dotée de référentiels clairs et de processus partagés gagne en agilité, peut automatiser une partie de ses reportings et se concentre sur l’analyse plutôt que sur la collecte.
« Avancer pas à pas, mais dans la bonne direction : c’est la clé d’une donnée responsable et utile. »
La bonne nouvelle ? Les entreprises n’ont pas besoin d’être parfaites pour démarrer. Une cartographie simple, quelques définitions claires et une documentation minimale suffisent à enclencher un cercle vertueux.
Enseignement 4 | L’accompagnement au changement, facteur clé de succès
Quatrième enseignement majeur : les projets de transformation autour du PLM et de la donnée échouent rarement pour des raisons purement techniques. Le véritable terrain de jeu, et de risque, se trouve du côté de l’humain, des usages, de l’appropriation des outils.
Comme l’a rappelé Alexandra Buor, consultante métier chez Fit Retail, la conduite du changement est trop souvent sous-estimée, voire repoussée à la fin des projets comme une « couche de communication » à ajouter à la dernière minute.
La méthode Prosci pour structurer le changement
La démarche proposée s’articule autour de deux niveaux complémentaires :
🧍Individuel :-
- anticiper les impacts pour chaque collaborateur
- répondre à la question clé : “qu’est-ce que ça change pour moi ?”
- accompagner la montée en compétences et la prise en main des nouveaux process.
-
-
- clarifier la vision et les objectifs
- assurer la cohérence des messages et des décisions
- maintenir une communication régulière et transparente tout au long du projet.
-
Dans les exemples partagés, notamment autour de migrations PLM très customisées, un schéma se répète : lorsque les équipes sont associées dès le cadrage, qu’elles comprennent les enjeux (retour au standard, conformité, agilité future), l’adhésion est nettement plus forte.
« Une transformation réussie repose sur des choix alignés avec les enjeux métier, une vision claire des impacts, et des outils adaptés pour sécuriser le pilotage. »
Pour résumer, les 3 points à retenir sont :
- Impliquer les équipes dès le lancement
- Valoriser les bénéfices concrets pour chaque collaborateur
- Accompagner dans la durée, au-delà du Go Live.
Enseignement 5 | Sécuriser ses évolutions logicielles en maîtrisant la donnée
Enfin, la dernière séquence de la journée était consacrée aux évolutions logicielles et à la question, souvent sensible, du retour au standard après des années de customisation. Revenir au standard peut manquer de glamour, mais c’est parfois la décision la plus stratégique pour :
- simplifier un système devenu trop complexe
- faciliter les montées de version
- garantir la conformité réglementaire
- réduire les coûts de maintenance et les effets « boîte noire ».
Du diagnostic à l’action : une approche outillée
Les experts Fit Retail ont partagé un exemple concret de migration PLM : un système historiquement très customisé, rempli de champs libres, avec des impacts difficiles à tracer et des risques sur la conformité. Pour maîtriser ce type de projet, ils s’appuient sur deux outils maison :
- Spiro, un outil d’analyse d’impact automatisée qui permet de :
- scorer les attributs
- visualiser les impacts sur les vues, interfaces et customisations
- objectiver les décisions de suppression ou de désactivation de champs obsolètes.
- CodoFlow, une solution de cartographie des flux et de data lineage qui aide à :
- comprendre les dépendances entre systèmes
- partager les modèles de données
- faciliter la collaboration entre IT, data et métiers.
Ces outils apportent une visibilité précieuse sur des systèmes souvent anciens et très modifiés. Ils permettent de revenir à une architecture plus saine sans piloter à l’aveugle, en gardant toujours le lien avec les besoins métiers.
Conclusion
Vers une donnée produit fiable, responsable et collaborative
Au fil des interventions, une conviction forte s’est imposée : la donnée produit est devenue le nouveau moteur de transformation du secteur mode & luxe.
Elle conditionne :
- la performance opérationnelle (moins d’erreurs, moins de délais, plus d’agilité)
- la conformité réglementaire (traçabilité, reporting extra-financier, passeport numérique)
- l’innovation technologique (IA, automatisation, analyse de tendances)
- et la transition durable (impact environnemental, transparence vis-à-vis du consommateur).
Les priorités qui se dessinent pour les prochaines années sont claires :
- Structurer et fiabiliser la donnée pour sécuriser les processus et les décisions
- Simplifier les systèmes pour mieux absorber les évolutions à venir
- Renforcer la collaboration entre métiers et IT, autour de gouvernances partagées
- Intégrer l’IA de manière pragmatique, en soutien des équipes plutôt qu’en opposition.
« Les entreprises qui sauront investir dans la qualité de leur donnée, dans la maîtrise de leur PLM et dans l’IA tireront un avantage compétitif déterminant. »
Dans un environnement où les contraintes s’intensifient, la donnée produit n’est plus seulement un actif à protéger. Elle devient un levier de différenciation, capable de soutenir une mode plus durable, plus efficace et plus connectée.
