Anti-gaspillage : la data, un levier pour une mode plus responsable

À l'heure où la surproduction apparaît comme l'un des principaux problèmes environnementaux, plusieurs mesures sont sur la table pour y remédier. En France, la loi anti-gaspillage pour une économie circulaire s'appliquera dès le 1er janvier aux produits textiles et donc à l'industrie de la mode, souvent pointée du doigt pour la destruction des invendus.

Limiter le gaspillage : une nécessité 

Depuis plusieurs décennies, le secteur du prêt-à-porter a été bouleversé. Les collections se renouvellent sans cesse pour répondre au sentiment de besoin du client, entraînant une durée de vie des vêtements de plus en plus courte. Face à cette course à la nouveauté et à la production excessive, les invendus finissent souvent brûlés ou dans des décharges. En France, entre 10 000 et 20 000 tonnes de produits textiles sont détruits par an, ce qui équivaut au poids d’une à deux tours Eiffel. 

Pour y remédier, le gouvernement français a adopté la loi Anti-Gaspillage pour l’Économie Circulaire. Elle s’appliquera dès le 1er janvier 2022 aux textiles d’habillement, en interdisant l’élimination des invendus. Elle vise à encourager le don et à défaut le recyclage. L’Hexagone n’est pas un cas isolé. Onze pays européens, dont la France, demandent à l’Union européenne d’emboîter le pas, en lui exprimant le besoin de mettre en place une stratégie « ambitieuse et globale » pour rendre l’industrie textile plus durable. 

Travailler main dans la main avec la data

Pour s’adapter à cette loi, le secteur de la mode doit se doter de nouveaux alliés. L’analyse de données, via des prestataires externes et spécialisés du domaine, permet de guider les marques afin qu’elles réussissent leur périlleux équilibre entre production et environnement. La data joue un rôle précieux afin d’être au plus près des consommateurs, sans empiéter ni sur leur sensibilité ni sur la créativité des designers. Cependant, lorsque un partenaire digital est en mesure de présenter les articles les plus recherchés sur le site de la marque, celles-ci peuvent ainsi comprendre les envies des acheteurs potentiels. Elles pourraient privilégier la production du vêtement demandé et écarter le moins souhaité.

Par exemple, une marque de prêt-à-porter haut de gamme peut produire toutes les six semaines ses meilleures ventes, néanmoins sans savoir les quantités et si la demande perdurera. Le secteur de la mode anticipe par trimestre ou saison, tandis que la data propose des informations en temps réel. De même, si un article plaît moins, ce seront 100.000 pièces qui pourront être commandées au lieu des 500.000 initialement prévues avant la consultation des données. Une surproduction pourrait donc être évitée et les stocks réduits. Outre l’impact environnemental, les entreprises réalisent des économies, intéressantes pour des multinationales comme pour des créateurs ayant des moyens moins élevés. 

Ici, la data apparaît comme un partenaire complémentaire, une aide à la décision. En aucun cas l’analyse de données a pour vocation de remplacer la créativité. Des graphiques révèlent des informations, sans pour autant donner des consignes sur la production. Et c’est là toute la subtilité, afin de respecter le travail du designer tout en optimisant les stocks. 

Garder un oeil sur les tendances 

L’analyse se base sur les envies des consommateurs. Par exemple, une marque pourrait proposer une veste à motif floral afin de surfer sur la vague, au lieu de se concentrer sur un modèle de couleur uni. Les marques peuvent notamment élargir leur champ d’action, en se servant des données pour concevoir leurs vitrines. Ici les statistiques servent d’inspiration pour savoir quel produit mettre en avant. Elles entrent également en ligne de compte pour le merchandising. Ce dernier diffère si les consommateurs laissent transparaître une envie de minimalisme avant-gardiste ou un univers printanier. 

La data sert d’indicateur. Ses orientations se montrent précieuses dans la gestion du réassort. À long terme, elle pourrait permettre d’avoir deux variables de personas, en présentant les tranches d’âge et le sexe, sans oublier la position géographique et donc les tendances par ville. En réalisant un tableau croisé des variables, on va pouvoir affiner et présenter des collections différentes par zone. Cette solution s’inscrit donc dans l’avenir, pour répondre aux besoins d’économie d’échelle et d’économie écoresponsable.