Style Sketch constitue une garde-robe virtuelle en indexant les photos que vous avez publiées sur Instagram ou en important directement des images. L’application repère les vêtements sur ces photos, leur attribue des caractéristiques comme la couleur, la coupe et le tissu apparent, puis les enregistre sous une forme standardisée pour vous permettre de les associer. Elle propose ensuite des tenues composées à partir des pièces que vous possédez déjà, génère des essayages photoréalistes sur un modèle adapté à votre morphologie et à votre carnation, et fournit des suggestions de bagages pour vos voyages en tenant compte de la météo et des activités prévues.

Grâce à son intégration à Instagram, Style Sketch dispose d’une vue longitudinale des habitudes vestimentaires qui fait défaut aux concurrents ne traitant qu’un seul import. La récurrence de certaines marques, les silhouettes souvent choisies, les palettes de couleurs préférées et les indications de contexte (travail, voyage, sorties nocturnes) permettent de formuler des recommandations qui reflètent les comportements réels, plutôt que des goûts déduits d’une seule session. Cette continuité améliore la pertinence, mais augmente aussi les enjeux : les biais liés aux contenus publiés par les utilisateurs ou aux tenues qu’ils choisissent de partager publiquement peuvent fausser la garde-robe numérique et les suggestions qui en découlent.

Réutiliser des photos publiées sur les réseaux sociaux pour faire des achats ou modéliser des silhouettes soulève des questions spécifiques de vie privée. Les utilisateurs ne s’attendent pas nécessairement à ce que d’anciennes publications Instagram — parfois vieilles de plusieurs années ou partagées avec un autre public — soient réanalysées à des fins de stylisme commercial. Plusieurs niveaux de consentement doivent être prévus : accord explicite pour l’analyse, contrôle des publications incluses, transparence sur la conservation et le partage des données. Le service s’expose également à des risques réglementaires dans les marchés dotés de lois strictes sur la protection des données. Enfin, l’estimation de la morphologie et la correspondance des carnations nécessitent des garde-fous rigoureux afin d’éviter des résultats discriminatoires ou dangereux et de garantir la possibilité de refuser ces fonctionnalités.

De nombreuses start-up et des produits déjà bien établis — notamment des expérimentations de Google Photos et des applications de garde-robe indépendantes — proposent déjà certains maillons de cette chaîne de valeur. La différence de Meta tient à sa capacité de diffusion : Instagram fournit à la fois le contenu visuel et une base d’utilisateurs intégrée. Pour les détaillants et les places de marché de la mode, Style Sketch pourrait devenir un canal à forte intention d’achat si Meta y ajoute des fonctionnalités d’achat. Sans cela, le produit restera surtout un levier d’engagement qui renforce l’utilité quotidienne d’Instagram. Les investisseurs devraient surveiller si Meta ouvre la voie aux intégrations commerciales ou si elle conserve l’application comme un outil de découverte et d’engagement.

Si vous concevez des produits d’IA grand public similaires, privilégiez un parcours d’accueil transparent : laissez les utilisateurs choisir les publications intégrées à leur garde-robe numérique, affichez clairement les paramètres de conservation et permettez de corriger les vêtements mal identifiés. Si vous évaluez des partenariats, exigez des schémas explicites des flux de données indiquant comment les images et les mesures corporelles sont stockées, partagées ou communiquées à des tiers. Les acheteurs — marques et détaillants — devraient commencer par tester les intégrations qui permettent de mesurer les conversions (par exemple, le passage d’une tenue proposée à l’achat) avant de s’engager dans une synchronisation approfondie des stocks.