L'industrie de la mode n'a qu'une seule constante : le changement. Hier encore, la fast fashion bousculait le commerce de détail en doublant les cadences de production. Aujourd’hui, les marques font face à une révolution d’un autre genre : les produits qu’elles ont vendus s'offrent une seconde vie, en dehors de leur contrôle. Si ce marché évolue à une vitesse fulgurante, c’est essentiellement grâce à une infrastructure développée sur le segment du wholesale B2B, le maillon qui connecte l’offre d'occasion à la demande des détaillants, et dopée à l'IA.

Ce que les données nous disent

Avant d'examiner la technologie, arrêtons-nous sur l’ampleur de la mutation culturelle en cours. Des géants du prêt-à-porter aux maisons de luxe, les recherches pour la seconde main surclassent désormais systématiquement celles du neuf. À titre d'exemple, comparez les requêtes « Mango Vinted » ou « Zara Vinted » à « Mango nouvelle collection » ou « Zara nouvelle collection » : les volumes de recherche pour l'occasion ont été 4 à 6 fois plus élevés tout au long de 2024 et jusqu'en 2026. Les recherches sur Vinted ont atteint un pic de popularité à la mi-2025, tandis que celles concernant les nouvelles collections n'en représentaient qu'une fraction.

Du côté du luxe, les recherches d’articles Hermès vintage surclassent nettement celles des sacs neufs, allant jusqu'à faire plus du double lors de leur dernier pic. Même chez Chanel, où l'intérêt pour le neuf et le vintage marchait main dans la main depuis des années, l’attrait pour le vintage a quasiment atteint la parité avec le neuf au début de l’année 2026.

Google Trends mesure l'intérêt des requêtes sur une échelle de 0 à 100, la valeur 100 correspondant au pic de popularité d'un terme de requête sur la période sélectionnée.

Ces données révèlent un basculement profond des priorités des consommateurs : la seconde main n’est plus une solution de repli, c'est le point de départ du parcours d'achat. Pour les marques, c'est un signal clair : elles doivent impérativement occuper ce terrain et déployer l'infrastructure nécessaire pour capter ce marché.

Ce changement ne se limite pas aux volumes de recherche, il redéfinit aussi notre vocabulaire. Avant 2020, le discours ambiant était plutôt dévalorisant : friperie, vêtements de seconde main, compromis, tabou. Entre 2024 et 2026, ce lexique a presque totalement disparu au profit d'un jargon valorisant l'affirmation de soi, l'aspiration et la découverte : pièces de seconde main, perle vintage, sélection pointue, introuvable. Une analyse fine de la couverture médiatique, des rapports de marché et des forums de consommateurs montre que l'après-Covid a scellé cette transition culturelle.

À l'échelle mondiale, les ventes de vêtements de seconde main devraient atteindre 289 milliards de dollars cette année – soit une croissance de 105 % par rapport à 2021 – et progresser deux fois plus vite que le marché global de l'habillement, selon le rapport annuel de ThredUp sur la revente en 2026. Et l'IA semble avoir encore accéléré cette croissance. L'intérêt pour la recherche « AI shopping » était pratiquement nul sur tous les marchés jusqu'à la mi-2024. Il a commencé à augmenter à la fin de 2024, lorsque les outils d'IA générative se sont démocratisés, puis a explosé à partir de juin 2025, avec une croissance de plus de 3 000 % en deux ans avant de se maintenir à des niveaux proches du pic.

Mais le plus fascinant reste la corrélation parfaite entre ces deux courbes. Les recherches pour « AI shopping » et « vêtements de seconde main » sont restées stables pendant quatre années consécutives. Elles ont toutes deux commencé à progresser le même mois (juillet 2025) avant de connaître une hausse simultanée en août 2025 et de se maintenir à des niveaux élevés depuis. Les données suggèrent que l'IA n'est pas une simple coïncidence dans l'accélération de la seconde main, mais qu'elle a pu jouer un rôle significatif dans sa croissance à grande échelle.

Pourquoi la seconde main ne peut pas se développer sans l'IA – le problème de l'infrastructure B2B

Le changement de comportement des consommateurs est évident et confirmé par les données. Ce qui est moins visible – et plus important sur le plan commercial – c'est le problème d'infrastructure qui a historiquement rendu la seconde main si difficile à développer à grande échelle. C'est pourquoi l'IA n'est pas une option ici, mais une exigence structurelle.

Le marché de la revente est notoirement complexe. Les plateformes doivent gérer des stocks immenses et imprévisibles, dont la qualité, la taille et l'authenticité varient, avec une complexité sans équivalent dans le retail traditionnel. Pour comprendre comment tout cela se présente sur le plan opérationnel, nous avons parlé à Sanket Agarwal, cofondateur de Fleek, l'une des plateformes d'IA à la croissance la plus rapide dans le commerce de gros de seconde main et l'une des principales plateformes d'approvisionnement pour les revendeurs Vinted. Il m'a aidé à comprendre précisément pourquoi la couche B2B de ce marché nécessitait une refonte technologique fondamentale.

Le problème principal, comme l'explique Sanket, est une question d'échelle : « Dans le retail classique, les magasins ont généralement quelques références (SKU) définies, mais dans la seconde main, il y a une si grande variété d'époques, de marques, de styles et d'usures que cela conduit à des millions, voire des milliards de références – chaque pièce est essentiellement unique, même s'il s'agit de la même référence de marque ». Et c'est cette unicité qui rend chaque article si difficile à catégoriser, à tarifer et à associer à un acheteur. Contrairement à Amazon ou Asos, où l'IA fonctionne sur des catalogues de produits structurés et cohérents, le commerce de gros de seconde main ne dispose pas de données produits partagées, de références standardisées, ni de taxonomie liant l'état du produit à l'intention de l'acheteur. C'est ce qui a rendu son développement si difficile et ce qui rend l'IA si transformatrice dans ce domaine.

Au-delà de la question de l'unicité, les revendeurs sont confrontés à des variables telles que les incohérences d'éclairage sur les photos ou les traces d'usure. L'authentification nécessite une expertise humaine à l'étape finale, même lorsque l'IA effectue le premier examen. La fixation des prix est un problème de calibrage constant. Et par-dessus tout cela, la chaîne d'approvisionnement traditionnelle du commerce de gros de seconde main est non seulement désordonnée, obsolète et incroyablement complexe, mais elle a été construite sur des relations personnelles – une confiance entre acheteurs et vendeurs bâtie au fil d'années de transactions informelles.

C'est là que Fleek entre en jeu. La plateforme a été fondée en novembre 2021, née d'un problème que le cofondateur Abhi Arora a découvert à Brick Lane, le centre de la mode vintage de Londres, pendant la pandémie : la chaîne d'approvisionnement de la seconde main était fondée sur le chaos. Les vêtements d'occasion collectés dans les pays occidentaux – environ 90 % de tous les dons dans le monde – sont expédiés en vrac vers des centres de tri au Pakistan, en Inde et à travers l'Afrique, où ils sont triés à la main et revendus à des revendeurs occidentaux (friperies ou grossistes fournissant les vendeurs Vinted). La catégorisation manuelle était fastidieuse et imprécise, et plus le classement était détaillé et exact, mieux les vêtements se vendaient – les enjeux d'une erreur étaient donc élevés. Les revendeurs n'avaient souvent aucune idée de ce qu'ils recevaient, les transactions se faisaient via des groupes WhatsApp et des réseaux informels où la confiance était primordiale et la transparence quasi inexistante. Seule une très petite fraction de ces dons était finalement revendue sur les marchés occidentaux. Le système était inefficace et structurellement défaillant.

Comme l'a mentionné Abhi dans une interview pour The Industry.Fashion, la plateforme a été conçue pour travailler directement avec ces fournisseurs wholesale, en répertoriant, catégorisant, tarifant et vendant les stocks via le système propre de Fleek. Un revendeur à Londres, Paris ou New York peut parcourir des lots sélectionnés ou choisir des articles à la main par appel vidéo et passer une commande. Cette commande passe par l'un des centres de contrôle qualité de Fleek, où les articles sont vérifiés pour leur qualité et leur authenticité, avant d'être expédiés à l'acheteur.

Comment l'IA se matérialise-t-elle sur Fleek ?

Fleek a entièrement repensé l'expérience d'approvisionnement. « Chez Fleek, nous avons dû réimaginer toute notre expérience de recherche et de découverte, qui est désormais pilotée par une technologie de recherche axée sur l'IA. Nous utilisons les “embeddings” CLIP* pour définir les propriétés sémantiques de la mode, telles que les “embellishments” ou les “mushroom print” – une tâche beaucoup plus difficile pour les modèles pré-LLM** ». Un acheteur peut désormais effectuer une recherche par ambiance, style ou référence esthétique plutôt que par spécification de produit – la manière dont les gens pensent réellement à la seconde main. De plus, la plateforme fournit une estimation de prix, gère les transactions, rationalise la chaîne d'approvisionnement, gère les remboursements et instaure la confiance des deux côtés. Les résultats commerciaux sont visibles : « plus du doublement des ventes de 2024 à 2025 », connectant plus de 10 000 revendeurs avec plus de 1 000 grossistes dans 70 pays, après avoir levé 50 millions de dollars de financement total, avec le soutien d'investisseurs tels qu'Andreessen Horowitz et Y Combinator. Sanket est direct sur l'opportunité pour les retailers qui restent en marge : « Aujourd'hui, une personne sur deux recherche de la seconde main – c'est bon pour l'environnement et bon pour les affaires. Nous voyons déjà les clients de Fleek vendre des vêtements de seconde main et neufs côte à côte ».

*CLIP signifie Contrastive Language-Image Pre-training – c'est un modèle développé par OpenAI qui a été entraîné sur des centaines de millions de paires d'images et de textes simultanément, lui apprenant ainsi à comprendre la relation entre le contenu visuel et le langage. La reconnaissance d'image traditionnelle demande « quel est cet objet ? » – elle reconnaît un sac, une chaussure, une veste. CLIP va plus loin – il comprend le sentiment et le caractère de ce qu'il voit. Ainsi, au lieu de simplement reconnaître « veste », il peut comprendre « veste streetwear japonaise oversize des années 90 avec délavage à l'acide » ou « imprimé champignon » ou « vêtement de soirée orné ».

**LLM signifie Large Language Model – le type d'IA qui alimente des outils comme ChatGPT, Claude et Gemini.

Ce que cela signifie pour les entreprises

La seconde main existait avant l'IA, mais sans l'infrastructure pour s'approvisionner, authentifier, classer et tarifer les stocks à grande échelle, la demande ne pouvait être satisfaite efficacement. Ce que Fleek prouve au niveau du commerce de gros, c'est que lorsque l'on supprime les freins structurels, le volume commercial suit.

Cela dit, les défis n'ont pas disparu. La logistique reste complexe et coûteuse – les articles de seconde main ne peuvent pas être réapprovisionnés, et la qualité de la présentation d'un article affecte toujours la précision du classement et génère des retours. La cohérence à grande échelle est difficile à garantir, même avec la vision par ordinateur. L'authentification à l'étape finale nécessite toujours une expertise humaine. Les marges dans l'ensemble du secteur restent sous pression, et la plupart des grandes plateformes de revente sont encore en quête de rentabilité. L'IA améliore considérablement tous ces problèmes, mais ne les élimine pas. Les marques qui se lancent dans ce domaine sans une stratégie opérationnelle claire risquent de trouver cela plus difficile que ne le suggèrent les chiffres du marché.

L'atout de l'IA est de rendre ces barrières surmontables, d'apporter de la structure pour bâtir un business model évolutif. Elle innerve désormais toute la chaîne de valeur de la revente. Côté sourcing, Fleek s'appuie sur la vision par ordinateur et la recherche sémantique pour rendre visibles des montagnes de vêtements. Côté marques, des acteurs du Resale-as-a-Service (la revente clé en main) comme ThredUp automatisent la collecte, le tri, les photos, les prix et l'expédition, permettant de déployer son offre sans partir de zéro. L'authentification – le point noir de la confiance dans l'occasion – est fluidifiée par des modèles de vision par ordinateur qui filtrent les pièces suspectes avant le verdict des experts. Finies aussi les approximations de prix qui plombaient les marges, désormais gérées par des algorithmes de tarification dynamique. Les bénéfices concrets sont là : Aymeric Déchin, PDG de Faume, a révélé à Vogue Business que les clients qui utilisent le service de reprise d’une marque affichent un taux d’attrition (churn) inférieur de 20 % aux autres. Au final, ces technologies font bien plus que fluidifier les ventes : elles institutionnalisent la seconde main comme un canal d'achat fiable pour les marques et les consommateurs. Fleek n’est que la partie émergée de l'iceberg.

Le cadre réglementaire accélère tout cela. Le règlement de l'UE sur l'écoconception pour des produits durables exige que chaque marque de mode vendant en Europe attache un passeport numérique de produit (DPP) à chaque vêtement à partir de 2028 – une identité lisible par machine enregistrant les matériaux, l'origine et l'historique de propriété. Pour l'IA, c'est une transformation : un vêtement avec un passeport peut être authentifié, classé et tarifé automatiquement, car les données sont déjà là.

Un tiers des dirigeants du secteur ont qualifié la revente de priorité pour 2026, selon le rapport “State of Fashion 2026” de BoF/McKinsey. Cet écart – entre la position actuelle du consommateur, l'accélération due à l'IA, et le focus de la plupart de l'industrie (le neuf) – représente l'opportunité, et elle se réduit rapidement. Si vous considérez encore la seconde main comme secondaire – ou l'IA comme optionnelle – les données sont claires : vous n'êtes pas en retard sur la tendance, vous êtes en retard sur le consommateur.

Sources :
-The Guardian — Sarah Butler, “Secondhand Clothes Sales Forecast to Hit $289bn as AI Helps Shoppers Find Deals,” 2 April 2026.
-Retail Dive — Tatiana Walk-Morris, “US Resale Market Expected to Surpass $78 Billion by 2030,” 3 April 2026.
-Adobe — Vivek Pandya, “Generative AI-Powered Shopping Rises with Traffic to Retail Sites,” 21 August 2025.
-Modaes — “Inditex 2025 results: eight critical takeaways to watch,” C. De Agenlis / T. Alonso, 12 March 2026.
-Retail Boss — “Inditex Q1 2026 Results: Zara’s Best Quarter Yet,” Jenel Alvarado, 3 June 2026.
-Vinted Newsroom — “Financial Results 2025,” 2026.
-UNECE (United Nations Economic Commission for Europe) — UNECE and ECLAC propose measures to reduce environmental and health impacts of global trade of second-hand clothes’, 15 July 2024
-TheIndustry.fashion — “The Interview: Co-founder Abhi Arora on Building Second-Hand Wholesale Marketplace Fleek,” Camilla Rydzek, 16 April 2026.
-WWD — “How Vestiaire Is Using AI to Scale Its Business and Improve Customer Service, by Lisa Lockwood, June 14, 2024.
-The Impression — Vestiaire Collective Expands AI Capabilities With New Executive Hires.
-Vogue — “The Innovations Driving the Resale Renaissance,” byt Maghan McDowell November 19, 2024.
-GWI — How the circular economy is transforming fashion: Sustainable trends & insights by Stephanie Harlow, Senior Trends Analyst.
-McKinsey & Company — The State of Fashion 2026: When the rules change, November 17, 2025 by -Trellis — Circular boom(let): Resale and reuse surge as new fashion turnover slows, by Elsa Wenzel November 21, 2025 (Updated on November 24, 2025)
-Barclays Insights — The pulse of fashion: How the growth of the resale market has changed the game for retailers, by Melissa Pendlebury and Isabella Clough, April 2, 2026.
-Fashionista — “Fashion Resale Tech: AI and the Future of Evolution,” by Emma Raydar, June 4, 2025.