Coffret d'Or
analyse de peau par vision IA routant vers une reco produit personnalisee
En 2020, la marque japonaise Coffret d'Or (Kanebo) a deploye sur LINE le service COFFmi, une analyse de peau par IA (Perfect Corp) routant vers environ 7 000 combinaisons de maquillage, avec un temps passe sur la page multiplie par 2,48 ; le service a ete arrete fin 2024 avec l'ensemble de la marque.
L'essentiel
- Coffret d'Or (Kanebo) a lance COFFmi sur LINE en septembre 2020 : analyse de peau IA et reco maquillage.
- L'IA Perfect Corp analyse hydratation, sebum, taches et grain de peau, puis propose parmi environ 7 000 combinaisons.
- Temps passe sur la page multiplie par 2,48 et pages vues par 11,4 apres l'ajout de l'analyse IA (source vendeur).
- Deploiement arrete fin 2024 : Kao a stoppe toute la marque Coffret d'Or pour recentrage de portefeuille, pas pour un echec de l'IA.
Objectif
Offrir un conseil maquillage personnalise 24h/24 aux clientes qui ne peuvent pas se rendre en boutique, faute de temps ou de proximite, et router chaque cliente vers les produits Coffret d'Or adaptes a sa peau et a ses traits.
Le déploiement
COFFmi est un service de conseil beaute digital de la marque Coffret d'Or, accessible en ajoutant un compte sur l'application de messagerie LINE. La cliente prend une photo de son visage et repond a un court questionnaire ; la fonction COFFmi CHECKER, appuyee sur la solution AI Face Attribute de Perfect Corp, analyse l'hydratation, le sebum, les taches et le grain de peau ainsi que les traits du visage. A partir du diagnostic, le service recommande les produits et teintes adaptes parmi environ 7 000 combinaisons, et permet un essayage virtuel en realite augmentee via la camera. Les resultats s'accumulent sur une page personnelle sous forme de journal. Coffret d'Or presente ce dispositif comme la premiere adoption mondiale de la technologie AI Face Attribute.
Résultats Preuve B
Metriques d'engagement issues de la success story de Perfect Corp (vendeur de la techno, donc interesse) : plafond B. La presse japonaise (Fashionsnap, TechCrunch Japan) corrobore le deploiement, les 7 000 combinaisons et l'analyse de peau, sans confirmer les chiffres d'engagement, qui restent d'origine vendeur.
Comment ça fonctionne
Architecture documentéeLa stack en détail
- plateforme AI Face Attribute Analyse des traits du visage et des indicateurs de peau, fournie par Perfect Corp
- outil YouCam Makeup Essayage maquillage en realite augmentee
- plateforme LINE Canal conversationnel d'acces au service au Japon
Comment ça tourne, concrètement
Pour les équipes ops-
1Entree dans le service client
La cliente ajoute le compte COFFmi comme ami sur LINE et lance COFFmi CHECKER.
-
2Capture et analyse IA
Prise de photo du visage et court questionnaire ; l'IA mesure hydratation, sebum, taches, grain de peau et traits du visage.
-
3Reco produit IA
Le systeme selectionne produits et teintes parmi environ 7 000 combinaisons a partir du diagnostic.
-
4Essayage virtuel client
La cliente teste les produits recommandes en realite augmentee via la camera.
-
5Suivi IA
Les resultats s'accumulent sur une page personnelle en format journal, pour un reengagement dans le temps.
La photo du visage envoyee par la cliente et les reponses au questionnaire. Sans image exploitable (cadrage, lumiere), le diagnostic ne se fait pas et la reco tombe a plat.
Comment vos clients perçoivent ce type d'usage
Études sourcéesLe paradoxe est documente des deux cotes : 71% des consommateurs attendent des interactions personnalisees et 76% sont frustres quand elles manquent (McKinsey, 2021), mais 75% declarent ne pas acheter aupres d'organisations auxquelles ils ne confient pas leurs donnees (Cisco, 2024). La « creepy line » est localisee : messages recus quelques secondes apres une recherche et suivi de localisation sont les pratiques qui mettent le plus mal a l'aise (Periscope by McKinsey, 2019).
Conditions d'acceptation
- La confiance dans le traitement des donnees precede l'achat : 75% ne achetent pas sans elle (Cisco 2024)
- Un cadre legal protecteur rassure : 59% des consommateurs disent que des lois fortes sur la vie privee les rendent plus a l'aise pour partager des informations dans des applications IA (Cisco 2024)
- La personnalisation elle-meme est attendue quand elle est consentie : environ la moitie des consommateurs (US 55%, UK 52%) disent s'inscrire souvent ou parfois a des services personnalises (Periscope by McKinsey 2019)
Lignes rouges
- Le message declenche quelques secondes apres une recherche ou un achat : deuxieme ou troisieme cause de malaise selon les pays (Periscope by McKinsey 2019)
- Le suivi de localisation percu comme de la surveillance : 40% de malaise en Allemagne et au Royaume-Uni (Periscope by McKinsey 2019)
- Le mesusage des donnees personnelles par l'IA, devenu la premiere inquietude des consommateurs, a 53% et en hausse (Qualtrics 2025)
Sources : McKinsey & Company 2021 · Periscope by McKinsey 2019 · Cisco 2024 · Qualtrics 2025
Voir l'acceptation complète : par pays, par usage, par génération
Comment répliquer
Inférence - non sourcéPrérequis data
- Catalogue produit structure avec attributs (teintes, finis, cibles peau) exploitables par un moteur de reco
- Consentement explicite pour traiter la photo du visage et les indicateurs de peau (donnees biometriques sensibles)
Prérequis orga
- Une equipe digitale/CRM capable d'operer un canal conversationnel et d'en lire les remontees
- Un accord juridique/DPO sur le traitement d'images faciales cote UE
Stack possible
- Brique d'analyse de peau et d'essayage AR sur etagere (type Perfect Corp, Revieve, ModiFace)
- Canal conversationnel adapte au marche (WhatsApp, web-app, mini-app)
- Moteur de reco relie au catalogue produit
Première étape : Cartographier les attributs du catalogue produit et definir les preoccupations de peau a detecter, avant de brancher une brique d'analyse sur etagere sur un canal test.
Le même pattern, prouvé dans d'autres industries
Taobao
Recommandation produit temps reel par deep learning, servie sur des centaines de scenarios de l'application
Amazon
Moteur de recommandation produit par filtrage collaboratif item-to-item, servi sur tous les points de contact
ASOS
Recommandation produit par deep learning a l'echelle du catalogue, plus assistant de style conversationnel
Sources
- S1 COFFRET D'OR - Perfect Corp Business Success Story Officiel intéressé archive à générer
- S2 コフレドールが世界初、スマホの顔写真と診断結果から最適なメイクを提案するサービス開始 Presse établie archive à générer
- S3 花王、化粧品「コフレドール」販売終了 構造改革で Presse établie archive à générer
Une erreur, une info plus récente, une source ?
Cette fiche vit de sa justesse. Si un chiffre a bougé, si le déploiement a changé, ou si vous avez une source de meilleure qualité, dites-le nous. Toute correction sourcée est vérifiée avant publication.