L'Oreal (marques ModiFace)
essayage virtuel AR (rendu maquillage synthetique sur le visage)
L'essayage virtuel ModiFace de L'Oreal a totalise plus de 100 millions de sessions en 2023 (contre 40 millions en 2022) et triple le taux de conversion la ou il est deploye.
L'essentiel
- Essayage virtuel AR du maquillage sur le visage, en ligne et en magasin.
- Moteur ModiFace (vision, deep learning, rendu temps reel), filiale L'Oreal.
- Plus de 100 millions de sessions en 2023 (40 M en 2022), conversion multipliee par 3.
- Preuve A, statut confirme : chiffre declare en resultats annuels 2024.
Objectif
Reduire le doute a l'achat sur le maquillage (couleur, teinte) en laissant tester les produits sur son propre visage, et augmenter conversion et engagement sur le e-commerce et en magasin.
Le déploiement
ModiFace, acquis par L'Oreal en 2018, fournit l'essayage virtuel et le diagnostic beaute a une large part des marques du groupe (Maybelline, L'Oreal Paris, Lancome, Urban Decay, etc.) ainsi qu'a des retailers et plateformes (Amazon, A.S. Watson, DM). L'utilisateur ouvre sa camera, le systeme detecte et suit le visage en temps reel, puis applique un rendu photorealiste du produit (rouge a levres, fard, teint). Le meme moteur alimente aussi le diagnostic de peau. Deploiement mondial, sur le web des marques, chez les retailers et via des miroirs/bornes en magasin.
Le cas en action
Vidéo officielleL'Oreal Paris Virtual Try On (ModiFace) · voir sur YouTube
Résultats Preuve A
Chiffre de 100 millions de sessions declare par le DG Nicolas Hieronimus en presentation de resultats (fevrier 2024), corrobore par la Chief Digital Officer (The Drum) et par le deploiement multi-retailers documente (WWD).
Comment ça fonctionne
Architecture documentéeLa stack en détail
- plateforme ModiFace moteur d'essayage virtuel et de diagnostic beaute acquis par L'Oreal en 2018, utilise par les marques du groupe et des retailers (Amazon, A.S. Watson, DM)
- outil Moteur de detection et suivi du visage deep learning proprietaire ModiFace : detection des traits et tracking en temps reel avant application du rendu photorealiste
- infra SDK d'integration (web, app, borne) brique embarquee sur les pages produit, les applications et les miroirs/bornes en magasin ; l'inference tourne le plus souvent en local sur l'appareil
- infra Referentiel de teintes calibrees correspondance produit/rendu (teintes, textures) maintenue par les equipes a chaque collection ; c'est ce qui fait la fiabilite de l'essayage
Comment ça tourne, concrètement
Pour les équipes ops-
1Ouverture de l'essayage client
L'utilisateur active la camera sur la page produit ou la borne magasin.
-
2Detection et suivi du visage IA (ModiFace)
Le moteur detecte les traits et suit les mouvements en temps reel.
-
3Rendu du produit IA (ModiFace)
La teinte/texture selectionnee est appliquee de facon photorealiste et suit le visage comme un miroir.
-
4Comparaison et ajout au panier client
L'utilisateur enchaine les looks, compare avant/apres et passe a l'achat.
-
5Calibration et catalogue equipe marque / ModiFace
Les equipes maintiennent la correspondance produit/rendu a chaque nouvelle collection.
Le mapping precis des references produit (teintes, textures) sur le rendu. Si une teinte n'est pas correctement calibree, l'essayage induit en erreur et casse la confiance a l'achat.
Comment vos clients perçoivent ce type d'usage
Études sourcéesUn ecart net separe les annonceurs des consommateurs : 77% des annonceurs voient l'IA positivement contre 38% des consommateurs (Yahoo/Publicis, 2024). Les mesures implicites confirment le rejet declare : en EEG, les pubs generees par IA produisent une activation memorielle plus faible que les pubs traditionnelles et sont decrites comme agacantes, ennuyeuses et confuses (NIQ, 2024). La disclosure a un effet ambivalent : elle augmente fortement la confiance quand elle est remarquee (Yahoo/Publicis), mais 27% des jeunes consommateurs disent faire moins confiance a une entreprise dont la pub est creee par IA (IAB, 2024).
Conditions d'acceptation
- Une disclosure visible : quand la mention IA est remarquee, la confiance globale envers l'entreprise augmente de 96% (Yahoo/Publicis 2024)
- Une qualite visuelle suffisante : les visuels IA de basse qualite augmentent l'effort cognitif et distraient du message (NIQ 2024)
Lignes rouges
- Le contenu IA non declare puis identifie : 72% des consommateurs disent que l'IA rend l'authenticite difficile a etablir (Yahoo/Publicis 2024) et les marques utilisant des pubs IA sont plus souvent jugees inauthentiques ou non ethiques par les consommateurs que par les dirigeants (IAB 2024)
- Les mannequins et personnes generes par IA : 46% des consommateurs n'en veulent pas dans la publicite, l'inquietude premiere etant les standards de beaute irrealistes (Attest 2025)
Sources : Yahoo / Publicis Media (terrain Ebco) 2024 · IAB (avec Attest) 2024 · NIQ (NielsenIQ) 2024 · Attest 2025
Voir l'acceptation complète : par pays, par usage, par génération
Comment répliquer
Inférence - non sourcéPrérequis data
- referentiel produit avec teintes/textures calibrees pour le rendu AR
- assets visuels des produits
Prérequis orga
- integration e-commerce (page produit, app)
- process de calibration a chaque collection
Stack possible
- ModiFace
- Perfect Corp (YouCam)
- Banuba
- Wanna/AR SaaS
Le plan, étape par étape
- Étape 1Choisir les pages produit maquillage a plus fort trafic et contractualiser un SaaS d'essayageLivrable : Liste des SKUs pilotes + contrat SaaS signe
- Étape 2Calibrer les teintes et textures prioritaires avec le fournisseurLivrable : Referentiel teintes/rendu valide visuellement par le metier
- Étape 3Integrer le SDK sur les pages pilotes avec consentement camera et non-conservation des imagesLivrable : Essayage en production sur les pages pilotes, conforme RGPD
- Étape 4Mesurer en A/B l'effet sur conversion et engagement (avec vs sans essayage)Livrable : Lecture chiffree du lift de conversion et du temps passe
- Étape 5Etendre au reste du catalogue, aux apps et aux bornes magasin, avec calibration a chaque collectionLivrable : Plan de deploiement par collection + process de calibration recurrent
Première étape : Brancher un SaaS d'essayage sur les pages produit maquillage a plus fort trafic et calibrer les teintes prioritaires.
Le même pattern, prouvé dans d'autres industries
Leroy Merlin (Adeo)
enrichissement genAI des attributs et fiches produit
eBay
generation genAI de fiche produit a partir d'une photo
Intuit
assistant genAI 'done-for-you' integre au produit pour reduire la friction et convertir
Sources
- S1 L'Oreal Sees 150% Increase in Virtual Try-Ons as Consumers Seek AR Immersion (cite l'earnings call, Nicolas Hieronimus) Secondaire archive à générer
- S2 Conversion rates triple when L'Oreal uses AR tech to showcase products Presse établie archive à générer
- S3 Amazon Implements L'Oreal's ModiFace Virtual Makeup Try-ons 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.