L'Oreal (Vichy, La Roche-Posay, L'Oreal Paris)
diagnostic IA a partir d'un selfie + recommandation de routine
Le diagnostic de peau IA de L'Oreal (SkinConsult AI, moteur ModiFace) est deploye en magasin dans 56 pays a travers 7 marques, avec jusqu'a 70% des consommateurs qui achetent apres l'experience.
L'essentiel
- Diagnostic de peau IA a partir d'un selfie puis recommandation de routine produit.
- Moteur ModiFace / SkinConsult AI, base d'entrainement Skin Ageing Atlases de 6 000 images.
- Jusqu'a 70 % d'achat apres l'experience, deploye en magasin dans 56 pays via 7 marques.
- Preuve B, statut confirme : documente dans le rapport annuel L'Oreal 2024.
Objectif
Transformer un selfie en diagnostic de peau personnalise et en routine produit, pour orienter l'achat en ligne et en magasin et augmenter la conversion.
Le déploiement
SkinConsult AI analyse un selfie pour evaluer les signes de vieillissement cutane (rides, taches, pores, fermete) via un algorithme comparatif entraine sur la base d'images Skin Ageing Atlases de L'Oreal, puis propose une routine de produits adaptee. La techno, portee par ModiFace, alimente le diagnostic de peau des marques du groupe (Vichy, La Roche-Posay, L'Oreal Paris) sur leurs sites, en magasin et sur Tmall en Chine. En 2024, L'Oreal indique fournir diagnostic de peau et routine en magasin dans 56 pays a travers sept de ses marques.
Résultats Preuve B
Chiffre de conversion et couverture marches publies dans le rapport annuel officiel L'Oreal (source primaire), techno decrite par la presse etablie et par la marque. Sources concordantes, l'une primaire.
Comment ça fonctionne
Architecture documentéeLa stack en détail
- outil SkinConsult AI diagnostic des signes de vieillissement cutane (rides, taches, pores, fermete) a partir d'un selfie, avec recommandation de routine
- plateforme ModiFace moteur de vision par ordinateur (filiale L'Oreal) qui porte le diagnostic pour les marques du groupe
- infra Skin Ageing Atlases (base d'entrainement) base proprietaire de 6 000 images graduees de L'Oreal servant de reference comparative a l'algorithme
- infra Tmall canal de distribution du diagnostic en Chine, en plus des sites de marque et des kiosques magasin
Comment ça tourne, concrètement
Pour les équipes ops-
1Prise du selfie client
L'utilisateur televerse un selfie sur le site de marque ou en magasin.
-
2Analyse comparative IA (ModiFace / SkinConsult AI)
L'algorithme compare le visage a la base d'images graduees et note les signes de vieillissement.
-
3Diagnostic et routine IA
Le systeme restitue un diagnostic et une routine produit personnalisee.
-
4Conseil et achat conseiller / client
Le conseiller (magasin) ou la page (web) oriente vers l'achat des produits recommandes.
-
5Maintenance du modele equipe data / marque
Les equipes actualisent la base d'images et la correspondance diagnostic/produits.
La qualite et la representativite de la base d'images de reference (Skin Ageing Atlases). Un jeu d'entrainement biaise ou trop etroit degrade le diagnostic pour certains phototypes.
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
- base d'images de reference graduees et diverses
- mapping diagnostic vers produits
- consentement image et politique de non-conservation
Prérequis orga
- expertise dermato/data pour l'entrainement et la validation
- integration site + formation conseillers magasin
Stack possible
- ModiFace
- Perfect Corp (skin analysis)
- Haut.AI
- modele vision interne
Le plan, étape par étape
- Étape 1Constituer ou licencier une base d'images de reference graduees et diverses, et cadrer la conformite (consentement, non-conservation de l'image, nature non medicale du diagnostic)Livrable : Dataset de reference valide + analyse d'impact RGPD
- Étape 2Definir le mapping diagnostic vers produits et routines avec les experts metierLivrable : Matrice diagnostic/routine validee
- Étape 3Entrainer le modele de classification ou integrer un SaaS de skin analysis, puis valider la precision sur des phototypes variesLivrable : Prototype avec taux d'erreur mesure par phototype
- Étape 4Integrer le parcours selfie, diagnostic puis routine sur le site et en pilote magasin, avec formation des conseillersLivrable : Parcours en production sur un marche + conseillers formes
- Étape 5Mesurer le taux d'achat post-diagnostic et etendre aux autres marques et marchesLivrable : Tableau de bord conversion post-diagnostic + plan d'extension
Première étape : Constituer ou licencier une base d'images de reference validee et definir le mapping diagnostic vers produits avant tout deploiement.
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 L'Oreal, the Beauty Tech champion (Annual Report 2024) Primaire archive à générer
- S2 L'Oreal to Offer AI-Powered Skin Diagnosis Using Selfies Presse établie archive à générer
- S3 SkinConsult AI by Vichy Primaire 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.