Neutrogena
diagnostic peau IA sur selfie menant a une reco produit
Kenvue a refondu en 2025 le diagnostic peau Neutrogena Skin360 avec Haut.AI : analyse d'un selfie sur huit indicateurs de peau, score global de 1 a 10, controle qualite d'image LIQA et recommandations produit, deploye aux Etats-Unis et au Canada.
Objectif
Faire du diagnostic peau la porte d'entree personnalisee de la marque, avec des recommandations produit plus precises pour convertir et fideliser sur les canaux Neutrogena.
Le déploiement
Neutrogena Skin360, lance en 2020, scanne un selfie et note la sante de la peau. En septembre 2025, Kenvue a refondu l'experience avec Haut.AI. Le nouveau moteur evalue huit indicateurs de peau (hydratation, lissage, uniformite du teint, eclat, fermete, taches, rides, nettete) et produit un score Skin360 global note de 1 a 10. L'experience commence par le systeme LIQA de Haut.AI, qui guide l'utilisateur pour prendre un selfie bien cadre et bien eclaire, condition d'une analyse fiable. Le refresh apporte un moteur d'analyse a la precision algorithmique renforcee, pour identifier plus finement les preoccupations individuelles et delivrer des recommandations produit plus justes. L'experience refondue est disponible aux Etats-Unis et au Canada via les sites de marque Neutrogena et des partenaires retail selectionnes. Neutrogena precise que l'outil ne remplace pas une consultation medicale.
Résultats Preuve C
Refresh documente par un communique conjoint Haut.AI / Neutrogena nommant les responsables, et couverture presse (Fortune, Drug Store News). Details produit chiffres (8 indicateurs, score 1 a 10) mais pas de metriques business publiques, donc C.
Comment ça fonctionne
Architecture documentéeLa stack en détail
- outil Haut.AI Moteur d'analyse de peau par computer vision : huit indicateurs (hydratation, lissage, uniformite, eclat, fermete, taches, rides, nettete) et score global de 1 a 10.
- outil LIQA (Haut.AI) Controle qualite d'image en direct (Live Image Quality Assurance) qui guide le cadrage et l'eclairage du selfie avant analyse.
- plateforme Sites de marque Neutrogena (Skin360) Experience web qui heberge le scan, le score et le suivi dans le temps, aux Etats-Unis et au Canada.
- outil Moteur de recommandation produit Mapping des indicateurs et preoccupations detectees vers le catalogue Neutrogena.
Comment ça tourne, concrètement
Pour les équipes ops-
1Cadrage guide du selfie IA (Haut.AI LIQA)
LIQA controle en direct la qualite de l'image avant analyse.
-
2Analyse des indicateurs de peau IA (Haut.AI)
Le moteur note huit indicateurs et produit un score global de 1 a 10.
-
3Recommandation produit IA + e-commerce
Le score et les preoccupations detectees orientent vers des produits Neutrogena.
-
4Suivi dans le temps utilisateur
L'utilisateur refait le scan pour suivre l'evolution de sa peau.
La qualite de l'image capturee (cadrage, lumiere) validee par LIQA. Sans image exploitable, les huit indicateurs sont bruites et la reco perd sa credibilite.
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
- consentement biometrique et traitement d'image conforme
- catalogue produit avec attributs peau
- eventuellement un historique de scans pour le suivi
Prérequis orga
- integration au parcours e-commerce
- cadrage juridique sur le caractere non medical
Stack possible
- API de skin analysis (Haut.AI, Perfect Corp, ModiFace)
- moteur de recommandation produit
- CMS / e-commerce de marque
Le plan, étape par étape
- Étape 1Cadrer le volet juridique (donnee biometrique, consentement explicite, caractere non medical) et choisir l'API de skin analysis.Livrable : Dossier conformite valide et contrat API signe.
- Étape 2Integrer l'API d'analyse et le controle qualite d'image au parcours web ou app.Livrable : Parcours scan fonctionnel en pre-production.
- Étape 3Mapper les indicateurs de peau vers le catalogue produit avec des regles de recommandation validees par la marque.Livrable : Matrice indicateurs-produits en place.
- Étape 4Lancer sur une page a forte hesitation d'achat et mesurer conversion et taux de re-scan.Livrable : Readout conversion / repeat scan et plan d'extension.
Première étape : Brancher une API de diagnostic peau sur une page produit a forte hesitation et mesurer conversion et repeat scan.
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 Haut.AI Collaborates with Neutrogena on The Refresh of Iconic Neutrogena Skin360 with Advanced AI-Driven Skin Analysis Technology Officiel intéressé archive à générer
- S2 Cosmetic companies are using face-scanning AI apps to create deeper connections with customers Presse établie archive à générer
- S3 Neutrogena, Haut.AI collaborate on revamped Skin360 experience Secondaire 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.