Unilever
production creative genAI a partir de jumeaux numeriques produit
Unilever a industrialise la production creative genAI a partir de jumeaux numeriques produit, atteignant environ 55% d'economies et 65% de delai en moins sur la beaute, avec taux de completion video et taux de clic doubles, dans 18 marches.
Objectif
Sortir de la production publicitaire pensee pour la television d'abord et alimenter les canaux digitaux en visuels produit, plus vite et moins cher, sans reshoot systematique.
Le déploiement
Unilever construit un jumeau numerique de chaque produit : une source 3D unique qui contient les variantes, le packaging et les mentions dans chaque langue. A partir de cette source, les equipes generent et adaptent les visuels pour le paid social, le display programmatique et les fiches e-commerce sans repartir d'un shooting photo. La Beauty AI Studio, batie avec The Brandtech Group, sert des marques comme Dove Intensive Repair, TRESemme Lamellar Shine et Vaseline Gluta Hya, et tourne dans 18 marches. Le systeme ne fabrique pas d'images de personnes : il travaille le produit, le fond et la mise en scene. Unilever chiffre l'ensemble a un cout de production divise par deux et une production deux fois plus rapide au global, avec sur le perimetre beaute des gains de l'ordre de 55 pour cent d'economies et 65 pour cent de delai en moins.
Résultats Preuve C
Chiffres declares par la marque (Chief Growth and Marketing Officer) et repris par plusieurs titres de presse marketing etablie ; pas de ligne isolable dans les resultats financiers, donc C plutot que A.
Comment ça fonctionne
Architecture documentéeLa stack en détail
- plateforme Nvidia Omniverse Plateforme de creation des jumeaux numeriques 3D des produits (variantes, packaging, mentions par langue).
- outil OpenUSD Framework de description 3D utilise comme format des jumeaux numeriques.
- integrateur Beauty AI Studio (The Brandtech Group) Chaine de production genAI pour la beaute, batie avec Brandtech, en service dans 18 marches (Dove, TRESemme, Vaseline).
- llm Modeles de generation d'images Generation des scenes, fonds et declinaisons a partir du jumeau numerique, sans images de personnes ; modeles exacts non nommes publiquement.
Comment ça tourne, concrètement
Pour les équipes ops-
1Creation du jumeau numerique equipe data / 3D + Nvidia (tech)
Modelisation 3D du produit dans Omniverse/OpenUSD, avec ses variantes, packagings et libelles par langue.
-
2Generation des visuels Beauty AI Studio (Brandtech) / IA
A partir du jumeau, generation des scenes, fonds et declinaisons pour paid social, display et e-commerce, sans reshoot.
-
3Adaptation par marche equipes marques locales
Localisation des mentions, formats et messages pour les 18 marches, en repartant de la meme source.
-
4Diffusion et mesure marketing / e-commerce
Mise en ligne sur les canaux payants et e-commerce, suivi du taux de completion video et du taux de clic.
La fidelite du jumeau numerique au produit reel (packaging, teinte, mentions legales par marche). Si le jumeau derive du produit vendu, tout le contenu genere devient faux et inexploitable.
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
- fichiers 3D ou photos produit exploitables
- reference packaging et mentions legales par marche
- guidelines de marque
Prérequis orga
- equipe creative capable de piloter une chaine genAI
- process de validation legale des visuels synthetiques
Stack possible
- moteur 3D (Omniverse ou equivalent)
- modeles de generation d'images
- plateforme d'assemblage type Brandtech, ou stack maison
Le plan, étape par étape
- Étape 1Choisir une gamme a fort volume de declinaisons e-commerce et reunir les sources : fichiers 3D ou photos produit, packaging et mentions legales par marche.Livrable : Dossier source complet de la gamme pilote.
- Étape 2Modeliser le jumeau numerique (3D, variantes, langues) et le faire valider contre le produit reel.Livrable : Jumeau numerique valide, conforme au packaging vendu.
- Étape 3Generer les declinaisons pour paid social, display et fiches e-commerce, avec validation marque et legale de chaque visuel synthetique.Livrable : Bibliotheque de visuels approuves par canal et par marche.
- Étape 4Diffuser, puis comparer cout par asset, delai, completion video et CTR a la production classique.Livrable : Bilan couts/delais et decision d'extension a d'autres gammes.
Première étape : Choisir une gamme a fort volume de declinaisons e-commerce et en modeliser un jumeau numerique pilote.
Sources
- S1 How Unilever's AI marketing bets are increasing production efficiency Presse établie archive à générer
- S2 Unilever reinvents product shoots with digital twins and AI Primaire archive à générer
- S3 Unilever is building a gen AI assembly line for its digital creative 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.