Problèmes rencontrés et contributions proposées

Comme cela a été discuté au début de ce chapitre, les inconvénients pour les transactions de vêtements sur Internet, par rapport au commerce traditionnel, peuvent trouver une solution par la mise en place d’une cabine d’essayage virtuelle intelligente, intégrant à la fois le mécanisme de CAO en confection 3D et le contrôle et l’optimisation de la perception des consommateurs et des créateurs. De plus, l’application de cette cabine d’essayage virtuelle intelligente permet aux commerçants, aux créateurs et aux clients d’acquérir conjointement une nouvelle expérience sur le développement de vêtements customisés de haute qualité (co-création) tout en contenant le coût de revient industriel.

Les barrières techniques et scientifiques pour la mise en place d’une telle plateforme d’essayage virtuel et de co-création se listent comme ci-après :

 Réalisation de mesures pour les paramètres techniques des étoffes constituant autant d'’entrées pour le logiciel de CAO en confection

Pour simuler le comportement d’un vêtement et son essayage virtuel sur un porteur, la caractérisation de matières textiles, notamment les mesures des propriétés mécaniques, est une étape incontournable. Pourtant, les systèmes de mesures utilisés actuellement, tels que KES et FAST, sont trop chers et très complexes. Ils nécessitent un investissement important pour l’entreprise et bien souvent l’embauche d’un technicien spécialisé. Cette démarche est encore moins pratique pour l’achat sur Internet, démarche pour laquelle des mesures physiques ne sont pas du tout accessibles. Dans ce contexte, une question se pose : Est-il possible de trouver une solution substitutive moins chère et moins complexe, permettant d’estimer, avec une précision tolérable, les propriétés des étoffes sans passer par des mesures instrumentales ?

 Représentation fidèle du vêtement virtuel et caractérisation de la perception de celui-ci

La fidélité d’une représentation virtuelle par rapport au produit réel est le facteur clé à considérer, car cela détermine directement le niveau d’acceptation des utilisateurs pour les produits proposés et la plateforme de co-création. Pourtant, il existe toujours un écart perceptif entre le vêtement réel et son prototype virtuel, généré par un logiciel de CAO en confection 3D. Ainsi la question de « comment minimiser l’écart du virtuel par rapport au réel ? » devient prégnante.

De plus, la perception du vêtement virtuel constitue un support de communication entre le consommateur et le créateur, car ce dernier ne maîtrise ni les paramètres techniques du produit, ni le langage de créateurs. Aussi il faut caractériser quantitativement la perception humaine par rapport aux notions de confort et de bien-aller du vêtement.

 Modélisation par apprentissage de données

Afin de contrôler et optimiser quantitativement la perception du prototype virtuel, il est nécessaire de modéliser la relation entre la perception du vêtement et ses paramètres techniques telles que les propriétés mécaniques et optiques de la matière et encore des patrons. La seule source d’information pour réaliser cette modélisation est l’ensemble des données d’apprentissage acquises au cours des différentes expériences d’essayage virtuel. En fait, le modèle créé doit être fiable, robuste, interprétable et facile à adapter à toute nouvelle collection de produits.

Dans le processus de co-création, le modèle créé doit permettre de générer un nouveau vêtement virtuel avec ses paramètres techniques, satisfaisant à des exigences sensorielles du consommateur ou du créateur.

Compte-tenu des éléments précédents, nous proposons une nouvelle plateforme de co- création permettant à la fois de mettre en place une cabine d'essayage sensoriel, et de réaliser la conception du vêtement de manière interactive et collaborative dans un environnement virtuel. Les contenus de cette plateforme sont rapportés dans le schéma ci-dessous (c.f. Figure 1-24).

Figure 1-24. Schéma général de la plateforme de co-création

Tout d'abord, la plateforme de co-création est basée sur un logiciel de CAO en confection 3D, permettant de générer des vêtements virtuels avec une très bonne qualité de rendu à partir de tous les éléments de conception tels que le corps humain du consommateur, les matières textiles et les patrons du vêtement. Afin de sélectionner le logiciel le plus adapté) ces critères, une série de vêtements virtuels sont créées sur des mannequins présélectionnés à l'aide de plusieurs logiciels de CAO en confection 3D. Le logiciel retenu sera celui qui maximise le degré de similitude des effets statique et dynamique entre les vêtements réels d'une part et virtuels d'autre part (expérience sensorielle I).

Ayant sélectionné le logiciel de CAO 3D, nous proposons un plan d’expérience sensorielle (expérience sensorielle II) par utilisation de la méthode d’apprentissage active afin d’acquérir, sans mesures physiques, les paramètres techniques (notamment les paramètres mécaniques) de l’étoffe dans un délai très court. Cette méthode est efficace, rapide et facile à réaliser. Elle est très significative pour des transactions des textiles en ligne pour les consommateurs, les créateurs et les autres professionnels.

Ensuite, nous caractérisons quantitativement la perception du vêtement virtuel par des notes numériques sur un ensemble de descripteurs sensoriels normalisés. Ces descripteurs sensoriels concernent l’apparence et le toucher de la matière, ainsi que le fit du vêtement. Les données sensorielles sont obtenues dans les expériences sensorielles III et IV respectivement. Par apprentissage de ces données, nous établissons deux modèles. Le premier permet de caractériser la relation entre la perception sur l’apparence et le toucher de la matière virtuelle et les paramètres techniques (mécaniques et optiques) correspondants, constituant une entrée du logiciel de CAO en confection. Pour cela, les différentes techniques de modélisation, comprenant la régression linéaire, le réseau de neurones artificiel et l’arbre de décision floue ID3, ont été appliquées et comparées par rapport aux critères d’efficacité, de robustesse et de capacité d’interprétation. Le deuxième modèle permet de caractériser la relation entre la perception du fit du vêtement et les points caractéristiques des patrons, décrivant la silhouette de ceux-ci. Ce modèle sera établi par régression linéaire.

A l'aide des deux modèles précédents, les créateurs et consommateurs peuvent ajuster les éléments initiaux de conception pour les matières et les patrons du vêtement selon leurs attentes au niveau du sensoriel.