FR3101989A1 - Fourniture d’une recommandation d’au moins un vetement parmi un catalogue numerique d’une pluralite de vetements - Google Patents

Abstract

L’invention concerne une fourniture d’une recommandation personnalisée (AD) d’un vêtement parmi une pluralité de vêtements, chaque vêtement étant enregistré dans une base de données (210) associant, pour chaque vêtement, un identifiant (ID) à une première donnée vestimentaire (DC1) ; ledit procédé comprenant : - une collecte (S1_1, S1_2, S1_3) à partir d’un terminal de communication (100) d’une donnée physiologique (DU1) contenant une information physiologique de l’utilisateur ;- une étape de traitement (S2_1, S2_2, S2_3, S2_4, S2_5, S2_6) au cours de laquelle un algorithme de recommandation reçoit (S2_1) la donnée physiologique (DU1) et extrapole (S2_6) celle-ci (DU1) avec la première donnée vestimentaire (DC1) selon un modèle de recommandation prédéterminé ; - une étape de sélection (S3) d’au moins un vêtement parmi la pluralité de vêtements en fonction des résultats de ladite extrapolation (S2_6) pour générer une liste informatique (LIST) d’au moins un identifiant (ID) correspondant à l’au moins un vêtement sélectionné.

Description

FOURNITURE D’UNE RECOMMANDATION D’AU MOINS UN VETEMENT PARMI UN CATALOGUE NUMERIQUE D’UNE PLURALITE DE VETEMENTSnull

La présente invention concerne le domaine de la mode et du prêt-à-porter, et plus particulièrement le domaine de la vente de vêtements.

L’objet de la présente invention porte sur une solution de traitement de données visant la fourniture d’un service d’aide à la décision en proposant à un utilisateur une sélection automatique et intelligente d’un ou plusieurs vêtements parmi une pluralité de vêtements en fonction notamment du profil morphologique et/ou du profil colorimétrique dudit utilisateur.

La présente invention trouvera ainsi de nombreuses applications avantageuses dans l’industrie de la vente de vêtements en ligne en mettant à disposition de l’internaute un conseiller vestimentaire virtuel capable de fournir des recommandations de vêtements en proposant une sélection d’un ou plusieurs vêtements adaptée au profil de l’internaute ; d’autres applications avantageuses peuvent également être envisagées dans les magasins et les boutiques de vêtements en permettant le déploiement de conseillers vestimentaires se présentant par exemple sous la forme de bornes interactives.

Etat de la technique

De nombreux efforts ont été réalisés ces dernières années par l’industrie du commerce électronique sur Internet pour rassurer les consommateurs et favoriser l’acte d’achat en ligne de manière à ce que les consommateurs achètent des produits en ligne plutôt que dans les magasins.

La vente de produits en ligne a ainsi connu un développement exceptionnel, ceci notamment grâce à la sécurisation des paiements en ligne et à l’amélioration des filières logistiques.

Le monde de la mode et du prêt-à-porter a très largement su évoluer dans cette direction avec l’émergence des sites de ventes en ligne tels que par exemple notamment ASOS ou MYTHERESA.

L’internaute, consommateur, peut désormais réaliser sur Internet l’achat de ses vêtements grâce à des technologies de paiement fiables et sécurisées ; les enseignes en ligne ont par ailleurs mis en place des plateformes logistiques efficaces assurant des temps de livraison réduits.

On observe de plus que les retours sont facilités et sont souvent sans frais supplémentaire, ce qui rassurent le consommateur qui peut renvoyer les vêtements après réception du colis et essayage.

Toutefois, il demeure toujours très difficile pour le consommateur d’apprécier pleinement certains aspects du produit, tels que son esthétique (par exemple, son apparence sous certains angles), sa taille, sa couleur, sa texture, etc.

Il est encore plus difficile pour le consommateur de percevoir si le vêtement correspond au style, à la morphologie ou encore au phototype du consommateur.

De plus, les tailles de vêtements peuvent être différentes d’une autre marque à l’autre.

Ainsi, malgré tous les efforts réalisés par les sites de vente en ligne, le consommateur prend toujours le risque, après avoir commandé et reçu le produit, de découvrir que le produit ne correspond pas à ses attentes et peut le retourner.

Ce taux de retour représente un vrai enjeu économique.

En effet, une enseigne qui vend des produits en ligne doit supporter des coûts conséquents en cas de retour. Elle doit prévoir un remboursement du prix d'achat, payer l'expédition et/ou la réexpédition, reconditionner le produit.

Réduire ces coûts représente un vrai défi.

Il devient donc stratégique pour les sites de vêtements en ligne de réduire le nombre de vêtements retournés par les consommateurs.

Une des premières approches pour guider le consommateur dans ses choix et réduire le taux de retour des produits achetés est de fournir pour chaque produit/vêtement un maximum d’informations précises et personnalisées sur les produits disponibles à la vente.

Fournir de telles informations aide le consommateur à prendre des décisions plus éclairées concernant les produits disponibles à l’achat et augmente leur satisfaction à l’égard des produits achetés tout en réduisant la probabilité que le consommateur renvoie le ou les produits achetés.

Cette pratique visant à fournir des informations précises sur les produits à la vente sur Internet est très courante.

Certains sites fournissent ainsi des informations telles que des photos du vêtement porté par des mannequins, des avis de consommateurs, un descriptif très détaillé mentionnant toutes les informations pouvant guider le consommateur, des critiques du produit envoyées par d'autres consommateurs, etc.

D’autres sites cherchent même à fournir des informations personnalisées associées à chaque consommateur. Cette personnalisation peut inclure le traitement de différents types de données, y compris, mais sans s'y limiter, des données :
- sur les consommateurs, et/ou
- sur les produits et/ou
- sur les achats antérieurs des consommateurs.

Les données sur les consommateurs peuvent inclure des informations telles que l'âge, les données démographique, la taille, le poids, les mesures corporelles, des informations heuristiques (préférences de style, etc.) et/ou d'autres données.

Les données sur les produits peuvent inclure des informations telles que des données relatives à des acheteurs précédents : taille, couleur et / ou autres informations.

Les données sur les achats antérieurs peuvent inclure des informations telles que les produits achetés, les produits retournés, les raisons du retour des produits et/ou d'autres informations.

L’exploitation de l’ensemble de ces données est déterminante.

Certaines technologies fournissent ainsi des techniques statistiques par lesquelles un moteur d'apprentissage automatique peut utiliser l’ensemble de ces données pour personnaliser les informations à destination de l’internaute.

Le Demandeur soumet toutefois que ces technologies ne sont pas pleinement satisfaisantes et requièrent des temps de calcul très longs qui ne sont pas compatibles avec la navigation sur Internet, ce qui décourage le plus souvent le consommateur dans l’acte d’achat.

Résumé et objet de la présente invention

La présente invention vise à améliorer la situation décrite ci-dessus

La présente invention vise notamment à remédier à au moins un des différents problèmes techniques mentionnés ci-dessus en proposant une fourniture d’au moins une recommandation personnalisée d’une sélection d’au moins un vêtement parmi une pluralité de vêtements disponibles.

L’objet de la présente invention concerne selon un premier aspect un procédé de fourniture à un utilisateur d’au moins une recommandation personnalisée d’un vêtement parmi une pluralité de vêtements, chaque vêtement étant enregistré au préalable dans une base de données d’une plateforme informatique à distance associant, pour chaque vêtement, un identifiant du vêtement à au moins une première donnée vestimentaire relative à une propriété intrinsèque du vêtement.

On comprend ici que les premières données vestimentaires sont importées sur la base de données. Une telle importation peut nécessiter un prétraitement visant à formater les données pour que celles-ci soient conformes à l’architecture de la base de données.

Cette importation est donc le plus souvent réalisée par le gestionnaire de la plateforme.

Avantageusement, le procédé selon la présente invention est mis en œuvre par des moyens informatiques et comprend les étapes suivantes :
- une étape de collecte à partir d’un terminal de communication d’au moins une donnée physiologique contenant au moins une information physiologique relative à l’utilisateur ;
- une étape de traitement au cours de laquelle un algorithme de recommandation mis en œuvre sur la plateforme reçoit l’au moins une donnée physiologique collectée et extrapole celle-ci avec l’au moins une première donnée vestimentaire selon un modèle de recommandation prédéterminé ; et
- une étape de sélection d’au moins un vêtement parmi la pluralité de vêtements en fonction des résultats de l’extrapolation pour envoyer sur le terminal de communication l’au moins une recommandation personnalisée comprenant une liste informatique d’au moins un identifiant correspondant à l’au moins un vêtement sélectionné.

On comprendra ici que la sélection comprend la génération d’une liste présentant au moins un identifiant associé à l’au moins un vêtement sélectionné.

Ainsi, grâce à cette succession d’étapes techniques, caractéristique de la présente invention, le consommateur peut recevoir sur un terminal de communication (du type par exemple Smartphone ou borne interactive) une recommandation personnalisée de vêtements prenant en considération au moins une caractéristique de sa physiologie (sa morphologie et/ou sa couleur de peau et/ou sa couleur d’yeux ou de cheveux par exemple) et au moins une caractéristique du vêtement (couleur, matériau, dimensions, etc.).

Avantageusement, l’au moins une information physiologique comporte :
- une information relative au profil colorimétrique de l’utilisateur ; et/ou
- une information relative au profil morphologique de l’utilisateur.

Dans un mode de réalisation avantageux, l’étape de collecte comprend une saisie d’au moins une donnée physiologique via une interface graphique du terminal de communication.

Il peut s’agir ici par exemple d’une saisie manuelle via un clavier numérique ou autre. Il peut également s’agir d’une saisie orale de ces données avec un microphone intégré dans le terminal et un algorithme de reconnaissance vocale qui enregistre les sons et reconnaît après traitement les mots en les associant à des caractéristiques physiologiques prédéterminées.

Dans un autre mode de réalisation qui peut être combiné avec le précédent mode, l’étape de collecte comporte une capture d’au moins une image comprenant tout ou partie du corps de l’utilisateur à l’aide du terminal de communication, le terminal de communication comprenant des moyens de capture d’images (caméra, appareil photographique intégré, etc.).

De préférence, l’au moins une image comprend une image de face et de côté de l’utilisateur.

Le fait de capturer deux images dont une de face et une de côté est avantageux et permet par la suite un traitement d’images présentant une bonne robustesse.

L’exploitation de ces images est caractéristique de la présente invention et permet d’établir par la suite un profil colorimétrique et/ou morphologique de l’utilisateur.

Avantageusement, le profil colorimétrique de l’utilisateur est déterminé lors de l’étape de traitement par un premier mécanisme de profilage mettant en œuvre un premier algorithme de traitement d’images appliqué sur l’au moins une image de l’utilisateur, le premier algorithme étant configuré pour déterminer la couleur des yeux de l’utilisateur et/ou la couleur de la peau et/ou la couleur des cheveux de l’utilisateur.

Le premier algorithme de traitement d’images permet ainsi de récupérer automatiquement les informations relatives à un phototype de l’utilisateur ; ces informations sont particulièrement pertinentes pour sélectionner les vêtements les plus appropriés pour le consommateur.

Avantageusement, le profil morphologique de l’utilisateur est déterminé lors de l’étape de traitement par un deuxième mécanisme de profilage mettant en œuvre un deuxième algorithme de traitement d’images appliqué sur l’au moins une image de l’utilisateur, le deuxième algorithme étant configuré pour détecter des contours de l’utilisateur afin de d’identifier les différentes parties du corps.

Ce deuxième algorithme de traitement d’images est spécifiquement configuré pour extraire les contours des différentes parties du corps de l’utilisateur (hanches, taille, bras, épaules, etc.) et d’en déterminer les dimensions.

A partir de ces informations, il devient possible de construire un avatar de l’utilisateur respectant avec précision les mensurations de celui-ci.

De préférence, le deuxième algorithme de traitement d’images est donc configuré pour extraire différentes mesures de chacune des parties du corps de l’utilisateur.

A partir de ces mesures, il devient possible de déterminer un profil morphologique de l’utilisateur.

De préférence, le profil morphologique est déterminé par une méthode d’apprentissage de typemachine learning. Une telle méthode d’apprentissage a été implémentée au préalable à partir d’un groupe de personnes dont on connaît les mensurations.

Dans un mode de réalisation particulier, l’étape de profilage comporte les étapes suivantes :
- une création d’un avatar de l’utilisateur à partir de l’au moins une image dudit utilisateur ; et/ou
- un découpage de l’avatar en tranches formant un maillage ; et/ou
- une application d’un filtre de type par exemple filtre de Canny sur chaque tranche pour obtenir un nuage de points ; et/ou
- un lissage sur le nuage de points pour détecter les contours.

L’implémentation d’une telle étape de profilage permet d’obtenir une bonne précision dans la détection de contours avec un minimum de ressources informatiques.

Avantageusement, l’au moins une information intrinsèque du vêtement comporte :
- une information relative à la ou les couleurs du vêtement ; et/ou
- une information relative aux dimensions du vêtement.

Dans un mode de réalisation avantageux, on prévoit que l’étape de traitement comporte un calcul d’un score correspondant à une note de bien-aller déterminé par le modèle de recommandation.

Le modèle de recommandation exploite donc les informations intrinsèques dudit vêtement et les informations relatives aux profils morphologiques et/ou colorimétriques de l’utilisateur en appliquant sur ces informations des techniques telles que des arbres de décision, des réseaux de neurones, des machines à vecteurs de support, des analyses discriminantes et/ou d’autres techniques pour générer une recommandation personnalisée fournissant au consommateur une sélection de vêtements à partir d’une indication générale de l'adéquation entre le vêtement et le consommateur. Une telle adéquation correspond à la compatibilité présumée des caractéristiques du vêtement avec le profil colorimétrique et/ou morphologique de l’utilisateur, et éventuellement comme on pourra le comprendre par la suite de nombreuses autres informations plus subjectives comme par exemple le style, un historique des achats, l’âge ou encore la catégorie socio-professionnelle de l’utilisateur.

De préférence, le modèle de recommandation est mis en œuvre par un tableau comprenant des notes intermédiaires prédéterminées associées au bien-aller relatif à :
- l’association d’une couleur de vêtement avec une colorimétrie d’utilisateur ; et
- l’association de dimensions de vêtement avec une morphologie d’utilisateur.

Afin d’optimiser les temps de calcul, le modèle de recommandation utilise un tableau de notes intermédiaires correspondant à des notes préétablies représentatives du bien-aller (adéquation ou compatibilité présumée) du vêtement avec chacune des informations du vêtement.

Avantageusement, le score est calculé en réalisant une somme des notes intermédiaires associées au bien-aller relatif au profil colorimétrique et/ou au profil morphologique de l’utilisateur avec respectivement les premières données vestimentaires de chaque vêtement contenant une information relative à la ou les couleurs du vêtement et/ou les dimensions du vêtement.

Optionnellement, lors du calcul de ladite somme, les notes intermédiaires sont additionnées entre elles selon des coefficients de pondération prédéterminés.

A titre d’exemple, on peut prévoir selon une variante d’implémentation que la note intermédiaire associée à la compatibilité entre une couleur d’un vêtement et une couleur de peau ou de cheveux peut avoir plus d’importance qu’une note intermédiaire associée à la compatibilité des dimensions d’un vêtement avec les mensurations de l’utilisateur. Dans ce cas, on applique lors du calcul du score une pondération adéquate pour tenir compte de l’importance des différentes informations comparées.

Avantageusement, l’étape de sélection comprend une comparaison du score avec un seuil de score prédéterminé de manière à sélectionner l’ensemble des vêtements présentant un score supérieur au seuil de score prédéterminé.

Ceci permet de ne sélectionner que les vêtements les plus pertinents ; c’est-à-dire ceux qui présentent le meilleur score, par exemple ceux qui ont un score supérieur à quatre sur cinq.

Il est également possible de prévoir une sélection des meilleurs scores afin de limiter le nombre d’articles sélectionnés. Dans ce cas, on peut par exemple sélectionner les dix articles qui présentent le meilleur score.

Avantageusement, la base de données comprend également pour chaque vêtement au moins une deuxième donnée vestimentaire relative à une propriété extrinsèque du vêtement.

De préférence, l’au moins une information extrinsèque du vêtement comporte :
- une information relative au genre dudit vêtement ; et/ou
- une information relative au style dudit vêtement.

Avantageusement l’étape de collecte comprend la collecte d’au moins une donnée utilisateur contenant au moins une information relative à l’identité de l’utilisateur.

De préférence, l’au moins une information relative à l’identité de l’utilisateur comporte :
- une information relative au sexe dudit utilisateur ; et/ou
- une information relative à l’âge dudit utilisateur ; et/ou
- une information relative à la catégorie socioprofessionnelle dudit utilisateur.

D’autres informations peuvent également retenues comme par exemple l’historique des achats de l’utilisateur et/ou l’historique des retours de l’utilisateur et/ou l’historique de navigation de l’utilisateur sur le site.

Ces informations heuristiques permettent d’établir les préférences de l’utilisateur ou, en d’autres termes, le profil de consommateur de l’utilisateur.

Dans un mode de réalisation avantageux de la présente invention, l’étape de traitement comporte, préalablement à l’extrapolation, un filtrage des vêtements les plus pertinents en comparant l’au moins une donnée utilisateur et l’au moins une deuxième donnée vestimentaire.

Ce prétraitement permet ainsi de filtrer les vêtements susceptibles de plaire à l’utilisateur, ce qui limite ainsi les temps de calcul.

Selon un deuxième aspect, l’objet de la présente invention concerne un programme d’ordinateur qui comporte des instructions adaptées pour l’exécution des étapes du procédé selon le premier aspect de l’invention, ceci notamment lorsque le programme d’ordinateur est exécuté par au moins un processeur.

Un tel programme d’ordinateur peut utiliser n’importe quel langage de programmation, et être sous la forme d’un code source, d’un code objet, ou d’un code intermédiaire entre un code source et un code objet, tel que dans une forme partiellement compilée, ou dans n’importe quelle autre forme souhaitable.

Selon un troisième aspect, l’objet de la présente invention concerne un support d’enregistrement lisible par un ordinateur sur lequel est enregistré un programme d’ordinateur comprenant des instructions pour l’exécution des étapes du procédé selon le premier aspect de l’invention.

D’une part, le support d’enregistrement peut être n'importe quel entité ou dispositif capable de stocker le programme. Par exemple, le support peut comporter un moyen de stockage, tel qu'une mémoire ROM, un CD-ROM ou une mémoire ROM de type circuit microélectronique, ou encore un moyen d'enregistrement magnétique ou un disque dur.

D'autre part, ce support d’enregistrement peut également être un support transmissible tel qu'un signal électrique ou optique, un tel signal pouvant être acheminé via un câble électrique ou optique, par radio classique ou hertzienne ou par faisceau laser autodirigé ou par d'autres moyens. Le programme d’ordinateur selon l'invention peut être en particulier téléchargé sur un réseau de type Internet.

Alternativement, le support d'enregistrement peut être un circuit intégré dans lequel le programme d’ordinateur est incorporé, le circuit intégré étant adapté pour exécuter ou pour être utilisé dans l'exécution du procédé en question.

L’objet de la présente invention concerne selon un quatrième aspect un système informatique de fourniture à un utilisateur d’au moins une recommandation personnalisée d’un vêtement parmi une pluralité de vêtements.

Avantageusement, le système selon la présente invention comporte des moyens informatiques configurés pour la mise en œuvre des étapes du procédé décrit ci-dessus.

Plus particulièrement, le système comporte notamment :
- une plateforme informatique à distance comprenant un serveur déporté connecté à une base de données associant, pour chaque vêtement, un identifiant dudit vêtement à au moins une première donnée vestimentaire relative à une propriété intrinsèque dudit vêtement ;
- un terminal de communication comprenant :
des moyens de collecte configurés pour collecter au moins une donnée physiologique contenant au moins une information physiologique relative à l’utilisateur ;
des moyens de communication avec ledit serveur déporté pour transmettre ladite au moins une donnée physiologique ;
dans lequel ledit serveur comprenant :
- un processeur mettant en œuvre un algorithme de recommandation pour recevoir ladite au moins une donnée physiologique collectée et extrapoler celle-ci avec ladite au moins une première donnée vestimentaire selon un modèle de recommandation prédéterminé ; et
- un circuit de sélection configuré pour sélectionner au moins un vêtement parmi ladite pluralité de vêtements en fonction des résultats de ladite extrapolation et pour envoyer sur ledit terminal de communication ladite au moins une recommandation personnalisée comprenant au moins un identifiant correspondant à l’au moins un vêtement sélectionné.

Ainsi, par ses différentes caractéristiques techniques fonctionnelles et structurelles décrites ci-dessus, l’utilisateur dispose d’un outil d’aide à la décision lui permettant d’effectuer ses achats de vêtements avec un assistant personnel lui prodiguant des conseils avisés prenant en considération les informations pertinentes relatives à son profil morphologique et/ou son profil colorimétrique, voire même ses préférences en fonction des informations heuristiques relatives à l’utilisateur.

Brève description des figures annexées

D’autres caractéristiques et avantages de la présente invention ressortiront de la description ci-dessous, en référence aux figures annexées qui en illustrent un exemple de réalisation dépourvu de tout caractère limitatif et sur lesquelles :

[Fig. 1]
La figure 1 est un organigramme illustrant les différentes étapes du procédé selon un exemple de réalisation de l’invention ;

[Fig. 2]
La figure 2 représente une vue schématique d’un système de fourniture d’une recommandation d’au moins un vêtement selon un exemple de réalisation de l’invention ;

[Fig. 3]
La figure 3 représente une saisie d’un écran dans lequel l’utilisateur doit saisir des informations physiologiques relatives à sa morphologie notamment ;

[Fig. 4]
La figure 4 représente une saisie d’un écran dans lequel l’utilisateur doit saisir des informations colorimétriques relatives à sa couleur de peau, sa couleur d’yeux et sa couleur de cheveux.

Description détaillée selon un exemple de réalisation avantageux

Un système informatique 300 de fourniture d’une recommandation d’au moins un vêtement selon un exemple de réalisation de la présente invention ainsi que le procédé qui lui est associé vont maintenant être décrits dans ce qui va suivre en référence conjointement aux figures 1 à 4.

Pour rappel, un des objectifs de la présente consiste à fournir à l’utilisateur une recommandation personnalisée d’au moins un vêtement parmi une pluralité de vêtement en fonction de ses goûts mais également en fonction de son profil colorimétrique et/ou de son profil morphologique, ceci en utilisant un minimum de ressources informatiques pour permettre une fourniture de cette recommandation en quasi-temps réel.

Dans l’exemple décrit ici, on se place dans une situation dans laquelle l’utilisateur est un internaute qui réalise des achats de vêtements sur un site Internet de vente en ligne.

On comprend qu’un tel site de vente en ligne dispose d’un catalogue de vêtements comprenant une pluralité de vêtements disponibles.

Ce catalogue se présente donc sur le plan informatique sous la forme d’une base de données 220 qui stocke certaines informations relatives à chaque vêtement disponible comme par exemple :
- un identifiant ID du vêtement,
- une première donnée vestimentaire DC1 qui contient des informations intrinsèques du vêtement comme par exemple une information IC relative à la ou les couleurs du vêtement et/ou une information IM relative aux dimensions du vêtement, et
- une deuxième donnée vestimentaire DC2 qui contient des informations extrinsèques du vêtement comme par exemple une information relative au genre du vêtement (masculin ou féminin ou mixte) et/ou une information relative au style du vêtement (rock, classique, moderne, tenue de soirée, etc.).

Un des concepts sous-jacents à la présente invention est de déterminer avec précisions les profils colorimétrique PC et/ou morphologique PM de l’utilisateur afin de pouvoir les comparer aux informations IC et IM intrinsèques du vêtement.

Ceci est rendu possible dans l’exemple qui va suivre par une solution innovante permettant d’extraire des données physiologiques DU1 de l’utilisateur les informations colorimétrique IC et morphologiques IM pertinentes de l’utilisateur et établir ainsi les profils colorimétrique PC et/ou morphologique PM de celui-ci.

Différentes approches sont prévues dans le cadre de la présente invention pour obtenir les premières données physiologiques DU1 de l’utilisateur.

Dans l’exemple décrit ici, il est ainsi prévu lors d’une collecte S2_2 la capture de deux images I1 et I2 correspondant respectivement à une image de l’utilisateur prise de face et de côté.

Dans cet exemple, les images I1 et I2 représentent l’ensemble du corps de l’utilisateur.

Un des objectifs est de traiter ces images I1 et I2 de manière à en extraire les informations colorimétriques IC pour déterminer le profil colorimétrique PC de l’utilisateur ; c’est-à-dire par exemple sa couleur de peau, sa couleur de cheveux ou encore sa couleur d’yeux.

Un des autres objectifs est de traiter ces images I1 et I2 de manière à reconnaître un bipède et les différentes parties du corps pour ensuite évaluer les mesures associées et les informations morphologiques IM relatives à ces différentes parties afin d’établir un profil morphologique PM précis de l’utilisateur.

Parmi les différentes mesures recherchées, on compte par exemple : l’encolure, la carrure du dos, la largeur d’épaule, l’emmanchure, les biceps, la longueur de bras, la hauteur de buste, la hauteur de poitrine, le tour de poitrine, le tour de taille, le tour de hanches, la longueur de jambes, l’entrejambes, l’enfourchure, le tour de cuisse ou encore la largeur d’épaule, etc.

Ce sont ces informations IM relatives à la morphologie du corps de l’utilisateur qui doivent être détecter et mesurer avec précision pour établir le profil morphologique PM de l’utilisateur.

Pour collecter ces informations, la présente invention met à disposition des utilisateurs une application logicielle dédiée qui est installée sur le terminal de communication 100 de l’utilisateur, ici un téléphone portable par exemple.

Lors d’une première session, l’utilisateur doit tout d’abord fournir à cette application les premières données physiologiques DU1 en vue d’établir son profil colorimétrique PC et/ou morphologique PM.

Dans cet exemple, ce dernier peut ainsi saisir manuellement lors d’une étape S1_1 via une interface graphique 110 du terminal 100 plusieurs informations physiologiques telles que par exemple sa taille en hauteur.

D’autres données DU2 dite deuxièmes données utilisateurs peuvent également être collectées lors d’une étape S1_3 par une saisie manuelle, ces données utilisateurs DU2 peuvent correspondre par exemple à des données relatives à l’identité de l’utilisateur : son sexe, son âge, sa catégorie socioprofessionnelle, etc.

En figures 3 et 4, on retrouve une pluralité de saisies d’écran de l’interface graphique 110 du terminal 100 représentant les pages de l’application dans laquelle l’utilisateur doit saisir les informations attendues.

On notera ici que les données utilisateur DU2 peuvent être enrichies au fil du temps par exemple avec la collecte des informations relatives à l’historique des achats de l’utilisateur, l’historique de ses retours ou encore l’historique des navigations sur le site Internet du site marchand.

Les données DU1 et DU2 peuvent donc être saisies manuellement par l’utilisateur pour définir un premier profil provisoire.

En revanche, l’application permet aussi d’obtenir ces informations avec précision et de façon automatique.

Dans cette variante, l’application requiert donc lors d’une étape S1_2 une capture d’au moins deux images I1 et I2 de l’utilisateur dont une de face et une de côté.

Ces deux images I1 et I2 comme expliqué ci-dessus vont permettre une détermination précise des profils colorimétrique PC et morphologique PM de l’utilisateur.

Les images I1 et I2 ainsi que les données DU1 et DU2 sont donc collectées via le terminal de communication 100 et la détermination de ces profils PC et PM est déportée et se fait sur une plateforme informatique à distance 200 qui comprend des mécanismes de traitement d’images puissants.

On prévoit ainsi la transmission des images I1 et I2 ainsi que des données DU1 et DU2 à destination d’un serveur déporté 210. Un tel serveur 210 comprend un processeur 211 configuré pour recevoir ces images I1 et I2 ainsi que ces données DU1 et DU2 en vue de les traiter.

Après réception S2_1 de ces des images I1-I2 et de ces données DU1-DU2, le processeur 211 réalise un prétraitement en vue de limiter le bruit (c’est-à-dire réduire le nombre de vêtements selon des critères objectifs liés à l’utilisateur).

On filtre ainsi lors d’une étape S2_2 les vêtements correspondant à des critères subjectifs définis par l’utilisateur dans son profil de préférence.

Il peut s’agir par exemple de ne retenir après cette étape S2_2 que les vêtements susceptibles de plaire à l’utilisateur, par exemple les vêtements correspondant au style vestimentaire recherchée (« tenue de soirée » pour un utilisateur qui recherche spécifiquement une tenue de soirée) ou au genre de l’utilisateur (par exemple un vêtement féminin) ou encore des vêtements correspondant à un historique d’achats. Ce filtre S2_2 est basé sur l’exploitation données utilisateurs DU2 et permet de réduire le nombre de vêtements à traiter afin notamment de limiter les temps de calcul.

Par exemple, ce filtre évite de fournir dans la recommandation un vêtement que l’utilisateur aurait retourné suite à un précédent achat.

Extraire des images I1 et I2 et des données physiologiques DU1 de l’utilisateur les informations pertinentes pour la détermination des profils colorimétrique PC et morphologique PM de l’utilisateur est un des objectifs de la présente invention.

Ainsi, suite à cette étape S2_2 optionnelle (ou en même temps que celle-ci), un premier mécanisme de profilage S2_3 est mis en œuvre par le processeur 211 pour exécuter un premier algorithme de traitement d’images appliqué sur les images I1 et I2 afin de déterminer avec précision la couleur des yeux de l’utilisateur et/ou la couleur de la peau et/ou la couleur des cheveux dudit utilisateur.

Un tel algorithme est configuré pour détecter certaines formes recherchées comme par exemple les yeux ou la chevelure, puis de déterminer une couleur associée à la zone correspondante.

Il ressort de cette étape S2_3 une détermination d’un phototype associé à l’utilisateur ; c’est-à-dire en d’autres termes un profil colorimétrique PC de ce dernier.

On comprendra ici que l’homme du métier peut prévoir l’implémentation de n’importe quel algorithme de traitement d’images permettant de détecter la couleur des yeux, la couleur de la chevelure et/ou la couleur de la peau. Bien évidemment, il choisira de préférence un algorithme fiable et robuste, nécessitant un minimum de temps de calcul.

Cette détermination du phototype peut également être couplée à des algorithmes d’apprentissage ou d’intelligence artificielle.

Suite à cette étape S2_3 (ou en même temps que celle-ci), un deuxième mécanisme de profilage S2_4 est mis en œuvre par le processeur 211 par l’exécution d’un deuxième algorithme de traitement d’images appliqué sur les images I1 et I2 afin de détecter des contours de l’utilisateur et d’identifier les différentes parties du corps de celui-ci.

Dans l’exemple décrit ici, le deuxième algorithme de traitement d’images permet de déterminer différentes mesures de chacune des parties du corps dudit utilisateur afin de déterminer le profil morphologique PM de l’utilisateur.

Dans cet exemple, le profil morphologique PM est déterminé en fonction des différentes mesures de chacune des parties du corps de l’utilisateur par une méthode d’apprentissage de type machine learning.

On notera que les mesures de largeur d’épaule, de longueur d’entrejambe ou encore de longueur de bras peuvent s’évaluer à partir de l’image de face I1, seule.

En revanche, il est souhaitable pour les autres mesures de construire un avatar représentatif de l’utilisateur à partir des images I1 et I2.

La construction d’un tel avatar est caractéristique de la présente invention.

Dans un mode de réalisation avantageux de l’invention, on prévoit que le deuxième algorithme de traitement d’images est configuré pour mettre en œuvre les étapes suivantes :
- une création d’un avatar dudit utilisateur à partir de ladite au moins une image (I1, I2) dudit utilisateur ; et/ou
- un découpage dudit avatar en tranches formant un maillage ; et/ou
- une application d’un filtre de type par exemple filtre de Canny sur chaque tranche pour obtenir un nuage de points ; et/ou
- un lissage sur ledit nuage de points pour détecter les contours.

On peut ici détailler un exemple de mise en œuvre d’un traitement d’images réalisé ici pour détecter les différentes parties du corps de l’utilisateur :

Ainsi, dans cet exemple, la prise de mesure s’opère sur la base d’un pré-positionnement de réglettes positionnées en fonction des gabarits face et profil proposés lors de la prise d’images I1 et I2.

L’utilisateur peut ajuster la position de ces réglettes en fonction des spécificités du corps. Ces réglettes de face et de profil servent de base pour reconstituer un avatar 3D.

Elle limite par ailleurs le nombre de points à traiter dans les images I1 et I2.

La prise de mesure repose ainsi sur la création de « tranches » de cet avatar 3D, comme s’il s’agissait d’un maillage, à l’instar de ce que pourrait offrir un scan 3D.

Ainsi, chaque tranche correspond à un périmètre du corps de l’utilisateur.

Le corps est ainsi découpé en plusieurs tranches du pied jusqu’au haut du crâne.

Afin de déterminer une évaluation vraisemblable des mesures relatives aux différentes parties du corps, il est souhaitable d’obtenir une mesure de référence qui sert d’étalonnage.

Il est alors souhaitable de recevoir de l’utilisateur une information relative à sa taille en hauteur.

On récupère ainsi la donnée physiologique DU1 saisie lors d’une étape S2_1 contenant une information relative à la taille de l’utilisateur.

Dans l’exemple décrit ici, il est prévu de déterminer les zones précises des différentes parties du corps. Ceci a été rendu possible par un deuxième algorithme de traitement d’images mettant en œuvre un filtre de type filtre de Canny afin de recréer les contours du corps. Ce filtre a été développé de manière à isoler dans les images notamment où sont les teintes de chair, illuminées ou ombragées.

L’application de ce filtre permet d’obtenir un nuage de points.

Le découpage de l’image en réglettes permet d’isoler dans l’image les zones à analyser, ce qui réduit de façon significative le nombre de points à traiter et donc le temps de calcul.

La détection de contraste permet de déterminer dans l’image des points permettant ensuite un calcul de la distance entre les deux points à l’aide de la mesure de référence (hauteur en taille de l’utilisateur).

Le développement de cet algorithme fournit au moins deux valeurs de distance pour chacune des réglettes et quatre points par lesquels passent les circonférences (les « tranches » de corps).

Le corps humain n’est évidemment pas fait d’un empilement cylindres parfaits, mais plutôt dans de « cylindres écrasés ». Chaque partie du corps présente en effet une anatomie particulière : le bassin présente une forme avec un avant plus plat que la taille, ceci est dû notamment à la présence des hanches.

Il est ainsi prévu dans l’exemple décrit ici la mise en place de « presets » de circonférence : chaque réglette a une circonférence type correspondant à la spécificité de la zone du corps qu’elle couvre. Ces presets sont totalement empiriques.

Des jeux de presets pour homme et/ou femme ont donc été réalisés pour correspondre aux différences marquantes de leur anatomie (poitrine et hanche notamment) et pour les points communs de leur anatomie (par exemple la longueur de l’entrejambe, la largeur d’épaule ou la taille).

Afin de parvenir à une bonne précision dans les mesures, il est donc prévu, au lieu d’appliquer le filtre de Canny sur toute l’image, ce qui serait très couteux en ressources mémoire, d’utiliser les réglettes pour analyser plus finement des zones. La définition de ces réglettes permet de réduire le nombre de points pour calculer plus rapidement et précisément la limite du corps.

D’autres techniques de traitement d’images peuvent être envisagées par l’homme du métier.

Parmi ces méthodes, la technique dite de « Visual Hull » (« Enveloppe visuelle » en français) permet de reconstituer une scène réelle en 3D à partir d’images de la scène capturées par un jeu de caméras selon plusieurs points de vue. Une silhouette de la scène est ainsi calculée pour chaque image. Une intersection volumique des projections de ces silhouettes dans l’espace monde permet de reconstruire un modèle 3D de la scène capturée.

Une autre technique dite de « Space carving » (« Creusage de l’espace » en français) permet de modéliser une scène réelle capturée par plusieurs caméras selon plusieurs points de vue. Selon cette méthode, un volume englobant les objets de la scène capturé est défini puis discrétisé en une pluralité de voxels. La photo-cohérence de chaque voxel du volume englobant est ensuite défini en projetant chaque voxel sur les plans images associés aux caméras ayant capturées les images de la scène, un voxel étant photo-cohérent si sa projection se retrouve à l’identique (c'est-à-dire que la variation de la couleur associée aux projections du voxel est inférieure à une valeur seuil) sur chaque plan image. Pour reconstruire un modèle 3D de la scène, les voxels non photo-cohérents sont éliminés.

On comprend ici que plusieurs techniques de traitement d’images peuvent être déployées dans le cadre de la présente invention pour reconstruire un avatar de l’utilisateur et déterminer les différentes mesures associées aux différentes parties de son corps.

A l’issue de cette deuxième étape de traitement d’images S2_4, le processeur 211 détermine donc le profil morphologique PM de l’utilisateur.

Ces informations relatives aux profils colorimétrique PC et morphologique PM sont alors enregistrées sur des moyens de mémorisation (non représentés ici) de la plateforme 200.

Le processeur 211 calcule ensuite lors d’une étape S2_5 un score SC correspondant à une note de bien-aller déterminé par un modèle de recommandation.

Dans cet exemple, le modèle de recommandation comprend un tableau dans lequel des notes intermédiaires sont prédéterminés.

Par exemple, on peut prévoir une note intermédiaire associée au bien-aller de l’association d’une couleur de vêtement avec une colorimétrie d’utilisateur : par exemple, l’association d’un pull bleu sur une personne ayant des yeux bleus présente une note supérieure à l’association d’un pull rouge sur une personne ayant des cheveux roux.

On peut prévoir d’autres notes intermédiaires comme une note intermédiaire associée au bien-aller de l’association de dimensions de vêtement avec une morphologie d’utilisateur : par exemple, l’association d’une mini-jupe sur une personne ayant une taille forte peut être créditée d’une note intermédiaire inférieure à l’association d’une pantalon taille-haute sur une personne avec de longues jambes.

Le modèle de recommandation comprend donc un tableau comprenant l’ensemble de ces notes intermédiaires.

Dans cet exemple, le calcul du score SC comprend donc la somme, éventuellement moyennée, de chacune des notes intermédiaires associées au bien-aller relatif au profil colorimétrique PC et/ou au profil morphologique PM de l’utilisateur avec respectivement les premières données vestimentaires DC1 de chaque vêtement contenant une information intrinsèque IC et IM relative à la ou les couleurs du vêtement et/ou les dimensions du vêtement.

On prévoit dans cet exemple l’application de coefficients de pondération lors du calcul du score SC de manière à donner plus d’importance à certains critères plutôt que d’autres.

Par exemple, l’importance de la couleur de la peau avec un vêtement peut s’avérer un critère qui présente peu d’intérêt dans le calcul du score par rapport à certains critères morphologiques.

L’homme du métier comprendra ici qu’il s’agit là d’un paramétrage du modèle de recommandation qui peut évoluer en fonction des modes, des tendances et des saisons.

Le processeur extrapole lors d’une étape S2_6 l’ensemble de ces scores SC obtenus pour chacun des vêtements contenus dans la base de données 220.

Il est ensuite prévu un module de sélection 212 qui sélectionne un ou plusieurs vêtements en comparant chacun des scores SC avec un seuil de score SC_th prédéterminé de manière à sélectionner l’ensemble des vêtements présentant un score supérieur au seuil de score prédéterminé.

Afin de réduire le nombre de vêtements sélectionné, il est également possible d’envisager une sélection des dix ou vingt scores SC les plus hauts par exemple.

Cette étape de sélection S3 permet donc de générer une liste LIST d’au moins un identifiant ID correspondant au vêtement sélectionné.

Cette liste LIST comprenant au moins un identifiant ID constitue ainsi la ou les recommandations vestimentaires à destination de l’utilisateur, ces recommandations prenant en considérations les profils colorimétrique PC et/ou morphologiques PM de l’utilisateur.

Le processeur 211 prévoit l’ordre d’envoi S4 de cette liste LIST à destination du terminal de communication 100 de manière à ce que l’utilisateur reçoive lors de sa navigation sur le site marchand les recommandations de vêtement réalisées par son assistant virtuel.

Ces recommandations guident l’utilisateur dans ses achats et rassurent ce dernier, qui bien souvent est seul lors de cette navigation.

La présente invention met ainsi une technologie innovante visant à guider l’utilisateur dans ses achats de vêtement. Ainsi, après avoir défini un profil morphologique PM et/ou colorimétrique PC par des techniques de traitement d’images avancées, l’invention met en œuvre un algorithme de recommandation utilisant des techniques d’apprentissage et/ou d’intelligence artificielle permettant d’extrapoler ces données relatives aux profils PM et PC avec les données vestimentaires enregistrées dans une base de données. Cette extrapolation des données et des profiles aboutit à une sélection d’un ou plusieurs vêtements se présentant sous la forme d’une liste de vêtements.

Il devra être observé que cette description détaillée porte sur un exemple de réalisation particulier de la présente invention, mais qu’en aucun cas cette description ne revêt un quelconque caractère limitatif à l’objet de l’invention ; bien au contraire, elle a pour objectif d’ôter toute éventuelle imprécision ou toute mauvaise interprétation des revendications qui suivent.

Il devra également être observé que les signes de références mis entre parenthèses dans les revendications qui suivent ne présentent en aucun cas un caractère limitatif ; ces signes ont pour seul but d’améliorer l’intelligibilité et la compréhension des revendications qui suivent ainsi que la portée de la protection recherchée.

Claims (25)

1. Procédé de fourniture à un utilisateur d’au moins une recommandation personnalisée d’un vêtement parmi une pluralité de vêtements, chaque vêtement étant enregistré au préalable dans une base de données (210) d’une plateforme informatique à distance (200) associant, pour chaque vêtement, un identifiant (ID) dudit vêtement à au moins une première donnée vestimentaire (DC1) contenant au moins une information intrinsèque relative à une propriété intrinsèque dudit vêtement ;
   ledit procédé mis en œuvre par des moyens informatiques comportant les étapes suivantes :
   - une étape de collecte (S1_1, S1_2, S1_3) à partir d’un terminal de communication (100) d’au moins une donnée physiologique (DU1) contenant au moins une information physiologique relative à l’utilisateur ;
   - une étape de traitement (S2_1, S2_2, S2_3, S2_4, S2_5, S2_6) au cours de laquelle un algorithme de recommandation mis en œuvre sur ladite plateforme (200) reçoit (S2_1) ladite au moins une donnée physiologique (DU1) collectée et extrapole (S2_6) celle-ci (DU1) avec ladite au moins une première donnée vestimentaire (DC1) selon un modèle de recommandation prédéterminé ; et
   - une étape de sélection (S3) d’au moins un vêtement parmi ladite pluralité de vêtements en fonction des résultats de ladite extrapolation (S2_6) pour envoyer (S4) sur ledit terminal de communication (100) ladite au moins une recommandation personnalisée comprenant une liste informatique (LIST) d’au moins un identifiant (ID) correspondant à l’au moins un vêtement sélectionné.
2. Procédé selon la revendication 1, dans lequel ladite au moins une information physiologique relative audit utilisateur comporte :
   - une information relative au profil colorimétrique (PC) de l’utilisateur ; et/ou
   - une information relative au profil morphologique (PM) de l’utilisateur.
3. Procédé selon la revendication 1 ou 2, dans lequel l’étape de collecte (S1_1, S1_2, S1_3) comprend une saisie (S1_1) de ladite au moins une donnée physiologique (DU1) via une interface graphique (110) dudit terminal de communication (100).
4. Procédé selon la revendication 1 ou 2, dans lequel l’étape de collecte (S1_1, S1_2, S1_3) comporte une capture (S1_2) d’au moins une image (I1, I2) comprenant tout ou partie du corps dudit utilisateur à l’aide dudit terminal de communication (100), ledit terminal de communication (100) comprenant des moyens de capture d’images (120).
5. Procédé selon la revendication 4, dans lequel ladite au moins une image (I1, I2) comprend une image de face (I1) et de côté (I2) dudit utilisateur.
6. Procédé selon la revendication 4 ou 5 combinée à la revendication 2, dans lequel le profil colorimétrique (PC) de l’utilisateur est déterminé lors de l’étape de traitement (S2_1, S2_2, S2_3, S2_4, S2_5, S2_6) par un premier mécanisme de profilage (S2_3) mettant en œuvre un premier algorithme de traitement d’images appliqué sur ladite au moins une image (I1, I2) dudit utilisateur, ledit premier algorithme étant configuré pour déterminer la couleur des yeux de l’utilisateur et/ou la couleur de la peau et/ou la couleur des cheveux dudit utilisateur.
7. Procédé selon la revendication 6 ou la revendication 4 ou 5 combinée à la revendication 2, dans lequel le profil morphologique (PM) dudit utilisateur est déterminé lors de l’étape de traitement (S2_1, S2_2, S2_3, S2_4, S2_5, S2_6) par un deuxième mécanisme (S2_4) mettant en œuvre un deuxième algorithme de traitement d’images appliqué sur ladite au moins une image (I1, I2) dudit utilisateur, ledit deuxième algorithme étant configuré pour détecter des contours dudit utilisateur afin d’identifier les différentes parties du corps.
8. Procédé selon la revendication 7, dans lequel ledit deuxième algorithme de traitement d’images est configuré pour extraire différentes mesures de chacune des parties du corps dudit utilisateur afin de déterminer le profil morphologique (PM) dudit utilisateur.
9. Procédé selon la revendication 8, dans lequel ledit profil morphologique (PM) est déterminé en fonction desdites différentes mesures de chacune des parties du corps dudit utilisateur par une méthode d’apprentissage de type machine learning.
10. Procédé selon la revendication 7, 8 ou 9, dans lequel le deuxième algorithme de traitement d’images est configuré pour une mise en œuvre des étapes suivantes :
    - une création d’un avatar dudit utilisateur à partir de ladite au moins une image (I1, I2) dudit utilisateur ; et/ou
    - un découpage dudit avatar en tranches formant un maillage ; et/ou
    - une application d’un filtre de type par exemple filtre de Canny sur chaque tranche pour obtenir un nuage de points ; et/ou
    - un lissage sur ledit nuage de points pour détecter les contours.
11. Procédé selon l’une quelconque des revendications précédentes, dans lequel ladite au moins une information intrinsèque dudit vêtement comporte :
    - une information (IC) relative à la ou les couleurs du vêtement ; et/ou
    - une information (IM) relative aux dimensions du vêtement.
12. Procédé selon l’une quelconque des revendications précédentes, dans lequel l’étape de traitement (S2_1, S2_2, S2_3, S2_4, S2_5, S2_6) comporte un calcul (S2_5) d’un score (SC) correspondant à une note de bien-aller déterminé par ledit modèle de recommandation.
13. Procédé selon une combinaison d’au moins les revendications 2 et 12, dans lequel ledit modèle de recommandation est mis en œuvre par un tableau comprenant des notes intermédiaires prédéterminées associées au bien-aller relatif à :
    - l’association d’une couleur de vêtement avec une colorimétrie d’utilisateur ; et
    - l’association de dimensions de vêtement avec une morphologie d’utilisateur.
14. Procédé selon la revendication 13 combinée à la revendication 12, dans lequel le score (SC) est calculé en réalisant une somme desdites notes intermédiaires associées au bien-aller relatif au profil colorimétrique (PC) et/ou au profil morphologique (PM) dudit utilisateur avec respectivement les premières données vestimentaires (DC1) de chaque vêtement contenant une information (IC, IM) relative à la ou les couleurs dudit vêtement et/ou les dimensions dudit vêtement.
15. Procédé selon la revendication 14, dans lequel, lors du calcul (S2_5) de ladite somme, les notes intermédiaires sont additionnées entre elles selon des coefficients de pondération prédéterminés.
16. Procédé selon l’une quelconque des revendications 12 à 15, dans lequel l’étape de sélection (S3) comprend une comparaison du score (SC) avec un seuil de score (SC_th) prédéterminé de manière à sélectionner l’ensemble des vêtements présentant un score supérieur audit seuil de score prédéterminé.
17. Procédé selon l’une quelconque des revendications précédentes, dans lequel la base de données (210) comprend également pour chaque vêtement au moins une deuxième donnée vestimentaire (DC2) contenant au moins une information extrinsèque relative à une propriété extrinsèque dudit vêtement.
18. Procédé selon la revendication 17, dans lequel ladite au moins une information extrinsèque dudit vêtement comporte :
    - une information relative au genre dudit vêtement ; et/ou
    - une information relative au style dudit vêtement.
19. Procédé selon l’une quelconque des revendications précédentes, dans lequel l’étape de collecte (S1_1, S1_2, S1_3) comprend la collecte (S1_3) d’au moins une donnée utilisateur (DU2) contenant au moins une information relative à l’identité dudit utilisateur.
20. Procédé selon la revendication 19, dans lequel ladite au moins une information relative à l’identité dudit utilisateur comporte :
    - une information relative au sexe dudit utilisateur ; et/ou
    - une information relative à l’âge dudit utilisateur ; et/ou
    - une information relative à la catégorie socioprofessionnelle dudit utilisateur ; et/ou
    - une information relative à l’historique des achats dudit utilisateur et/ou des retours associés.
21. Procédé selon la revendication 19 ou 20 combinée au moins à la revendication 17 ou 18, dans lequel l’étape de traitement (S2_1, S2_2, S2_3, S2_4, S2_5, S2_6) comporte, préalablement à l’extrapolation (S2_6), un filtrage (S2_2) des vêtements les plus pertinents en comparant ladite au moins une donnée utilisateur (DU2) et ladite au moins une deuxième donnée vestimentaire (DC2).
22. Programme d’ordinateur comportant des instructions adaptées pour l’exécution des étapes du procédé selon l’une quelconque des revendications 1 à 21 lorsque ledit programme d’ordinateur est exécuté par au moins un processeur.
23. Support d’enregistrement lisible par un ordinateur sur lequel est enregistré un programme d’ordinateur comprenant des instructions pour l’exécution des étapes du procédé selon l’une quelconque des revendications 1 à 21.
24. Système informatique de fourniture (300) à un utilisateur d’au moins une recommandation personnalisée d’un vêtement parmi une pluralité de vêtements, ledit système (300) comportant :
    - une plateforme informatique (200) à distance comprenant un serveur (220) déporté connecté à une base de données (210) associant, pour chaque vêtement, un identifiant (ID) dudit vêtement à au moins une première donnée vestimentaire (DC1) contenant au moins une information intrinsèque relative à une propriété intrinsèque dudit vêtement ;
    - un terminal de communication (100) comprenant :
    des moyens de collecte (110, 120) configurés pour collecter au moins une donnée physiologique (DU1) contenant au moins une information physiologique relative à l’utilisateur ;
    des moyens de communication (130) avec ledit serveur (220) déporté pour transmettre ladite au moins une donnée physiologique (DU1) ;
    dans lequel ledit serveur (220) comprenant :
    - un processeur (221) mettant en œuvre un algorithme de recommandation pour recevoir ladite au moins une donnée physiologique (DU1) collectée et extrapoler celle-ci (DU1) avec ladite au moins une première donnée vestimentaire (DC1) selon un modèle de recommandation prédéterminé ; et
    - un circuit de sélection (222) configuré pour sélectionner au moins un vêtement parmi ladite pluralité de vêtements en fonction des résultats de ladite extrapolation et pour envoyer sur ledit terminal de communication (100) ladite au moins une recommandation personnalisée (AD) comprenant une liste informatique (LIST) d’au moins un identifiant (ID) correspondant à l’au moins un vêtement sélectionné.
25. Système (300) selon la revendication 24 comprenant des moyens informatiques configurés pour une mise en œuvre des étapes du procédé selon l’une quelconque des revendications 2 à 21.