Ce que la délocalisation textile nous a appris sur l'IA
- Valérie CAILLIEZ
- il y a 3 jours
- 15 min de lecture
Ce que la délocalisation textile nous a appris sur l'IA
et ce que nous refusons encore de voir
Depuis quelques années, je vois des marques de mode - des enseignes connues, des maisons historiques, des jeunes créateurs ambitieux - vouloir relocaliser une partie de leur production. Le désir est là, parfois même l'urgence. Et puis vient le moment de passer aux actes. C'est là que tout se complique.
Les machines ont disparu. Les ateliers ont fermé. Les gens qui savaient faire ont pris leur retraite ou se sont reconvertis depuis longtemps. Les savoir-faire, transmis de génération en génération, se sont évaporés en moins de quinze ans, sans bruit, sans qu'on le décide vraiment.
Ce n'était pas une catastrophe soudaine. C'était le résultat logique, prévisible, d'une série de décisions prises au nom de la rentabilité immédiate.
Aujourd'hui, nous sommes en train de faire exactement la même chose. Pas avec des usines. Avec nos cerveaux.
Ce que nous avons vraiment perdu avec la délocalisation textile
Quand les grandes marques ont massivement délocalisé leur production vers l'Asie dans les années 1990 et 2000, le raisonnement était limpide : un ouvrier chinois coûtait jusqu'à vingt fois moins qu'un ouvrier français. Les marges explosaient. Les actionnaires applaudissaient. Les PDG recevaient des primes.
Ce qu'on n'a pas mis dans les tableaux Excel, c'est le reste.
La filière textile a massivement souffert et les entreprises encore debout ont souvent survécu en pivotant vers les textiles techniques ; un virage salvateur pour elles mais qui laisse des pans entiers du textile traditionnel sans aucun porteur. La chute est vertigineuse : un million de salariés dans les années 1960, 150 000 en 2007, environ 60 000 aujourd'hui dans l'industrie textile et habillement stricte. En soixante ans, la filière a perdu 94 % de ses effectifs. Certains tissus sont aujourd'hui impossibles à produire sur notre territoire. Le velours en est un exemple emblématique : Velcorex, dernier fabricant français, racheté en 2010 avec l'espoir d'une renaissance, a fermé sa partie velours en 2023. Des métiers comme la confection - le flou surtout, plus encore que le tailleur - survivent difficilement faute de formation initiale. Et les fabricants de machines textiles et d'accessoires ont presque entièrement disparu du territoire, privant la filière de sa capacité à innover sur ses propres procédés.
Le coût social a été externalisé sur la collectivité. Dans les Vosges, on comptait 30 000 salariés du textile dans les années 1970 ; il en reste 2 500. Le Nord-Pas-de-Calais a vu la majorité de ses entreprises lainières et cotonnières fermer leurs portes. Ces économies réalisées par les marques ont été absorbées par la société sous forme de chômage, d'allocations, de territoires qui ont mis des décennies à se reconstruire ; quand ils s'en sont remis. Le gain privé a produit une perte collective que personne n'a jamais honnêtement comptabilisée dans le coût de fabrication d'un t-shirt.
Il faut être précis ici : la France n'a pas tout perdu. Des centres de recherche comme l'IFTH, le CETI ou le GEMTEX continuent de produire des innovations réelles, notamment dans les textiles techniques. La région Auvergne-Rhône-Alpes réalise aujourd'hui 70 % du chiffre d'affaires national des textiles techniques et industriels. Mais innover sur les produits ou les procédés sans maîtriser la production, c'est savoir concevoir des moteurs sans pouvoir en fabriquer un seul. La recherche existe. L'écosystème industriel pour la déployer à grande échelle, beaucoup moins.
La mode, en France, reste un objet de désir et de fierté nationale. Mais l'industrie qui la fait ? On ne sait plus d'où elle vient. On ne veut pas trop savoir. Le vêtement est devenu un objet magique qui apparaît dans un entrepôt, sans origine réelle, sans visage, sans travail visible.
La Chine : du sous-traitant au concurrent, le grand transfert de pouvoir
La Chine n'a jamais prétendu être « l'usine du monde » par vocation. C'était une stratégie.
Pendant trente ans, elle a accumulé du capital industriel, des compétences techniques, de la maîtrise logistique, de l'expérience à grande échelle ; tout ça financé par les donneurs d'ordre occidentaux qui pensaient simplement faire des économies. Elle a appris à fabriquer. Puis elle a appris à concevoir. Puis elle a commencé à vendre directement aux consommateurs finaux, en court-circuitant les intermédiaires traditionnels.
Aujourd'hui, la Chine est en train de sortir par le haut. Voitures électriques, robotique, intelligence artificielle, panneaux photovoltaïques, semi-conducteurs, elle monte en gamme à vitesse accélérée. En parallèle, sa démographie se retourne : la population vieillit, les coûts de main-d'œuvre augmentent et le modèle de production de masse pour le reste du monde devient progressivement moins attractif pour elle. Les chiffres récents de l'IFM le confirment en creux : sur les neuf premiers mois de 2025, les exportations d'habillement de la Chine vers l'Europe ont reculé de 15 % et ses commandes de textile européen ont chuté de 16 %. Ce n'est pas une crise passagère. C'est un repositionnement structurel. D'autres pays prennent le relais, le Cambodge, le Vietnam, le Pakistan, l’Égypte, mais dans une logique de course au coût identique à celle qu'on a déjà connue. On ne sort pas du modèle, on en change simplement l'adresse.
La question qui se pose alors est inconfortable : quand la Chine n'aura plus besoin d'être votre sous-traitant, qui le sera ? Et surtout : que restera-t-il à ceux qui ont tout externalisé ?
Il y a une dimension souvent oubliée dans ce récit. Le Maroc et la Tunisie auraient pu être les grands bénéficiaires de la délocalisation textile française. Proches géographiquement, liés culturellement et historiquement, disposant d'une main-d'œuvre qualifiée, ils auraient pu développer des filières solides et construire des écosystèmes industriels durables. Au lieu de ça, la course au coût le plus bas a orienté les flux vers l'Asie. Ces pays ont quand même développé une industrie textile mais fragile, peu montée en valeur, dépendante des arbitrages de coût des donneurs d'ordre européens.
Aujourd'hui, alors que certaines marques envisagent de relocaliser ou de rapprocher leur production, des questions se posent : peut-on renouer ces partenariats de proximité ? À quel prix de confiance perdue ? Ces écosystèmes auront-ils la capacité et l'envie de répondre à une demande qui les a ignorés pendant vingt ans ?
La leçon géopolitique est claire : externaliser massivement vers un seul acteur dominant, c'est lui transférer du pouvoir. Et quand cet acteur n'a plus besoin de vous, le rapport de force change radicalement.
Shein : quand production, IA et data forment un système total
Il faut regarder Shein en face, non pas pour s'indigner mais pour comprendre ce que produit la convergence de toutes les dérives décrites ci-dessus, portées à leur extrême logique.
Shein n'est pas une marque de mode. C'est une machine à données habillée en tissu.
Son modèle repose sur une combinaison inédite : une capacité de production quasi illimitée, des algorithmes capables de tester 10 000 nouveaux modèles par jour, une maîtrise comportementale extrêmement fine des consommateurs et une logistique directe du fournisseur au client qui court-circuite tous les intermédiaires traditionnels. Shein expédie 5 000 tonnes de vêtements par jour ; de quoi habiller toute la France en trois jours.
Le produit, le vêtement, est le prétexte. Ce qui a vraiment de la valeur, c'est la connaissance comportementale de plusieurs centaines de millions d'acheteurs : ce qu'ils regardent, ce qu'ils hésitent à acheter, à quel prix ils basculent, quelles images déclenchent le clic. Cette donnée alimente en temps réel la décision de produire ou non un article, en quelle quantité, à quel prix, dans quel marché.
Le résultat est vertigineux. L'industrie textile produit aujourd'hui entre 100 et 150 milliards de vêtements par an dans le monde, soit 12 à 18 pièces par être humain. Entre 15 et 45 milliards de ces vêtements ne seront jamais vendus ni portés : ils finissent enfouis ou incinérés. En France, on achète 50 vêtements neufs par an et par personne et 35 vêtements sont jetés chaque seconde. Ce n'est pas un marché qui répond à des besoins. C'est un système conçu pour créer des désirs aussi vite qu'il crée des déchets. Pendant ce temps, les enseignes de mode traditionnelles s'effondrent : depuis 2019, le nombre de magasins des grandes enseignes a chuté de près de 20 % en France selon l'Alliance du Commerce. On détruit les acteurs locaux par le bas tout en surproduisant par le haut.
Et c'est une destruction systémique des écosystèmes qui l'entourent. Destruction économique des acteurs locaux et historiques, incapables de rivaliser sur les prix. Destruction environnementale : le secteur textile représente, selon l'ADEME, 10 % des émissions mondiales de gaz à effet de serre, dont un quart généré par les seuls invendus détruits. Et destruction culturelle, plus insidieuse mais peut-être plus grave : quand un algorithme décide de ce qui mérite d'être produit en fonction de ce qui génère le plus de clics, il ne suit pas le goût collectif. Il le façonne, il l'appauvrit, il le standardise.
C'est ce qui arrive quand on externalise simultanément la production, la connaissance et la relation client : on transfère la totalité du pouvoir à un seul acteur qui n'a de comptes à rendre à personne.
La donnée est le nouveau pétrole ; on l'entend souvent. Ce qu'on dit moins, c'est que comme le pétrole, elle crée des dépendances structurelles, des rapports de force asymétriques et des dommages collatéraux que les bénéficiaires n'ont aucun intérêt à comptabiliser.
La production à la demande : les mêmes outils, une autre vision
Pourtant, les outils que Shein utilise pour inonder le monde de produits jetables sont exactement les mêmes que ceux qu'on peut utiliser pour faire l'exact opposé.
La production à la demande, c'est appliquer la même puissance algorithmique, la même analyse de données, la même agilité industrielle mais pour répondre à une question radicalement différente. Non pas « comment vendre le maximum ? » mais « comment ne produire que ce qui sera vraiment utilisé ? »
Le principe est simple : on ne fabrique qu'une fois la commande passée. Ce qui était l'apanage de l'aéronautique, (on ne construit pas un Airbus en espérant trouver preneur), devient viable pour le vêtement grâce à la digitalisation. Et c'est une révolution potentielle pour un secteur qui représente, selon l'ADEME, 10 % des émissions mondiales de gaz à effet de serre, dont un quart généré par les seuls invendus détruits.
Des marques françaises l'ont déjà prouvé. Asphalte, fondée en 2016, n'a jamais produit un seul vêtement avant d'avoir les commandes en main. Zéro invendu par principe, pas par chance, et près de 35 millions d'euros de chiffre d'affaires en 2025 sans jamais avoir bradé en soldes. Asphalte n’a pas renoncé à la technologie, elle a simplement posé une question différente à ses outils. 1083 a débuté avec la production à la demande et depuis quelques années relocalise toutes les étapes de fabrication du jean en France et a créé plus de 250 emplois depuis 2013. Ces deux marques n'ont pas renoncé à la technologie — elles ont simplement posé une question différente à leurs outils.
Cette approche utilise exactement les mêmes capacités techniques que Shein - data, algorithmes, agilité de production - mais au service d'une logique inverse : réduire le volume, augmenter la valeur, rendre le gaspillage structurellement impossible plutôt que structurellement inévitable.
C'est la démonstration que la technologie est neutre. Ce qui ne l'est pas, c'est l'intention qu'on lui donne et la question à laquelle on lui demande de répondre. Les mêmes outils peuvent servir la destruction ou la sobriété. Le choix appartient à ceux qui les déploient.
L'IA : même logique, concentration encore plus forte
Revenons maintenant à l'intelligence artificielle et au parallèle qui devrait nous alerter.
Le gain immédiat est réel et ne mérite pas d'être minimisé. L'IA fait gagner du temps, réduit des frictions, démocratise l'accès à des capacités qui étaient réservées à quelques-uns. Pour un entrepreneur solo, une PME, un professionnel isolé, c'est une puissance de travail réelle.
Mais regardons la structure de cette adoption avec les lunettes que la délocalisation textile nous a données.
La concentration est encore plus extrême. Quelques acteurs, américains pour l'essentiel, chinois pour certains, détiennent les modèles fondamentaux sur lesquels repose toute l'économie de l'IA. Les entreprises européennes, les PME, les professionnels indépendants utilisent ces outils sans en posséder aucune brique. Si les conditions d'accès changent, si les prix montent, si des décisions politiques ou commerciales coupent l'accès, que reste-t-il ? Qui décide, en définitive, de ce que ces modèles savent, de ce qu'ils refusent de dire et de ce qu'ils favorisent dans leurs réponses ?
Le risque de dépendance cognitive est réel. Utiliser l'IA pour rédiger sans relire ni comprendre, c'est accepter de ne plus savoir ce qu'on pense vraiment. Déléguer à l'IA la recherche d'information sans développer son propre jugement critique, c'est construire une compétence en carton-pâte, solide tant que l'outil fonctionne, inexistante quand il disparaît ou se trompe.
Le risque générationnel est peut-être le plus grave et des signaux sérieux commencent à l'étayer. Des chercheurs documentent depuis quelques années ce qu'ils appellent le « Reverse Flynn Effect » : après des décennies de progression continue des capacités cognitives mesurées, la courbe s'est inversée dans les pays développés à partir du milieu des années 1990. Les enfants nés autour de 1975 représenteraient le pic. Depuis, les scores déclinent, génération après génération.
C'est la première fois dans l'histoire moderne que la génération suivante semble moins bien équipée cognitivement que la précédente. Les facteurs avancés par les chercheurs : le recul de la lecture longue, de l'écriture complexe, du raisonnement sans assistance, précisément les activités que les écrans, les moteurs de recherche et maintenant l'IA prennent en charge à notre place. Si on forme des professionnels en leur donnant l'IA comme béquille dès le premier jour, sans jamais les obliger à construire leur propre raisonnement, que se passe-t-il dans quinze ans ? On aura des équipes capables d'utiliser des outils mais incapables de penser sans eux. Exactement comme des marques qui savent commander des vêtements en Asie mais ne savent plus ce que veut dire en faire un.
La question des données est celle du pouvoir. Chaque interaction avec un outil d'IA produit des données sur comment vous travaillez, comment vous pensez, quelles questions vous posez, où vous bloquez. Ces données ont une valeur considérable et elles appartiennent aux plateformes, pas à vous.
Shein est le cas limite de ce qui arrive quand production, intelligence et données convergent sans garde-fou éthique ni régulation efficace. L'IA n'en est pas là mais les mécanismes sont les mêmes, les incitations sont les mêmes et les décisions se prennent maintenant.
Mal utiliser l'IA : à quoi ça ressemble vraiment
Les mauvaises pratiques ne ressemblent pas à des catastrophes. Elles ressemblent à de l'efficacité.
Faire rédiger ses livrables par l'IA sans les retravailler. Le résultat est présentable. Il ressemble à ce qu'on aurait écrit. Mais il ne vient pas de soi. Il ne porte pas son expérience, son angle, ses erreurs passées, sa façon singulière de voir les choses. À force, on ne sait plus très bien ce qu'on pense vraiment ni comment on l'exprimerait sans assistance.
Former les nouveaux collaborateurs principalement avec l'IA. On raccourcit les cycles d'apprentissage, on gagne du temps à court terme. Et on produit des professionnels qui savent utiliser des outils mais n'ont jamais vraiment construit de raisonnement de fond. Ils seront très efficaces tant que l'outil fonctionne et tant que les questions posées ressemblent à celles pour lesquelles ils ont été formés.
Automatiser sans documenter. On confie à un outil IA un processus qu'on comprend mal, ou qu'on a compris une fois et oublié. Le processus tourne. Puis quelque chose change, l'outil évolue ou disparaît et personne ne sait plus ce qui se passe ni pourquoi. On a créé une boîte noire dans son propre fonctionnement.
Faire confiance aux outputs sans esprit critique. Les hallucinations des modèles de langage sont documentées. Ils inventent des sources, confondent des dates, affirment avec assurance des choses inexactes. Un utilisateur non averti, pressé, ou qui a simplement cessé de vérifier, valide et diffuse des erreurs à la vitesse de l'automatisation.
Dégager du temps sans décider ce qu'on en fait. C'est peut-être la dérive la plus insidieuse. L'IA libère du temps et ce temps est immédiatement réabsorbé par plus de volume, plus de tâches, plus de réunions. On n'a pas gagné du temps : on a augmenté la cadence. On s'est débarrassé de la friction qui forçait à réfléchir avant d'agir.
Et puis il y a la question que presque personne ne pose formellement : que se passe-t-il quand l'IA et l'humain ne sont pas d'accord ? Qui a le dernier mot ? Dans combien d'entreprises existe-t-il un protocole clair sur ce point, une doctrine qui définit ce qu'on délègue, ce qu'on vérifie systématiquement, ce qu'on refuse de confier à un algorithme ? La plupart du temps : aucune. Et en l'absence de règle explicite, c'est le chemin de moindre résistance qui s'impose, c'est-à-dire le plus souvent l'output de l'IA validé sans friction. Non par conviction mais par manque de temps, d'habitude ou de cadre. Ce n'est pas un choix. C'est une abdication par défaut.
Bien utiliser l'IA : à quoi ça ressemble vraiment
La bonne nouvelle, c'est que les bonnes pratiques existent, qu'elles sont accessibles et qu'elles ne demandent pas de renoncer aux gains réels que l'IA apporte.
Utiliser l'IA comme amplificateur, pas comme substitut. La distinction est simple à formuler, moins facile à tenir : l'IA amplifie ce qu'on sait déjà. Elle accélère la rédaction d'un professionnel qui sait écrire. Elle accélère la recherche d'un analyste qui sait lire. Elle accélère la synthèse d'un décideur qui sait penser. Elle ne remplace pas la compétence, elle en démultiplie l'impact. Utilisée à l'envers, elle donne l'illusion de la compétence sans en construire aucune.
Former à l'esprit critique sur les outils, pas seulement avec les outils. Apprendre à un collaborateur à utiliser ChatGPT, c'est lui apprendre à conduire une voiture. Lui apprendre à vérifier les sources, à détecter les biais, à comprendre pourquoi un modèle répond ce qu'il répond, c'est lui apprendre à entretenir le moteur et à lire une carte. Les deux sont nécessaires. Le premier sans le second crée une dépendance.
Distinguer ce qu'on peut déléguer de ce qu'on doit garder. Les tâches d'exécution répétitives, la mise en forme, la première ébauche, la synthèse d'un corpus documentaire, tout ça peut légitimement être confié à l'IA. Le jugement, la relation, la créativité de fond, la décision dans l'incertitude, la responsabilité, ces capacités doivent rester humaines, non pas par idéologie mais parce que ce sont précisément elles qui créent de la valeur différenciante et irremplaçable.
Documenter ce qu'on automatise. Chaque processus confié à un outil doit être compris et documenté par au moins une personne humaine. Pas pour faire doublon, pour maintenir la capacité de reprendre la main, d'adapter, de corriger quand l'outil évolue.
Décider consciemment ce qu'on fait du temps libéré. C'est la question que peu d'organisations se posent vraiment. Si l'IA libère deux heures par semaine pour chaque collaborateur, ces deux heures doivent être investies dans de la réflexion stratégique, dans de la relation client approfondie, dans de la formation, dans de la créativité. Pas réabsorbées par plus de volume. La question « on dégage du temps pour en faire quoi ? » n'est pas philosophique. C'est une question de management, urgente et concrète.
Et puis il y a les entreprises qui ont décidé de poser la question formellement, celles qui ont construit une doctrine d'usage avant de déployer. Pas une liste d'outils autorisés mais une réflexion de fond : qu'est-ce qu'on délègue à l'IA, qu'est-ce qu'on valide systématiquement, qu'est-ce qu'on refuse de lui confier ? Ces entreprises définissent des protocoles clairs sur qui a le dernier mot quand l'IA et l'humain divergent. Elles forment leurs équipes non pas à utiliser les outils mais à les gouverner. C'est une posture radicalement différente et c'est probablement ce qui distinguera dans dix ans les organisations qui auront gardé leur intelligence de celles qui l'auront sous-traitée.
Cela pose d'ailleurs une question que peu d'entreprises osent formuler : et si la séniorité redevenait un avantage décisif ? L'IA se bride bien, se questionne bien et s'exploite vraiment quand celui qui l'utilise sait déjà ce qu'il cherche, reconnaît une erreur quand il en voit une et peut évaluer la qualité d'un output sans s'y fier aveuglément. Ce sont précisément les compétences que construit l'expérience et que ne remplace pas l'usage précoce d'un outil. Un professionnel senior qui maîtrise l'IA est une combinaison redoutable. Un junior qui n'a appris qu'avec elle est une fragilité qui ne se verra que trop tard.
Que décidons-nous de maîtriser ?
La délocalisation textile n'était pas une fatalité. C'était le résultat d'une série de choix, des entreprises, des États, des consommateurs, faits au nom d'un gain visible et immédiat, sans comptabiliser les coûts différés et diffus. On commence seulement à mesurer vraiment certains de ces coûts. Et pour certaines filières, il est trop tard.
Ce que Shein démontre, c'est ce que produit la convergence de toutes ces logiques poussées à l'extrême, sans régulation et sans intention autre que la croissance. Ce n'est pas une aberration, c'est le résultat logique d'un système qui optimise ce qu'il mesure et qui ne mesure pas tout : ni le coût social des emplois détruits, ni la valeur des savoir-faire perdus, ni l'appauvrissement culturel d'une génération formatée à consommer vite et mal.
Ce que la production à la demande démontre, c'est que les mêmes outils peuvent servir une vision radicalement différente. Que la technologie n'est pas le problème ; l'intention l'est.
L'adoption de l'IA se joue maintenant. Les choix se font maintenant, dans les directions générales qui décident des outils déployés, dans les directions RH qui définissent comment on forme les équipes, chez les individus qui décident comment ils travaillent au quotidien. Ces choix ne semblent pas dramatiques sur le moment. Ils le deviennent dans dix ans, quand on regarde en arrière et qu'on réalise ce qu'on a construit ou ce qu'on a laissé s'éroder.
La question n'est pas « faut-il utiliser l'IA ? ». Elle est : que décide-t-on de maîtriser ? Que décide-t-on de garder en nous ?
Les marques qui ont répondu « rien » à cette question dans les années 1990 cherchent aujourd'hui comment relocaliser sans savoir par où commencer.
On a une chance de ne pas répéter exactement la même erreur. Mais cette chance a une date de péremption.
L'intelligence, ça ne se délocalise pas. Ça se cultive, ça s'entretient, ça se transmet. Ou ça s'atrophie.
Et vous, qu'avez-vous décidé de garder en vous ?
Sources
L'industrie textile a perdu 40% de ses emplois en 10 ans - INSEE Flash Hauts-de-France
Délocalisation et nouveau modèle économique : le cas du secteur textile-habillement - Cairn/IRES
Surproduction textile : chiffres, causes et solutions à la fast fashion - Oxfam France
Bilan 2025 et perspectives 2026 des commerces de mode - Alliance du Commerce
La production à la demande pourrait révolutionner l'industrie textile - La Tribune, Daniel Vigneron
Quel est le modèle derrière le succès de la marque française Asphalte ? - Marques de France
1083, marque et fabricant de vêtements 100% made in France - La Fabrique Hexagonale
The Cognitive Crossroads: Gen Z and the Reversal of the Flynn Effect - Mentalmatics
Commentaires