Avant la mode,
le monde.

Depuis des décennies, la mode achète des analyses : market intelligence, prévisions de demande, consumer insights, rapports de runway et de tendance. Beaucoup sont pointues. Les équipes qui les produisent sont compétentes. Elles ont construit ce qu'elles pouvaient construire sur les données disponibles.

Ce qui manquait, ce qui manque encore, c'est l'infrastructure sous-jacente. Un graphe connecté de chaque marque, fournisseur, matière, signal de la mode, sourcé et traçable jusqu'à son origine. L'infrastructure sur laquelle les analyses pourraient capitaliser, au lieu de repartir de zéro à chaque cycle. Chaque équipe d'intelligence mode reconstruit le même savoir de douze manières différentes, parce qu'aucune base partagée n'existe sur laquelle s'appuyer.

Apshan construit cette infrastructure.

In Soo Seguier est diplômé de l'ESMOD à Paris et a creusé le coin le plus technique de la mode qu'il pouvait trouver. Tissus trois couches. Pré-traitements. Matériaux à changement de phase dérivés de la NASA. Les PCM, censés thermoréguler un vêtement. Puis des années à l'intérieur d'une entreprise qui intégrait des composites pare-balles dans des manteaux d'apparence ordinaire. La science textile, rendue invisible.

La logique qui a émergé n'était pas celle des matières. C'était celle du peu que le savoir réel de la mode circule. Les fournisseurs savent ce qu'ils vendent. La plupart des acheteurs, non. Les designers veulent substituer un tissu sous deadline, sans aucun endroit où vérifier les compromis. Les salons restent là où se font les vrais échanges, parce que l'infrastructure numérique pour partager ce savoir n'existe pas.

Apshan a démarré en 2022 comme réponse à une question unique. Et si vous pouviez poser n'importe quelle question sur la mode comme vous la poseriez au spécialiste le plus technique de la pièce, et recevoir une réponse qui cite d'où elle vient ?

Les récoltes de coton plient à la météo. Les supply chains cassent à la géopolitique. Les prix bougent avec les devises. Le sentiment culturel devance chaque rapport trimestriel. Les forces qui façonnent réellement la mode sont mesurées partout : dans les satellites, sur les marchés à terme, dans les cycles d'actualité, dans la logistique portuaire, dans la conversation sociale. Sauf dans la couche de données que la mode achète.

Nous lisons ces forces. Pas parce que la donnée inter-industries fait bien dans un discours, mais parce que la mode est le produit de toutes ces forces, et faire semblant du contraire a coûté des décennies à l'industrie.

L'acheteur de coton qui lit la météo ne fait pas de meilleures prévisions de tendance. Il fait de meilleurs contrats. La marque qui surveille les devises asiatiques ne devient pas plus tendance. Elle obtient de meilleures marges. Lire ce qui façonne la mode est le socle. Tout ce que les équipes d'analyse font par-dessus capitalise à partir de là.

Les assistants IA d'aujourd'hui sont des language models. Ce sont des moteurs de pattern statistique. Ils prédisent le mot suivant, à partir de ce qui précède. Utile pour beaucoup de choses. Limité pour d'autres.

La génération suivante sera différente. Les chercheurs les appellent world models. L'idée est plus simple que le terme : des machines qui ne prédisent pas seulement du texte. Elles modélisent comment le monde fonctionne réellement. Physique. Géographie. Supply chains. Systèmes météorologiques. La façon dont un enfant comprend qu'un verre qui bascule va se renverser, sans qu'on le lui dise. Cette intuition vit dans un modèle du monde, pas dans une liste de mots.

Yann LeCun a reçu le prix Turing 2018, le Nobel de l'informatique, pour les travaux de deep learning sur lesquels une grande partie de l'IA moderne est construite. Il a dirigé la recherche IA de Meta pendant dix ans. Fin 2025, il est parti fonder AMI à Paris, son pari sur les world models, et a levé plus d'un milliard de dollars en mars 2026. La plus grande levée en seed de l'histoire européenne. Apshan construit la couche de connaissance native à la mode sur laquelle ces modèles tourneront. Quand les world models arriveront, la mode aura déjà sa couche de données prête.

À l'intérieur de la plupart des entreprises mode, l'équipe maroquinerie ne parle pas à l'équipe prêt-à-porter. L'équipe prêt-à-porter ne parle pas à l'équipe femme. Entre les entreprises, les designers maroquinerie à Paris ne rencontrent pas les designers maroquinerie à Florence ou Taipei. Le savoir que chaque équipe détient est réel, profond, et enfermé dans la pièce où il a été construit.

C'est le bug le plus coûteux de l'industrie de la mode. Les carrières stagnent dans les silos. L'innovation ralentit dans les silos. Le même problème est résolu douze fois dans douze bâtiments parce que personne ne peut voir les onze autres solutions.

Le nouveau silo est le silo IA. La plupart de l'IA mode aujourd'hui est greffée sur des fonctions isolées : copywriting dans un coin, génération d'images dans un autre, service client dans un troisième. Le déblocage n'est pas plus d'IA. C'est la couche qui laisse l'IA travailler à travers les fonctions, pas à l'intérieur.

Apshan est construit sur la conviction que le savoir global d'un métier appartient à tous ceux qui le pratiquent. Pas pour homogénéiser. Le cuir italien n'est pas le cuir japonais n'est pas le cuir français. Mais pour rendre les différences lisibles, comparables, et accessibles depuis n'importe quelle conversation, dans n'importe quelle fonction. L'infrastructure qui casse les deux silos d'un coup.

Certaines maisons de mode ont raison de craindre le partage de leur savoir. Les décennies qu'une maison a passées à perfectionner un tannage, le réseau de fournisseurs qu'une équipe d'achats a construit relation après relation, le point de couture qu'un designer a reconstitué à partir d'une archive des années 1970. Ce savoir n'est pas que de la propriété intellectuelle. C'est l'entreprise elle-même.

Apshan n'en prend rien. Le savoir propriétaire à l'intérieur d'une entreprise reste à l'intérieur de l'entreprise. Nous ne l'ingérons pas. Nous n'entraînons pas les modèles d'Apshan dessus. Nous ne le faisons remonter à personne.

Ce que nous fournissons, c'est la couche en dessous. Du savoir public, structuré. Des signaux inter-industries, sourcés. Des savoir-faire adjacents, accessibles. Une maison de cuir garde chacun des secrets qui font d'elle une maison de cuir, et gagne une carte sourcée de chaque cuir avec lequel elle ne travaille pas déjà, de chaque réglementation qu'elle n'a pas encore lue, de chaque signal culturel traversant des marchés où elle n'opère pas. Le savoir-faire capitalise. Il ne fuit pas.

La mode tourne sur un stack fragmenté de produits qui ne se parlent pas entre eux. Ajouter un produit de plus auquel se connecter ne corrige pas la fragmentation. Cela la renforce.

Apshan livre donc une couche d'intégration, pas un autre logiciel. L'intelligence vit à l'intérieur de l'assistant IA que votre équipe utilise déjà : Claude aujourd'hui, Mistral aujourd'hui, world models demain. Pas de nouveau login. Pas de session de formation. Pas de culte d'éditeur. Vous ajoutez une brique à votre stack existant. La brique contient le savoir.

Il y aura un petit dashboard. Pas pour le travail. Pour les choses qui demandent leur propre surface : contrôles de souveraineté, facturation, sièges d'équipe, récupération des assets générés. Vous vous y connecterez quelques fois par an. Le travail se fait là où vous travaillez déjà.

Le vrai savoir humain ne sera jamais remplacé par du savoir synthétique. Les language models sont des moteurs de pattern statistique. Ils n'ont pas de pensée critique, pas de goût, aucune mémoire de la conversation que vous avez eue avec un fournisseur en 2018 qui explique pourquoi ce tissu n'a jamais vraiment marché. La connexion dans votre cerveau, c'est encore là que le travail se fait.

Apshan multiplie ce travail. Les opérateurs aux questions faibles auront des questions moins faibles. Les opérateurs aux questions pointues (le designer maroquinerie qui sait comment un tannage se compare à un autre à la moitié du coût) obtiendront des réponses cinq fois plus vite, avec citations.

Nous ne sommes pas là pour remplacer l'expertise. Nous sommes là pour faire des experts la personne la plus informée de chaque pièce où ils entrent.

Apshan est une société française. Nous nous sommes incorporés à Paris en 2022 parce que l'Union européenne a le cadre de souveraineté des données le plus strict de la planète, et que l'EU AI Act pose un vrai plancher. Quand les acheteurs mode demandent si leurs requêtes sont privées, si leurs fournisseurs sont exposés, si leurs données entraînent les modèles de quelqu'un, la réponse en UE est structurelle, pas contractuelle. Apshan est EU-incorporated, EU-hosted, EU-resident. Classification Limited Risk au titre de l'EU AI Act, par conception.

Le textile est l'une des industries que l'Europe a le plus façonnées. L'Europe mérite l'infrastructure qui lui permet de continuer à la façonner. Nous choisissons donc des fournisseurs français là où ils existent, européens partout ailleurs. Mistral en priorité du côté utilisateur. Nous croyons à l'écosystème IA français et européen, et nous voulons y contribuer.

Vos requêtes restent dans votre session. Elles n'entraînent pas les modèles d'Apshan. La souveraineté, c'est la fondation. Tout le reste est construit au-dessus.