La amende de 5 000 dollars infligée par un avocat au ChatGPT est une indication sur où l’IA gagne de l’argent.

Presque chaque semaine, un avocat est condamné pour avoir autorisé un chatbot IA à écrire des choses qui n’ont jamais existé. L’affaire du Nouveau-Mexique cette semaine ressemble à toutes les autres… jusqu’à ce que cela ne soit plus le cas. La Cour suprême de l’État a infligé une amende à Stephen Aarons, un avocat de Santa Fe.$5 000 et le traiter comme un insensé.Après qu’il a présenté une demande d’appel concernant un meurtre, dont le contenu, selon les mots du tribunal,…Des témoignages faux, provenant de témoins entièrement fabriqués.Ce n’était pas une citation juridique mauvaise. ChatGPT a inventé un témoin qui n’existait pas vraiment, et a inséré les témoignages de la police dans ses documents. Le tireur était décrit comme “portant des pantalons sombres et une chemise blanche”.

Aarons a dit qu’il a fourni à ChatGPT une transcription de l’audience afin de produire…Ce qu’il appelait un « résumé à l’épreuve des balles ».Et il ne comprenait pas à quel point l’IA pouvait « inventer » des faits.Il a appelé cela une erreur honnête.La justice sur le tribunal était moins bienveillante ; elle lui dit que le problème des avocats qui comptent sur les hallucinations de l’IA est…Une histoire chaque jour, sans exception.

Pour un investisseur en ligne, l’histoire se termine généralement par « Hmm, c’est mauvais ». Je pense qu’il y a quelque chose de plus intéressant à voir : il s’agit d’une analyse claire de la question unique qui détermine si les actions liées à l’IA se développent ou non. L’IA à usage général a échoué dans une profession qui repose sur la capacité de défendre chaque affirmation. La société qui a développé son IA sur la base de l’hypothèse contraire – c’est-à-dire que les réponses peuvent être prouvées – est celle qui réalise des revenus réels grâce à cette technologie. C’est ce fossé, et non le modèle d’avant-garde en lui-même, qui représente la valeur dans le cycle de l’IA.

Le goulot d’étranglement est la confiance, pas l’intelligence.

Voici le morceau du cycle qui se perd dans la couverture. Ces trois dernières années, le marché de l’IA a été consacré à l’entraînement des modèles : plus grands modèles, plus de ressources informatiques, plus de capitaux. Cette phase est dominée par un avantage concurrentiel (CUDA) et par ceux qui peuvent acheter le plus de puces. Mais l’entraînement n’est qu’une étape préliminaire. L’argent circule lorsque l’IA…utiliséEt son utilisation en droit, en comptabilité, en fiscalité et en médecine est conditionnée par une chose que les modèles traditionnels font le mieux : produire des résultats qui peuvent être vérifiés et justifiés.

Une citation de cas hallucinée est détectée lors d’une recherche. Mais les documents soumis par Aarons sont encore plus problématiques : des témoins fictifs et des témoignages policiers fabriqués. C’est une erreur différente : ce n’est pas un simple oubli dans une note de bas de page. C’est le modèle qui crée le rapport d’un cas criminel. On peut appeler cela un problème d’attribution : l’IA générative peut maintenant créer une identité humaine et y associer des témoignages. Rien dans un chatbot ordinaire ne permet de savoir que cette personne est fictive.

C’est pour cette raison que l’économie se divise en deux catégories. Un chatbot polyvalent est facturé comme un outil de productivité, à un tarif fixe. Plus il est facile à utiliser, plus son prix est élevé. Les hallucinations ne concernent pas vraiment ce type de modèle. Un professionnel, en revanche, est différent. Un avocat, un comptable ou un auditeur ne peut pas facturer pour des réponses dont il ne peut pas justifier la validité devant un juge ou une autorité réglementaire. Pour ce client, la réponse valable est le produit lui-même, et celui qui peut le fournir gagne des sommes multiples de celles que facture un chatbot.

Le “cheval noir” possède les données, pas le modèle.

Le plus clair investissement public dans ce domaine est celui de Thomson Reuters. Ce n’est pas une start-up, et ce n’est pas non plus une entreprise spécialisée dans l’IA. C’est plutôt le propriétaire d’âge moyen de Westlaw, la base de données de recherche juridique, et de Practical Law. Au cours de l’année écoulée, il a développé ses produits IA – CoCounsel – sur un site situé presque en face de celui qui a causé les problèmes pour Aarons. CoCounsel se base sur le contenu propriétaire et fiable de Westlaw, et est vendu en fonction de ce que l’entreprise appelle…“IA de niveau fiduciaire”Des réponses qui indiquent leurs sources, afin qu’un professionnel puisse les vérifier et les valider. Les règles de restriction limitent ce sur quoi le modèle peut s’appuyer, en restant dans les bases de données vérifiées par Thomson Reuters, et non sur Internet ou sur d’autres sources ouvertes.Thomson Reuters continue de gérer des modèles de langage de grande taille provenant de tiers.— OpenAI et Google en font partie. Mais on les soumet à des contrôles, de manière que ni les données du client ni la portée du modèle ne soient un avantage pour le produit.

C’est là la migration du valeur entre le matériel et le logiciel en petite échelle. Le modèle brut est un élément de production que l’entreprise loue ; l’actif durable, dont le prix est fixé, représente la couche de contenu vérifiée qui rend la sortie fiable. Thomson Reuters n’a pas besoin de remporter toute la course de l’IA pour gagner celle qui est importante pour ses économies – il lui suffit d’avoir les données et la distribution sur lesquelles les professionnels comptent déjà, et de intégrer l’IA à cela.

Les résultats d’exploitation montrent que la revendication génère des revenus.

Les objectifs de prix établis par les analystes sont des opinions ; les résultats du secteur constituent la réalité. Au deuxième trimestre 2026, Thomson Reuters a publié…Revenus totaux de 1 954 millions de dollars, soit une augmentation de 9 %.Et ses trois domaines professionnels principaux : le secteur juridique, le secteur corporate et les services fiscaux et comptables.Aumenté de 10 % de manière organique, et représente maintenant 83 % des revenus de l’entreprise.. Seuls les professionnels du droit ont connu une croissance de 10 % de manière organique, pour atteindre 772 millions de dollars., on a48,1 % de marge EBITDA ajustée. La direction a identifié CoCounsel et Westlaw comme les principaux facteurs qui ont contribué à cette croissance juridique., avecRevenus récurrents en hausse de 9%.

La comparaison qui compte, c’est celle du pouvoir de tarification. Le chatbot qui fabriquait des témoignages falsifiés concernant des crimes vendait son service en tant que abonnement à faible coût, sans attendre qu’il soit correct. Thomson Reuters, quant à lui, vend des réponses qui sont censées être correctes, car elles peuvent être vérifées. La possibilité de vérification est donc le prix. C’est pourquoi l’un d’eux a fini par être condamné pour manque de crédibilité, tandis que l’autre reste le moteur de la croissance des revenus d’un secteur mature.

Je souhaiterais ajouter une limite, afin que le cadre ne soit pas exagéré. Tout cela ne signifie pas pour autant que l’IA est devenue sûre. L’idée principale du tribunal du Nouveau-Mexique reste la même : la mise en place d’un cadre rigoureux réduit les hallucinations, mais cela ne permet pas – et ne peut pas non plus – éliminer l’obligation professionnelle de vérification. Aarons a été condamné parce qu’il n’a pas vérifié ses informations ; un outil rigoureusement contrôlé ne changerait rien à cette situation. Ce qui change dans cette affaire, c’est simplement la perspective de l’investisseur. Lorsque le cycle se déplace de la capacité brute vers des résultats vérifiables, ce sont les entreprises qui réussiront à gagner de l’argent celles qui disposent de données vérifiables et d’un cadre rigoureux, et non celles qui vendent des agents capables de dire des choses plausibles plus rapidement.

La prochaine fois que vous recevrez une histoire sur une hallucination d’IA dans vos notifications, demandez-vous de quel côté de la ligne se trouve l’entreprise. Est-ce qu’elle est payée pour les résultats qu’elle peut prouver, ou pour ceux qu’elle ne peut que produire ? Pour les investisseurs, cette distinction – et non la taille du modèle – représente de plus en plus la différence entre un avantage concurrentiel et une abonnement.