L'intelligence artificielle mérite un modèle commercial plus rigoureux : paiement pour des résultats, pas des applaudissements pour une démonstration. Aux États-Unis, la conversation pratique atteint déjà les opérations commerciales ordinaires. Une liste de la Small Business Administration pour un atelier en ligne du 17 septembre 2026 se concentrait sur les appels manqués, les rappels, les suivis négligés et la saisie de données répétée. C'est un point de départ utile pour l'économie de l'IA : identifier un problème coûteux avant de choisir le logiciel. Une machine astucieuse sans client payant reste une dépense. Les preuves d'adoption disponibles suggèrent une opportunité, mais pas une mine d'or intacte. Dans son analyse du 26 mai 2026, le Bureau du recensement des États-Unis a rapporté que l'utilisation de l'IA par les entreprises fluctuait entre 17 % et 20 % au cours des périodes d'enquête de décembre 2025 jusqu'au début de mai 2026. Ce sont des observations historiques, pas une estimation d'adoption de septembre. Le bureau a également expliqué qu'il avait élargi sa question en novembre 2025 de l'IA utilisée dans la production de biens ou de services à l'IA utilisée dans toute fonction commerciale. Cette distinction est importante : rédiger un e-mail occasionnel et construire une opération rentable autour de l'automatisation ne sont pas des réalisations équivalentes. La première théorie est l'arbitrage de production : utiliser l'IA pour réduire le temps nécessaire à la livraison de quelque chose que les clients achètent déjà, puis conserver la différence. Un spécialiste hypothétique pourrait vendre des descriptions de produits éditées, des matériaux de formation traduits ou des présentations de vente sur mesure à un prix de projet convenu. Si la production et la vérification deviennent moins chères sans nuire à la qualité, la marge s'améliore. L'attraction est simple : un service peut être testé avant qu'un produit élaboré ne soit construit. La faiblesse est tout aussi simple. Une production plus rapide ne crée aucun avantage automatique pour trouver des clients, gagner la confiance ou défendre les prix contre des concurrents utilisant des outils similaires. Ce modèle a le plus de sens lorsque le vendeur apporte une expertise, une distribution ou un jugement que le client ne peut pas obtenir d'une simple invite. La deuxième théorie est l'agence d'automatisation : vendre l'installation et la maintenance de systèmes qui rendent une autre entreprise plus productive. Son argument le plus fort est que les gains de productivité peuvent être réels. Une étude publiée dans le numéro de mai 2025 du Quarterly Journal of Economics a examiné 5 172 agents de support client et a constaté que l'assistance de l'IA augmentait les problèmes résolus par heure de 15 % en moyenne, avec des différences substantielles entre les travailleurs. Cette découverte soutient une utilisation spécifique en milieu de travail, pas une promesse de revenus universels. Une agence devrait encore établir si son installation particulière permet d'économiser des heures supplémentaires payées, d'élargir la capacité utile ou d'améliorer la fidélisation des clients. Les minutes économisées ne se traduisent pas automatiquement par des dollars gagnés. La version faible de l'une ou l'autre théorie est l'argument du revenu passif : acheter un accès, activer la technologie et attendre de l'argent. Les dossiers d'application officiels offrent une raison de scepticisme. Lors d'une audition au Congrès en avril 2026, la Federal Trade Commission a décrit avoir obtenu des interdictions contre plusieurs opérateurs d'opportunités commerciales qui avaient fait des déclarations liées à l'IA, y compris Ascend Ecom. Le témoignage a indiqué que la commission avait accusé cette opération d'avoir pris au moins 25 millions de dollars aux consommateurs par des promesses trompeuses. Cet historique ne condamne pas l'entrepreneuriat en IA. Il condamne la substitution d'une terminologie impressionnante à des preuves concernant les résultats des clients et l'économie des affaires. L'alternative plus intéressante est un service de récupération d'achats assisté par l'IA : trouver de l'argent qu'une entreprise a déjà trop payé, documenter l'écart et gagner une part négociée uniquement lorsque la récupération est réalisée. Un projet pilote proposé pourrait se concentrer sur les factures de fournisseurs d'un grossiste, les dossiers de paiement, les bons de commande et les notes de crédit. L'IA aiderait à extraire des informations à partir de documents incohérents et à identifier d'éventuels décalages ; des calculs ordinaires et une révision humaine détermineraient si un paiement en double ou un crédit manquant existait réellement. Chaque récupération candidate aurait besoin d'un paquet de preuves liant les documents originaux. Il s'agit d'une application proposée, pas d'une affirmation selon laquelle un modèle prêt à l'emploi peut auditer de manière fiable une entreprise sans supervision. La différence commerciale est la responsabilité. Plutôt que de vendre un chatbot ou une promesse vague d'efficacité, l'opérateur vendrait un processus de récupération documenté. L'accord devrait exclure les écarts déjà identifiés par le personnel du client, établir une période de retour en arrière et définir si le paiement dépend d'un remboursement en espèces ou d'un crédit réellement appliqué. Un engagement hypothétique illustre l'arithmétique : 20 000 $ en récupérations éligibles et réalisées à un taux de succès négocié de 20 % produiraient 4 000 $ de revenus. Si les coûts d'engagement totaux, y compris les efforts de vente, le logiciel, la révision humaine et les frais généraux alloués, étaient de 1 500 $, le reste serait de 2 500 $ avant impôts. Chaque chiffre est une hypothèse, pas un taux du marché ou une prévision de revenus. Un engagement sans récupération pourrait entraîner des pertes. Les garanties proposées sont aussi importantes que l'argumentaire de vente. L'accès devrait commencer par des dossiers autorisés en lecture seule, limités aux informations nécessaires pour l'engagement. L'opérateur devrait convenir des conditions de conservation et de suppression, tester l'exactitude de l'extraction et exiger qu'un examinateur qualifié approuve chaque réclamation avant qu'un fournisseur ne la reçoive. Un modèle linguistique ne devrait pas autoriser les paiements, modifier les coordonnées bancaires ou inventer la base contractuelle d'un remboursement. Lorsqu'une feuille de calcul ou une règle de correspondance conventionnelle résout le problème, elle devrait remplacer l'étape de l'IA. Le service devrait également éviter de présenter le rapprochement des factures commerciales comme un audit réglementé ou d'offrir des conclusions juridiques ou fiscales au-delà de sa compétence. La question la plus difficile est la répétabilité. Un premier examen pourrait révéler un arriéré qui ne revient jamais, tandis qu'une prévention réussie pourrait réduire les frais de récupération futurs. L'opérateur devrait donc tester si un service de surveillance à prix séparé offre suffisamment de valeur continue pour justifier un renouvellement. Les clients potentiels devraient être sélectionnés en fonction d'un volume de transactions suffisant, de dossiers accessibles et d'une volonté de valider les résultats, pas seulement d'un enthousiasme pour l'IA. La publication du Bureau du recensement du 7 mai 2026 a rendu des données supplémentaires disponibles sur l'adoption par secteur et taille d'entreprise, ainsi que sur les utilisations commerciales et les tâches soutenues. De telles preuves peuvent aider à encadrer la recherche de marché, mais seul un projet pilote rémunéré peut établir si ce service particulier a une viabilité commerciale.