L'ESSENTIEL EN 30 SECONDES

  • Revolut sert des modèles GLM auto-hébergés à environ 2 000 ingénieurs sur 56 GPU Nvidia B200, pour un coût moyen d'environ 0,30 dollar par million de jetons, d'après une conférence de David Abitbol.
  • La facture représente environ un dixième de ce que la fintech versait auparavant à Anthropic et OpenAI ; Claude Code et Codex restent disponibles pour certaines tâches.
  • Les indicateurs internes montrent de nets gains sur les délais de développement, mais la comparaison ne distingue pas l'effet du changement de modèle des autres facteurs.

La fintech britannique Revolut a basculé l'essentiel de son code assisté par IA des API facturées à l'usage d'Anthropic et d'OpenAI vers des modèles open-weight qu'elle héberge elle-même. David Abitbol, responsable des opérations et de l'infrastructure, a détaillé ce choix lors de la conférence AI Engineer à New York, le 13 octobre.

Le dispositif et les économies

Selon David Abitbol, Revolut met des modèles de la famille GLM, développée par Zhipu AI, à la disposition d'environ 2 000 ingénieurs grâce à 56 GPU Nvidia B200. D'après la transcription de l'intervention, l'entreprise a commencé avec GLM 5.1 en avril et utilise désormais GLM 5.3, même si certains comptes rendus évoquent plutôt GLM-4.5. Les points d'accès étant compatibles avec l'interface d'OpenAI, les développeurs s'en servent via des outils comme OpenCode ou Codex.

Le coût moyen est estimé à environ 0,30 dollar par million de jetons, et la facture globale à un dixième à peu près de ce que Revolut payait aux deux laboratoires américains. StartupHub.ai souligne que ce prix au jeton n'inclut ni les dépenses cloud, ni le personnel, ni la supervision. Les modèles auto-hébergés sont désormais l'option par défaut ; Claude Code, Codex et Gemini restent accessibles lorsqu'ils font nettement mieux. Les tâches liées aux images partent toujours vers des modèles multimodaux hébergés, le modèle interne ne traitant que du texte.

Au départ, les réglages d'inférence par défaut donnaient de piètres résultats. En ajustant la longueur de contexte, la quantification et le parallélisme, sans ajouter de matériel, l'équipe a fait passer le débit d'environ 3 à plus de 7 requêtes par seconde et ramené le délai avant le premier jeton de 14,26 à 1,68 seconde.

Gains de productivité et réserves

Revolut suit le temps de codage et le délai entre la prise en charge d'une fonctionnalité et un code prêt à être fusionné. Les premiers usages de Gemini avaient apporté des gains de l'ordre de 10 à 20 %, tandis que Claude Code, soumis à des budgets stricts par ingénieur, avait d'abord eu peu d'effet. Après le passage à des modèles auto-hébergés sans limite de jetons, David Abitbol fait état d'améliorations d'environ 60 % sur le temps de codage et 70 % sur le délai de livraison. La comparaison n'isole toutefois pas l'effet du modèle, et ces résultats n'ont pas été vérifiés de façon indépendante.

Côté sécurité, chaque session d'agent s'exécute dans un bac à sable, sous supervision humaine et avec des listes de commandes autorisées. Les modèles tournent dans des juridictions couvertes par des accords d'équivalence en matière de données (États-Unis, UE, Royaume-Uni, Israël), sans conservation des données par le fournisseur d'inférence, et aucune requête n'est envoyée vers des serveurs chinois. Le dispositif concerne les outils de développement internes, pas les systèmes bancaires des clients.