Revolut réduit de 90 % ses coûts d’IA en délaissant Claude

Revolut, fintech britannique, affirme avoir réduit d’environ 90 % ses coûts d’inférence liés au code en moins d’un an en basculant vers des modèles auto-hébergés plutôt que de s’appuyer surtout sur des services commerciaux comme Claude. L’entreprise dit que ce choix a aussi amélioré le travail quotidien de quelque 2 000 ingénieurs, avec 60 % de gain sur le temps de codage et 70 % sur les délais de traitement. Le sujet compte car il touche à la fois la facture, la productivité et le choix des outils d’IA en entreprise.

Quand les tokens coûtent moins cher, les ingénieurs les utilisent vraiment

David Abitbol, responsable opérations et infrastructure chez Revolut, a expliqué ces chiffres lors de la conférence AI Engineer, à New York, le mois dernier [selon la source]. Avant ce virage, la société avait testé Gemini début 2025 puis Claude Code début 2026, tout en imposant des plafonds budgétaires stricts. Résultat : certains ingénieurs voyaient passer des factures de 1 000 dollars par mois, parfois 10 000 dollars par mois, avec un retour jugé trop faible.

Le basculement vers GLM-5.1, puis GLM-5.3, a changé l’équation. Revolut indique servir aujourd’hui ce modèle avec 56 GPU Nvidia B200, et facturer l’usage autour de 0,30 dollar par million de tokens entrée/sortie. À ce niveau, le coût est environ dix fois inférieur à celui d’OpenAI Codex ou de Claude Code, d’après l’entreprise. Ce n’est pas seulement une question de prix : quand les tokens deviennent bon marché, les équipes cessent de compter chaque requête comme un euro de bureau qui s’envole.

Le vrai gain ne vient pas seulement du code

Selon Abitbol, le principal bénéfice n’est pas limité à l’écriture de code. Les plus gros gains viennent de tâches qui grignotent du temps sans écrire une ligne de plus, comme le débogage, les tickets Jira ou Confluence. Avec des tokens plus accessibles, Revolut dit que ses équipes utilisent l’IA de façon plus large, sans devoir réserver leurs requêtes aux cas les plus complexes ou à la fin du trimestre.

L’entreprise ne présente pas pour autant GLM comme une solution universelle. Le modèle chinois utilisé par Revolut est textuel, donc peu adapté aux tâches visuelles d’interface. Pour ces cas, la fintech dit employer un routeur de modèles afin d’orienter les requêtes image ou interface vers Gemini ou GPT Luna, tout en gardant la génération de code sur GLM. Cette approche hybride évite de faire reposer toute la chaîne sur un seul fournisseur.

Une architecture optimisée avant d’être simplement plus grosse

Le déploiement n’a pas consisté à empiler des GPU en espérant que tout s’arrange. Revolut dit avoir ajusté ses hyperparamètres, adopté la quantification NVFP4, mis en place un découplage du préremplissage et du décodage, puis affiné les longueurs de contexte. Le modèle GLM-5.1 serait massif, avec environ 754 milliards de paramètres au total et 40 milliards activés par token généré, ce qui exige environ 380 Go de mémoire GPU pour les poids, plus 6 à 26 Go par utilisateur selon la précision.

Dans ce contexte, Revolut estime qu’une fenêtre de contexte d’un million de tokens n’a pas grand intérêt pratique. Abitbol a résumé la position sans détour : « Long context is a scam. You really need to be mindful of that », ajoutant qu’une fenêtre de 256 000 tokens suffit vraiment dans son usage. Avec ces réglages, la société dit atteindre un temps d’accès au premier token inférieur à trois secondes sur des fenêtres d’environ 256 000 tokens, ainsi qu’un débit d’environ 200 tokens par seconde. Le soir, après 17 heures, ce chiffre grimperait même vers 800 tokens par seconde, si l’on en croit le dirigeant.

Ce que Revolut cherche vraiment à éviter

Le message de la fintech est clair : l’IA d’entreprise ne doit pas devenir une ligne budgétaire imprévisible. « Open source is now a priority at Revolut, and our economics are favorable. The billing is flat, we don't have any bill shock at the end of the month, and the frontier is the exception », a déclaré Abitbol. La société reconnaît toutefois des enjeux de confidentialité et de sécurité autour des modèles ouverts chinois, mais considère que le risque principal vient surtout d’un accès via des API hébergées en Chine. En exécution locale ou sur des clouds régionaux, Revolut estime que le niveau de risque reste maîtrisé.

Au fond, l’enjeu dépasse Revolut. Si une grande fintech peut industrialiser l’usage de modèles ouverts pour faire baisser la facture, d’autres groupes pourraient suivre, surtout là où le code, le support interne et l’automatisation documentaire dominent. Reste une limite nette : l’économie est favorable, mais seulement si l’on accepte de passer du “tout chez le même fournisseur” à un pilotage plus technique, plus fin, et un peu moins confortable pour les équipes achats.