Aller au contenu
NÉOBANQUES Revolut

Revolut revendique une facture d’inférence IA divisée par dix

Revolut annonce servir 2 000 ingénieurs avec 56 GPU, à 0,30 dollar par million de tokens. Claude Code et Codex restent accessibles pour les cas particuliers.

Un serveur au premier plan, devant une salle de marché où un opérateur de dos travaille sur des écrans flous.
Résumer avec une IA — Obtenez un résumé personnalisé en un clic
En bref

La néobanque privilégie ses propres modèles hébergés pour assister environ 2 000 ingénieurs, tout en conservant Claude Code et Codex en exception. Elle revendique un coût proche de 0,30 dollar par million de tokens sur 56 GPU Nvidia B200. Pour les équipes, ce choix vise un usage plus large de l’IA, avec une infrastructure à exploiter et à superviser.

Un prompt optimisé est pré-rempli pour chaque moteur. Les résultats générés par l'IA peuvent différer du contenu original.

Selon Silicon, Revolut fait des modèles auto-hébergés son choix par défaut pour le développement assisté par IA. Lors de la conférence AI Engineer NYC 2026, David Abitbol, responsable des opérations IA, a présenté un dispositif servant environ 2 000 ingénieurs sur 56 GPU Nvidia B200. Il revendique un coût moyen agrégé proche de 0,30 dollar par million de tokens, soit une facture représentant environ un dixième des dépenses antérieures auprès d’Anthropic et d’OpenAI.

Un modèle interne par défaut, des services commerciaux en complément

Revolut utilise désormais GLM-5.3 pour cette infrastructure. Claude Code et Codex restent accessibles pour les exceptions. La stratégie ne consiste donc pas à supprimer les fournisseurs commerciaux, mais à réserver leur utilisation à certains besoins, tout en faisant de l’hébergement interne le socle des usages courants (source : Silicon).

Le ratio de coût annoncé décrit une expérience propre à Revolut. Il ne constitue ni un tarif universel de l’auto-hébergement ni une comparaison à charge de travail strictement identique. Pour une autre entreprise, l’intérêt économique dépendrait notamment du volume de requêtes, de l’utilisation des GPU et des moyens consacrés à leur exploitation.

Des gains de productivité à distinguer du changement de modèle

Les résultats de productivité rapportés concernent une étape précédente : le passage à GLM-5.1, au printemps 2026. Selon David Abitbol, cette transition coïncide avec des améliorations d’environ 60 % du temps de codage et de 70 % du lead time. Ce dernier mesure ici le délai entre la prise en charge d’une fonctionnalité et sa fusion dans le code, prête à être déployée, et non son déploiement effectif.

Cette concomitance ne démontre pas une causalité. Le responsable évoque aussi un accès moins contraint par les budgets de tokens, favorisant des usages périphériques : recherche dans les courriels, Jira ou Confluence. Ces résultats internes ne constituent donc pas un benchmark contrôlé de GLM-5.3 face à Claude ou Codex (source : Silicon).

La performance repose aussi sur l’infrastructure

À nombre de GPU constant, Revolut rapporte 76 % de requêtes par seconde supplémentaires. Le délai avant le premier token aurait baissé de 88 %, passant de 14,26 à 1,68 seconde, pour un objectif opérationnel inférieur à trois secondes.

  • Les leviers évoqués comprennent la quantification FP4 sur les GPU Blackwell, le parallélisme tensoriel et la réutilisation du cache.
  • David Abitbol recommande également d’examiner le décodage spéculatif et la séparation entre traitement du contexte et génération des tokens.
  • Il estime qu’un contexte d’environ 256 000 tokens répond aux besoins décrits, plutôt qu’une réservation systématique d’un million, afin de préserver la mémoire pour les requêtes simultanées.

Un arbitrage opérationnel, pas seulement tarifaire

GLM-5.3 étant textuel, David Abitbol préconise d’orienter les demandes impliquant des images vers un autre modèle. Des API compatibles avec celles d’OpenAI permettent de connecter l’infrastructure aux outils des ingénieurs. Revolut met aussi en avant des environnements isolés, des approbations pour les opérations restreintes et une télémétrie d’investigation (source : Silicon).

Pour les équipes, l’enjeu est de maintenir un accès rapide à l’IA tout en maîtrisant la dépense. La capacité à conserver ces performances lorsque les usages évolueront sera déterminante. L’auto-hébergement déplace aussi vers l’entreprise la responsabilité opérationnelle du service : l’économie annoncée s’accompagne d’un travail d’optimisation et de supervision.

Réagir à cet article

Votre adresse email ne sera pas publiée. Restons courtois et factuels.

Ce site utilise Akismet pour réduire les indésirables. Découvrez comment les données de vos commentaires sont traitées.