Revolut passe au modèle chinois GLM : sa facture d'IA divisée par dix
Revolut a fait de GLM, un modèle chinois à poids ouverts installé sur des serveurs dédiés, l'outil par défaut de ses quelque 2 000 ingénieurs, à la place des assistants facturés au token comme Claude Code. Selon la banque, qui l'a expliqué lors d'une conférence à New York à la mi-octobre, la facture a été divisée par dix. Il s'agit d'un outil interne d'aide à l'écriture du code, pas d'un service proposé aux clients.
L'information est rapportée par Numerama et par le site autrichien Trending Topics. Elle repose sur l'intervention de David Abitbol, responsable des opérations d'IA chez Revolut, à la conférence AI Engineer. Sa présentation, d'une dizaine de minutes, s'intitulait « Shipping like a startup, regulated like a bank ». Elle a trouvé un écho plus large avec sa republication sur YouTube, dans la vidéo de la conférence mise en ligne le 29 octobre.
Les chiffres présentés portent sur les développeurs de la banque, environ 2 000 ingénieurs, et sur l'outil qui les aide à écrire du code. L'application utilisée par les clients, dont plus de 8 millions en France selon Revolut, n'est pas concernée par cette présentation.
Selon Numerama, la trajectoire de Revolut en matière d'IA pour le code a connu plusieurs étapes. Début 2025, l'arrivée de Gemini, le modèle de Google, aurait fait reculer de 20 % le temps passé à coder et de 10 % le délai de livraison, c'est-à-dire la durée entre la prise en charge d'une fonctionnalité et le moment où elle est prête à être déployée.
Est venu ensuite Claude Code, l'outil d'Anthropic, avec des plafonds de dépense stricts par ingénieur. David Abitbol a décrit le problème : « Nous voyions des ingénieurs dépenser 1 000, 10 000 par mois, sans grand retour sur investissement ». Selon lui, l'outil « n'a pas eu tellement d'impact à l'époque ».
En avril 2026, la banque a bifurqué vers GLM-5.1, installé sur des serveurs dédiés et utilisable sans limite de tokens. Un token est le petit morceau de texte, un mot ou un fragment de mot, que traite un modèle ; les services d'IA des grands groupes américains sont facturés au volume de tokens consommés. C'est à partir de ce moment, d'après Numerama, que les chiffres de productivité ont bondi.
Un modèle chinois à poids ouverts, installé sur 56 puces Nvidia
GLM est développé par le laboratoire chinois Z.ai. Il est publié en open-weight, autrement dit à poids ouverts : n'importe qui peut télécharger ses poids, les paramètres qui constituent le modèle, et les installer sur les machines de son choix. Le modèle compte environ 800 milliards de paramètres, selon Trending Topics. GLM s'inscrit dans un mouvement plus large, celui de d'autres modèles chinois à poids ouverts, que l'on peut faire tourner sans passer par le service de leur éditeur.
Revolut s'appuie sur 56 puces Nvidia B200 pour servir ses ingénieurs. Le principe économique change : avec les modèles de Google ou d'Anthropic, la facture suit la consommation ; avec GLM, elle ne dépend plus du volume, mais l'entreprise doit payer les machines et en ajouter si la demande dépasse leur capacité. Abitbol n'a pas précisé, d'après Trending Topics, si la banque possède ou loue ces puces.
Le coût moyen avancé est de 0,30 dollar par million de tokens. La dépense totale représente environ un dixième de ce que Revolut versait à Anthropic, précise Numerama ; Trending Topics parle d'Anthropic et d'OpenAI. D'où la facture « divisée par dix » mise en avant par la banque. L'objectif affiché par Abitbol est d'offrir des tokens illimités aux ingénieurs pour qu'ils puissent « utiliser l'IA sans culpabiliser », pour une fraction du coût.
L'installation n'a pas été simple : il a fallu de longs réglages. Le temps d'attente avant le début de la réponse est passé de plus de 10 secondes à 1,6 seconde, sur le même nombre de puces, alors que la demande montait de 3 à plus de 7 requêtes par seconde, selon Numerama. David Abitbol a aussi lâché une formule rapportée par Trending Topics : « Long context is a scam » (« le contexte long est une arnaque »).
Le dispositif a ses limites. La fenêtre de contexte, la quantité de texte que le modèle peut considérer à la fois, est de 256 000 tokens. GLM ne traite que du texte : les tâches portant sur des images sont envoyées à Gemini, précise Trending Topics.
Données, régulateurs et réserves sur les chiffres
La question de l'origine chinoise du modèle se pose naturellement. David Abitbol y a répondu en distinguant le modèle du service qui l'héberge : « Vous ne passez pas par le service qui mène en Chine, vous récupérez simplement les poids pour les installer sur un service basé aux États-Unis », dans la traduction de Numerama. Trending Topics ajoute qu'il a reconnu une forte méfiance autour des modèles open source chinois.
Pour lui, il n'y a pas de difficulté tant que les données restent dans l'Union européenne ou dans des pays à protection jugée équivalente. Trending Topics cite les États-Unis, l'UE, le Royaume-Uni et Israël, ainsi que des prestataires sans conservation des données par défaut. Pour rassurer les régulateurs, Revolut fait travailler les assistants dans un environnement isolé, avec des opérations autorisées définies à l'avance et un humain qui reste aux commandes.
Numerama relève toutefois que cette réponse porte sur la circulation des données. Le journaliste note qu'Abitbol n'a pas abordé les risques liés au modèle lui-même, ni ceux liés au code qu'il produit.
Les résultats chiffrés sont ceux de l'entreprise, non vérifiés de façon indépendante. Revolut revendique désormais 60 % de temps de code en moins et 70 % de délai de livraison en moins. Le délai ayant plus progressé que le temps de code, la banque en conclut que l'écriture du code n'était pas le principal goulot d'étranglement.
Sur les économies, Trending Topics cite une réserve de StartupHub.ai : les 90 % ne comprennent pas les coûts de cloud, de personnel et de surveillance, et des équipes plus petites pourraient faire face à des factures élevées ou à des temps de réponse lents. Autrement dit, le chiffre est celui d'une organisation qui dispose déjà de l'équipe nécessaire pour exploiter ses propres machines.
Revolut n'abandonne pas pour autant les modèles américains. Selon Numerama et Trending Topics, les modèles ouverts sont devenus la priorité par défaut, mais Claude Code, Codex d'OpenAI et Gemini restent disponibles pour certains usages. Libérés de la crainte d'épuiser leur budget, les ingénieurs confient aussi à l'IA des tâches annexes, comme fouiller leur messagerie ou leurs outils internes.
Revolut, qui compte plus de 80 millions de clients dans 45 marchés selon Trending Topics, a annoncé en juillet avoir dépassé 8 millions de clients en France, avec un objectif de 10 millions d'ici fin 2027. Pour ses équipes techniques, la priorité va désormais au modèle à poids ouverts, payé à la machine et non plus au token.
