Revolut divise par dix le coût de ses agents de code en open source

Revolut affirme avoir réduit d'environ 90 % le coût de ses outils de programmation assistée par IA en moins d'un an, en remplaçant par défaut les services payants comme Claude Code ou Codex par un modèle ouvert qu'il héberge lui-même. Environ 2 000 ingénieurs de la néobanque britannique utilisent ce dispositif. Un retour d'expérience rare, chiffré, qui alimente le débat sur le coût réel des agents d'IA en entreprise.

Le témoignage vient de David Abitbol, responsable des opérations et de l'infrastructure de Revolut, lors d'une conférence en octobre. Il a été rapporté le 3 novembre 2026 par The Register, puis repris et analysé par plusieurs médias spécialisés.

Le sujet dépasse largement la fintech. La plupart des entreprises qui déploient des agents d'IA paient à l'usage, au nombre de jetons consommés. Cette facturation rend les coûts imprévisibles et pousse à rationner les outils. Revolut a fait le choix inverse : investir dans son propre matériel pour que l'usage devienne quasi gratuit à la marge. Le résultat éclaire un arbitrage que toutes les directions informatiques vont devoir faire.

Ce que Revolut a mis en place

L'histoire commence par une méfiance. Revolut a d'abord testé Gemini début 2025, puis Claude Code début 2026, raconte The Register. David Abitbol explique que certains ingénieurs dépensaient 1 000, voire 10 000 dollars par mois sans retour sur investissement évident. Les outils ont donc été déployés avec des budgets stricts, ce qui limitait le nombre de jetons disponibles pour chaque développeur.

C'est cette contrainte qui a conduit l'entreprise à tester l'auto-hébergement. Revolut a adopté GLM, une famille de modèles à poids ouverts développée par le laboratoire chinois Z.ai, d'abord en version 5.1 puis 5.3. Selon The Register, l'hébergement de GLM 5.1 revenait à environ 0,30 dollar par million de jetons, soit à peu près un dixième du coût d'usage de Codex ou de Claude Code.

Une infrastructure dédiée

Pour servir le modèle à grande échelle, Revolut a déployé 56 processeurs graphiques Nvidia B200. Le modèle est massif : environ 754 milliards de paramètres au total, dont 40 milliards activés pour chaque jeton généré, et quelque 380 Go de mémoire graphique rien que pour stocker ses poids, précise The Register.

Le gain de performance n'est pas venu de l'ajout de matériel, mais du réglage fin : paramétrage du modèle, quantification en NVFP4, séparation des phases de lecture et de génération, ajustement de la longueur de contexte. Revolut atteint ainsi moins de 3 secondes avant le premier jeton sur des contextes d'environ 256 000 jetons, et une vitesse d'environ 200 jetons par seconde.

Des sources pas toujours concordantes

Il faut noter des divergences entre les comptes rendus. Startup Fortune situe l'intervention à la conférence GTC Berlin du 22 octobre et parle du modèle GLM-4.5, quand The Register évoque une conférence AI Engineer à New York et les versions 5.1 et 5.3. Les grandes lignes, en revanche, concordent : 2 000 ingénieurs, 56 puces B200, environ 0,30 dollar par million de jetons et une baisse de coût d'environ 90 %.

Les vrais gains : déboguer et traiter les tickets

Le résultat le plus intéressant n'est pas celui qu'on attendait. Revolut annonce une amélioration de 60 % du temps de codage et de 70 % du délai de livraison, sur un échantillon de ses 2 000 ingénieurs après un déploiement en avril. Mais selon David Abitbol, le principal goulot d'étranglement n'était pas l'écriture du code.

Les plus gros gains sont venus des tâches périphériques : le débogage et le traitement des tickets dans Jira et Confluence. Quand les jetons ne sont plus comptés, les ingénieurs n'hésitent plus à confier ces tâches répétitives aux agents. Ils n'ont plus à économiser leur quota pour la fin du trimestre ou pour les tâches les plus difficiles. La manière de travailler change aussi : les développeurs lancent plusieurs tâches en parallèle et reviennent quand elles sont terminées, plutôt que de suivre le raisonnement du modèle en direct.

Le mythe du contexte géant

David Abitbol tire une leçon plus technique, qui concerne directement les acheteurs d'IA. Proposer une fenêtre de contexte d'un million de jetons ne la rend pas utile pour autant. « Le contexte long est une arnaque », lance-t-il, cité par The Register, estimant que 256 000 jetons suffisent en pratique.

Indicateur	Avant	Après
Modèle par défaut	Services commerciaux (Gemini, Claude Code)	GLM auto-hébergé
Coût par million de jetons	Environ 10 fois plus élevé	Environ 0,30 dollar
Ingénieurs concernés	Accès budgété	Environ 2 000, sans rationnement
Matériel	Aucun	56 Nvidia B200
Temps avant premier jeton	n.c.	Moins de 3 secondes

Sources : The Register, Startup Fortune.

Ce que cela change pour les entreprises

Le premier enseignement concerne le modèle économique des agents. Avec une facturation au jeton, chaque usage supplémentaire coûte, ce qui freine l'adoption des usages les plus utiles mais les moins spectaculaires. Avec une infrastructure à coût fixe, la logique s'inverse : plus les agents sont utilisés, plus l'investissement est rentabilisé. « La facturation est forfaitaire, nous n'avons pas de mauvaise surprise en fin de mois », résume David Abitbol.

Le deuxième concerne le choix des modèles. Revolut n'a pas abandonné les grands laboratoires : GLM ne traite que du texte, et un routeur envoie les tâches visuelles vers des modèles comme Gemini ou GPT Luna. Le modèle de pointe devient l'exception, réservée aux cas qui le justifient. Cette approche hybride, qui combine modèles locaux et services cloud, est celle que nous décrivions dans notre article sur l'intérêt d'associer intelligence artificielle locale et cloud.

Attention aux effets d'échelle

Le cas Revolut ne se transpose pas tel quel à une PME. Resultsense souligne que 56 processeurs graphiques et une équipe capable de les régler représentent un engagement lourd : une entreprise de quelques dizaines de développeurs ne doit pas s'attendre aux mêmes économies. Startup Fortune estime le matériel à environ 2,7 millions de dollars, sur la base d'un prix catalogue d'environ 390 700 dollars pour un serveur de huit B200 chez un intégrateur, hors énergie, réseau et salaires.

Pour une PME, les leçons utiles sont ailleurs :

• Mesurer le coût réel par usage : savoir combien coûte un agent par tâche, et pas seulement par mois, en intégrant l'abonnement, le temps de supervision et les erreurs à corriger.
• Ne pas rationner les usages à forte valeur : le débogage ou le traitement des tickets peuvent rapporter plus que la génération de code.
• Garder la porte ouverte aux modèles ouverts : via un prestataire européen ou un serveur local, ils peuvent réduire la facture sur des tâches répétitives.

Limites et questions ouvertes

Les chiffres sont ceux de Revolut et n'ont pas fait l'objet d'une vérification indépendante. Resultsense relève que les gains de productivité annoncés ne précisent pas ce qu'ils mesurent exactement, et que le coût forfaitaire dépend du taux d'utilisation du matériel, une donnée non communiquée. Les économies pourraient aussi être réduites si le modèle ouvert nécessite plus de tentatives qu'un modèle de pointe pour aboutir.

La question de l'origine du modèle se pose également. GLM est développé par un laboratoire chinois. David Abitbol reconnaît que ces modèles soulèvent des inquiétudes de confidentialité et de sécurité, mais estime que le risque principal tient à l'accès via des API hébergées en Chine, et qu'il disparaît lorsque le modèle tourne dans ses propres locaux ou sur un cloud régional. Cette analyse n'a pas été évaluée de façon indépendante, rappelle Resultsense. Pour une entreprise européenne soumise à des exigences de conformité, le choix d'un modèle doit passer par une analyse de risques formalisée.

Ce qu'il faut surveiller

Trois tendances découlent de ce retour d'expérience. D'abord, la pression sur les prix des grands laboratoires, dont les clients disposent désormais d'alternatives crédibles pour les usages courants. Ensuite, l'essor des offres d'hébergement de modèles ouverts en Europe, qui rendent cette option accessible sans acheter de matériel. Enfin, la généralisation des routeurs de modèles, qui envoient chaque requête vers l'outil le plus adapté et le moins cher.

L'expérience de Revolut montre que le coût des agents de code n'est pas une fatalité. Pour les dirigeants, la bonne question n'est plus seulement « quel modèle choisir ? », mais « quel modèle pour quelle tâche, et à quel coût ? ».

En bref

• Revolut a réduit d'environ 90 % le coût de ses agents de code en hébergeant lui-même le modèle ouvert GLM.
• Environ 2 000 ingénieurs l'utilisent, sur une infrastructure de 56 processeurs graphiques Nvidia B200.
• Les plus gros gains viennent du débogage et du traitement des tickets, rendus possibles par des jetons non rationnés.
• Les tâches visuelles restent confiées à des modèles commerciaux comme Gemini.
• Le modèle ne se transpose pas tel quel aux PME, mais la logique de coût par tâche et de routage s'applique à toutes.

Sources

• British fintech Revolut slashes AI coding costs 10x by cutting out Claude and going self-hosted, The Register, 3 novembre 2026
• Revolut says self-hosted GLM cut AI coding costs by 90%, Resultsense, 4 novembre 2026
• Revolut Says Self-Hosted Open AI Models Cut Its Coding Costs 90%, Startup Fortune, novembre 2026

Photo d'illustration : StockSnap sur Pixabay.