Revolut fait passer 2000 ingénieurs à GLM en auto-hébergement et réduit de 90% ses dépenses de programmation assistée par IA

Les factures de programmation assistée par IA augmentent plus vite que les équipes ne parviennent à en mesurer les bénéfices. Revolut, la fintech britannique qui compte des dizaines de millions de clients, a choisi une réponse radicale : en moins d’un an, elle a réduit d’environ 90% ses dépenses en assistants de programmation. Cela représente des coûts presque divisés par dix, et le cas est particulièrement intéressant pour une entreprise financière soumise à des exigences strictes en matière de données.

Ce qui a concrètement changé

La banque a abandonné Claude Code et Codex pour adopter GLM, le modèle ouvert du laboratoire chinois Z.ai. Le modèle fonctionne sur les propres GPU de Revolut : le code et les requêtes des ingénieurs ne sont donc pas transmis à un prestataire externe. À en juger par le titre du contenu source, le coût serait de l’ordre de 0,30 $ par million de tokens, et environ 2000 ingénieurs auraient migré vers ce nouveau dispositif.

Ces chiffres ont été présentés par David Abitbol, responsable de l’exploitation et de l’infrastructure de Revolut, lors de la conférence AI Engineer à New York. Une réserve essentielle : il s’agit d’une estimation de l’entreprise, qui n’a fait l’objet d’aucune vérification indépendante. Les 90% doivent donc être considérés comme un résultat revendiqué, et non comme un fait établi.

D’où viennent les économies

Le contenu dont nous disposons ne détaille pas le calcul. Ce qui suit relève donc de notre interprétation, et non d’un compte rendu de la présentation.

Les assistants payants facturent les tokens ou les licences utilisateur dans le cadre d’un abonnement. Les usages agentiques consomment des quantités considérables de tokens : le modèle lit le dépôt, modifie des fichiers, lance des tests, puis en relit les résultats. Avec des milliers d’ingénieurs, la facture augmente avec l’utilisation. Plus les équipes maîtrisent l’outil, plus celui-ci pèse sur le budget.

Disposer de son propre matériel transforme une dépense variable en dépense presque fixe. Les GPU sont déjà achetés ou loués, et chaque requête supplémentaire entraîne des coûts d’électricité et d’amortissement. Prenons un exemple simple : si un agent consomme plusieurs millions de tokens pour une tâche, à 0,30 $ le million, le coût est de l’ordre d’un dollar. La même tâche exécutée avec un modèle haut de gamme via une API commerciale peut coûter plusieurs fois plus cher.

Mais cet avantage n’apparaît que si les GPU sont fortement utilisés. Un cluster sous-utilisé peut rapidement absorber toutes les économies.

Ce que l’on ignore encore

Plusieurs zones d’ombre doivent être prises en compte avant de reproduire cette approche :

• La qualité. On ignore dans quelle mesure GLM rivalise avec Claude et Codex sur les tâches réelles de Revolut, et à quelle fréquence les ingénieurs doivent reprendre le travail produit.
• Le coût total. On ne sait pas si les 0,30 $ par million de tokens comprennent l’achat des GPU, l’électricité et le travail de l’équipe chargée de maintenir l’inférence.
• Les raisons du choix. Pour une banque, l’auto-hébergement répond probablement aussi à des enjeux de sécurité des données et de conformité, au-delà du prix. Il s’agit de notre hypothèse.
• La reproductibilité. Revolut dispose d’une solide équipe d’infrastructure. Une startup de 30 personnes n’a pas nécessairement les mêmes ressources.

Ce qu’il faut en retenir en pratique

La principale leçon n’est pas que les modèles ouverts ont battu les modèles fermés. Elle est que le coût de la programmation assistée par IA peut être mesuré et optimisé comme n’importe quelle autre dépense d’infrastructure.

Ce que les équipes peuvent faire :

• Calculez le coût par pull request acceptée ou par tâche terminée, plutôt que par token. Un modèle peu coûteux qui nécessite de fréquentes reprises peut finalement revenir plus cher.
• Lancez un pilote auprès de 20–50 ingénieurs et comparez le modèle ouvert à votre outil actuel sur vos propres tâches, plutôt que sur des benchmarks publics.
• Estimez le futur taux d’utilisation des GPU avant de les acheter. L’inférence sur votre propre infrastructure devient rentable avec une charge régulière.
• Envisagez une approche hybride : confier les tâches courantes à votre propre modèle et réserver les problèmes d’architecture complexes à un modèle fermé de pointe.

Si votre facture d’assistants pèse déjà dans le budget, le cas Revolut mérite au moins de figurer dans votre tableau de scénarios. Testez cette approche sur vos propres données, sans prendre les 90% annoncés pour argent comptant.