C’est l’une des plus grosses néobanques d’Europe, plus de 80 millions de clients, et elle vient de faire un choix que peu d’entreprises de sa taille assument publiquement. Revolut a retiré à ses quelque 2 000 ingénieurs les assistants de programmation d’Anthropic et d’OpenAI, Claude Code et Codex, comme outils par défaut. Elle les a remplacés par GLM, un modèle chinois à poids ouverts, qu’elle fait tourner sur ses propres machines. Résultat annoncé : une facture d’IA de programmation divisée par dix environ. Faut-il y voir la fin de la dépendance aux géants américains, ou un simple calcul d’épicier ?
Ce qu’a raconté Revolut
Le récit vient de David Abitbol, responsable des opérations et de l’infrastructure d’IA chez Revolut, lors de la conférence AI Engineer à New York, rapporté le 3 novembre par le site britannique The Register. La banque a d’abord déployé Gemini de Google début 2025, puis Claude Code début 2026, avec des budgets stricts par ingénieur. Les gains étaient réels mais coûteux : certains ingénieurs dépensaient de 1 000 à 10 000 dollars par mois, pour un retour jugé modeste. Et le rationnement produisait un effet pervers : les équipes gardaient leurs crédits pour les tâches difficiles, ou pour la fin du trimestre.
Revolut a donc installé GLM, développé par le laboratoire chinois Z.ai, d’abord dans sa version 5.1, puis 5.3. Le modèle tourne sur 56 puces Nvidia B200, pour un coût d’environ 30 centimes de dollar par million de tokens, soit à peu près un dixième de ce que lui facturaient Anthropic et OpenAI. Surtout, la facture est devenue fixe et prévisible, et les plafonds par ingénieur ont disparu. Revolut affirme avoir réduit le temps de programmation de 60 % et le délai de mise en production de 70 %. Selon David Abitbol, les plus gros gains ne viennent pas de l’écriture du code, mais du débogage et de la recherche d’informations dans les tickets et la documentation interne.
Claude Code et Codex n’ont pas disparu : ils restent disponibles, mais en exception. Comme GLM ne traite que du texte, les tâches qui demandent de lire des images passent par Gemini ou GPT.
Les nuances qui comptent
Le chiffre de 90 % est séduisant, mais il ne dit pas tout. Il porte sur le coût de calcul du modèle, pas sur l’ensemble : Revolut n’a pas précisé si elle a acheté ou loue ses puces, et le calcul n’inclut ni l’hébergement, ni l’électricité, ni les équipes qui font tourner l’ensemble. À titre d’ordre de grandeur, 56 puces B200 représentent à elles seules entre 1,7 et 2,2 millions de dollars au prix de lancement annoncé par Nvidia, selon le calcul du site Trending Topics. Il a aussi fallu un vrai travail d’ingénierie : au départ, les performances étaient « terribles », reconnaît David Abitbol, avec plus de dix secondes d’attente avant la première réponse, ramenées à 1,6 seconde après optimisation. Les chiffres de productivité, enfin, sont ceux de l’entreprise, sans méthode publiée.
Reste la question qui fâche : un modèle chinois, dans une banque ? David Abitbol reconnaît qu’il existe « beaucoup de stigmatisation » autour des modèles ouverts chinois. Sa réponse est précise : Revolut n’utilise que les poids publiés, qu’elle fait tourner hors de Chine, sur des serveurs dont elle maîtrise l’accès, sans jamais passer par les services en ligne du développeur. Pour lui, le risque principal serait d’envoyer ses données à une API exploitée depuis la Chine, pas de télécharger un fichier de poids. Les agents de programmation tournent dans un environnement isolé, et chaque commande doit être validée par un humain.
Ce que cela dit du marché
L’intérêt de cette histoire n’est pas que le modèle soit chinois. C’est qu’il soit ouvert. Une entreprise qui télécharge des poids et les fait tourner chez elle n’est plus soumise aux hausses de prix, aux quotas ou aux changements de conditions d’un fournisseur. Elle fixe elle-même ses règles d’usage et garde ses données. C’est exactement ce que promettent les modèles ouverts, et ce que démontre ici une entreprise régulée, qui a beaucoup à perdre en cas de faille.
Le contraste avec la stratégie des grands laboratoires américains est frappant. Ceux-ci vendent l’accès à leurs modèles au détail, au token, avec des abonnements qui se rationnent de plus en plus. Même Apple vient de réduire le budget d’IA quotidien de ses propres salariés, selon Bloomberg. Pendant ce temps, les modèles ouverts, chinois pour beaucoup, mais aussi européens comme Mistral Large 4 dont les poids ont été publiés fin octobre, rattrapent leur retard. Pour un usage aussi intensif que la programmation, l’écart de qualité devient moins décisif que l’écart de prix et de contrôle.
Ce choix n’est évidemment pas à la portée de tous. Il faut des moyens, des compétences et un volume d’usage suffisant pour amortir des machines à plusieurs millions. Pour une PME, la question se pose autrement : un modèle plus petit sur un poste local, ou un hébergeur européen qui propose des modèles ouverts. Mais le signal est là : le jour où le vrai prix de l’IA devient visible, les entreprises qui en ont les moyens reprennent la main. Et ce n’est sans doute pas un hasard si cette annonce arrive la semaine où la Bourse commence à douter de la rentabilité des géants de l’IA.
Sources
- The Register — British fintech Revolut slashes AI coding costs 10x by cutting out Claude and going self-hosted (3 novembre 2026)
- Trending Topics — Revolut, GLM et les coûts de l’IA de programmation
- StartupHub.ai — Revolut says self-hosted AI cut coding costs 90%
- Dealroom — Revolut moves 2,000 engineers onto self-hosted AI
- Bloomberg — Apple cuts internal AI usage budgets (4 novembre 2026)
Un mot vous échappe ? Le lexique de l’IA explique simplement les termes qu’on emploie.

