Revolut Réduit de 90 % ses Coûts de Codage IA grâce à des Modèles Auto-Hébergés

Revolut, la société fintech britannique, a annoncé une réduction remarquable de ses coûts d'inférence de codage IA, atteignant une diminution d'environ 90 % en moins d'un an. Cette mesure d'économie significative a été réalisée en passant à des modèles auto-hébergés et à poids ouverts, s'éloignant ainsi de la dépendance à des services commerciaux tels que Claude d'Anthropic.

Lors de la récente conférence AI Engineer à New York, David Abitbol, responsable des opérations et de l'infrastructure chez Revolut, a partagé des informations sur la transition de l'entreprise. Après le déploiement d'outils de codage IA à environ 2 000 ingénieurs, Revolut a signalé une amélioration de 60 % du temps de codage et une amélioration de 70 % du délai de livraison, qui mesure la durée entre le début d'un projet et sa livraison.

Les modèles auto-hébergés, provenant du laboratoire d'IA chinois Z.ai, ont commencé à être déployés avec le modèle GLM-5.1 en avril 2026, puis ont été mis à niveau vers le GLM-5.3. Le nouveau modèle fonctionne sur 56 GPU Nvidia B200 au sein de l'infrastructure de Revolut, avec un coût d'environ 0,30 $ par million de tokens. Avant ce changement, l'entreprise faisait face à des factures mensuelles substantielles allant de 1 000 à 10 000 $ en raison de l'utilisation d'API commerciales, ce qui a entraîné des contrôles budgétaires stricts et un rationnement des tokens.

En s'auto-hébergeant, Revolut a éliminé le besoin de rationnement des tokens, permettant aux ingénieurs de se concentrer sur des tâches plus complexes plutôt que sur des tâches banales comme la documentation et le traitement des tickets. L'entreprise a également optimisé son système après le lancement, atteignant une augmentation de 76 % du débit et réduisant le temps de réponse au premier token à une moyenne de 1,6 à 1,68 secondes.

La décision de Revolut de s'auto-héberger des modèles IA est particulièrement remarquable compte tenu de son statut d'institution financière réglementée. Cette approche garantit la conformité en exécutant les poids IA sur une infrastructure américaine tout en maintenant une supervision humaine des suggestions de code. Le modèle d'auto-hébergement nécessite un investissement initial important en matériel et en expertise, mais avec une main-d'œuvre de 2 000 ingénieurs, l'économie devient favorable.