Revolut a annoncé la création d'une division de recherche dédiée à l'intelligence artificielle, Revolut Research, destinée à développer et à affiner Pragma, un modèle foundation entraîné exclusivement sur les données transactionnelles de ses clients. Selon la fintech britannique, cette stratégie vise à réduire sa dépendance aux solutions tierces et à construire une « intelligence financière » native capable d'améliorer plusieurs fonctions centrales de la banque digitale.
Des gains affichés sur le scoring, la fraude et la recommandation
La société, qui revendique environ 80 millions d'utilisateurs dans plus de 40 marchés, avance des performances prometteuses sur des jeux de données historiques : +2,3x de capacité de détection du risque de défaut de crédit, +65 % sur l'identification des cas de fraude et +41 % d'amélioration de la pertinence des recommandations produits. Ces résultats, fournis par Revolut, sont présentés comme des indicateurs hypothétiques de gains potentiels si les chiffres se confirment en production.
| Métrique | Amélioration revendiquée |
|---|---|
| Détection du risque de défaut | +2,3x |
| Identification de la fraude | +65 % |
| Pertinence des recommandations | +41 % |
Ces améliorations seraient potentiellement disruptives pour les systèmes traditionnels de scoring et de détection de risque, qui reposent souvent sur des modèles de scoring tiers ou des fournisseurs externes. En internalisant le développement d'un modèle fondation, Revolut cherche à capter non seulement la valeur technologique mais aussi la marge commerciale associée à la relation client : «
Pour mener l’avenir de la banque intelligente, on ne peut pas s’appuyer sur des schémas tiers», affirme Pavel Nesterov, responsable IA chez Revolut.
Stratégie technique et ouverture
Revolut annonce vouloir ouvrir en open source les frameworks techniques entourant Pragma et inviter la communauté scientifique à contribuer à son amélioration continue. Parallèlement, la néobanque s'appuie sur un partenariat avec NVIDIA pour fournir la puissance GPU nécessaire à l'entraînement de modèles à grande échelle sur des volumes considérables de transactions transfrontalières.
Conséquences pour les acteurs bancaires et la régulation
La construction d'un modèle natif sur données propriétaires soulève plusieurs implications :
- un renforcement de l'avantage compétitif pour Revolut si les gains en production se confirment ;
- des questions de conformité et de protection des données, notamment au regard du RGPD, sur l'entraînement de modèles à partir d'historiques transactionnels ;
- une pression accrue sur les banques traditionnelles et fintechs qui s'appuient encore sur des prestataires externes d'IA ou des outils américains.
Pour la place financière française et les régulateurs européens, le défi sera de garantir que ces modèles respectent les exigences de transparence, d'explicabilité et de contrôle des biais décisionnels, tout en permettant l'innovation. Le message de Revolut — « build, don't bolt on » — illustre une stratégie d'intégration verticale de l'IA qui, si elle réussit, pourrait redessiner la chaîne de valeur de la banque digitale.
À court terme, les promesses chiffrées de Pragma devront être validées en production, dans des environnements régulés et face aux risques opérationnels inhérents aux modèles entraînés sur des données sensibles. Ces validations détermineront si les gains annoncés se traduisent réellement en réduction du coût du risque, en moindre fraude et en meilleures recommandations pour les clients.
