Revolut ne veut plus se contenter d’ajouter des assistants IA à ses applications. La fintech veut désormais construire une partie de son intelligence artificielle en interne.

Le groupe a annoncé le 25 août 2026 la création de Revolut Research, une division consacrée au développement de nouvelles architectures de machine learning pour les services financiers.

Au centre du dispositif se trouve PRAGMA, un modèle fondation propriétaire développé avec Nvidia et spécialement conçu pour comprendre les comportements financiers.

L’enjeu dépasse donc largement le lancement d’un nouveau chatbot : Revolut cherche à transformer ses données transactionnelles en infrastructure d’intelligence bancaire propriétaire.

PRAGMA, le modèle d’IA que Revolut veut intégrer au cœur de sa banque

Contrairement aux grands modèles généralistes comme ChatGPT ou Claude, PRAGMA est spécialisé dans les données financières et transactionnelles.

Selon les travaux de recherche consacrés au modèle, PRAGMA repose sur une architecture Transformer entraînée sur des séquences d’événements bancaires.

Le modèle doit pouvoir servir de socle commun à plusieurs usages :

  • détection de fraude ;
  • évaluation du risque de crédit ;
  • recommandations personnalisées ;
  • analyse des comportements financiers ;
  • opérations internes de la plateforme.

Cette logique permet à Revolut de remplacer progressivement une multitude de modèles spécialisés par une couche commune capable d’apprendre des représentations comportementales générales.

Nvidia indique que PRAGMA a notamment été entraîné sur 24 milliards d’événements issus de 26 millions de profils utilisateurs dans plus de 100 pays, avec son infrastructure de calcul et plusieurs composants de sa pile IA.

Revolut revendique déjà des gains importants contre la fraude

Revolut affirme que les premiers tests réalisés sur des données historiques montrent des gains significatifs.

Selon l’entreprise, PRAGMA permettrait notamment de détecter 65 % de cas de fraude supplémentaires, d’améliorer fortement l’évaluation du risque de crédit et d’augmenter la pertinence de certaines recommandations produits.

Ces résultats doivent cependant être interprétés avec prudence : ils sont communiqués par Revolut et reposent sur ses propres évaluations, sans benchmark indépendant publié à ce stade.

Mais ils illustrent l’intérêt économique potentiel de ce type de modèle.

Dans la banque, une amélioration même limitée de la détection des fraudes ou du scoring crédit peut représenter des économies considérables lorsque les volumes atteignent plusieurs centaines de millions de transactions.

Revolut affirme d’ailleurs que ses systèmes de sécurité analysent désormais près d’un milliard de transactions chaque mois.

Pourquoi Revolut construit sa propre IA au lieu d’utiliser uniquement ChatGPT

La stratégie de Revolut rejoint une tendance plus profonde : certaines grandes entreprises cherchent désormais à reprendre le contrôle de leur infrastructure IA.

Les modèles généralistes restent extrêmement performants pour le langage, la recherche ou l’assistance, mais les banques disposent d’un actif que les fournisseurs d’IA externes ne possèdent pas : leurs historiques transactionnels.

Ces données permettent d’observer des séquences complexes de paiements, transferts, connexions, comportements et interactions financières.

C’est précisément cette logique que Nvidia présente comme celle des transaction foundation models, des modèles capables d’apprendre une représentation globale du comportement financier plutôt que de traiter chaque problème séparément.

Revolut transforme donc ses données propriétaires en avantage concurrentiel.

Cette approche rappelle également la stratégie du Crédit Agricole, qui investit massivement dans sa propre infrastructure d’intelligence artificielle, avec le même objectif de limiter une dépendance excessive aux plateformes technologiques externes.

Nvidia devient aussi un fournisseur stratégique de l’IA bancaire

Le rôle de Nvidia ne se limite plus à vendre des GPU aux laboratoires développant les grands modèles génératifs.

Le groupe accompagne désormais directement les banques dans la création de modèles fondation spécialisés.

Selon Nvidia, 65 % des institutions financières utilisent déjà l’intelligence artificielle, tandis que près de 90 % l’utilisent ou évaluent actuellement son adoption.

Mastercard, Stripe ou Adyen travaillent eux aussi sur des architectures capables d’exploiter leurs immenses volumes de transactions.

La stratégie s’inscrit dans une transformation plus large de Nvidia, qui cherche désormais à contrôler une part croissante de la chaîne de valeur de l’IA. Le groupe développe son infrastructure logicielle, ses modèles, ses plateformes et va jusqu’à mobiliser des centaines de milliards de dollars pour financer les infrastructures IA.

Les données deviennent le véritable avantage compétitif des banques

Le lancement de PRAGMA révèle surtout un changement de rapport de force.

Pendant longtemps, les banques se différenciaient par leur réseau d’agences, leurs produits financiers, leur application mobile ou leurs tarifs.

Avec l’intelligence artificielle, une nouvelle variable apparaît : la capacité à exploiter plusieurs années de données financières propriétaires pour entraîner des modèles spécialisés.

Une banque disposant de dizaines de millions de clients possède un historique comportemental que ses concurrents ne peuvent pas simplement acheter.

Revolut revendique désormais plus de 80 millions de clients particuliers dans le monde. En France, où l’entreprise vient d’obtenir une licence bancaire complète, elle affirme compter environ 8 millions de clients particuliers et plus de 55 000 entreprises clientes.

À mesure que ces volumes augmentent, chaque nouvelle transaction peut théoriquement renforcer les modèles développés en interne.

C’est ce qui transforme l’IA bancaire en logique cumulative : plus la plateforme possède de données pertinentes, plus elle peut améliorer ses modèles, et plus ces modèles peuvent renforcer ses produits.

PRAGMA pourrait préfigurer une nouvelle génération de banques

Revolut Research prévoit également de publier régulièrement ses travaux scientifiques et d’ouvrir certains frameworks techniques à la communauté.

La fintech ne cherche donc pas seulement à ajouter quelques fonctionnalités d’intelligence artificielle à son application.

Elle tente de construire une architecture bancaire dans laquelle l’IA devient une couche centrale de décision et d’analyse.

La tendance est déjà visible ailleurs : automatisation des contrôles, scoring dynamique, assistants financiers, détection comportementale des fraudes ou personnalisation des produits.

Pour les banques traditionnelles, le risque est désormais moins de manquer un nouvel outil que de conserver une architecture composée de dizaines de systèmes isolés face à des concurrents capables d’entraîner un socle d’intelligence commun.

PRAGMA constitue à ce titre un signal important : après avoir transformé l’expérience bancaire avec le mobile, les fintechs veulent désormais construire leur propre intelligence financière.

À retenir

Revolut développe PRAGMA avec Nvidia, un modèle fondation spécialisé dans les comportements financiers et destiné notamment à la fraude, au risque de crédit et à la personnalisation.

La banque affirme obtenir des améliorations importantes lors de ses premiers tests, même si ces performances restent pour l’instant communiquées par l’entreprise elle-même.

Au-delà des chiffres, la stratégie est claire : Revolut veut transformer ses données transactionnelles en avantage technologique propriétaire plutôt que dépendre uniquement de modèles d’intelligence artificielle externes.