Le score SOTA est une projection. Les déploiements bancaires constituent la substance réelle.

L’annonce indique que le modèle FalconTST Model 2.0 de Ant International a réussi à atteindre des performances de pointe sur le principal benchmark pour la prédiction de séries temporelles. On peut interpréter cela comme une preuve d’excellence technique. Ou bien, on peut le voir comme un prélude à un prospectus.

Le 21 juillet, Ant International a fermé.1,2 milliards de dollars pour la série ARond. L’entreprise se prépare à une éventuelle introduction en bourse, ce qui pourrait valoir cette unité à environ…10 milliardsTrois semaines plus tard, l’entreprise publie une communication de presse indiquant que son nouveau modèle d’IA se classe en tête du classement GIFT-Eval. Cette annonce fait beaucoup parler.

La question plus intéressante est ce que ce modèle fait réellement, et si les scores de benchmark vous disent quelque chose d’utile sur le secteur qu’il serve.

FalconTST est un modèle de base de données temporelle – c’est-à-dire qu’il est conçu pour prédire des chiffres qui changent au fil du temps, et non des textes ou des images. Les entreprises financières produisent précisément ce type de données : flux de trésorerie, risques monétaires, soldes de règlement, volumes de transactions. Ant a construit ce modèle afin de pouvoir prévoir ses propres besoins en changes, sans avoir à faire des hedging excessif ou insuffisant, ce qui coûte de l’argent. Ce n’est pas un cas d’usage très attrayant… C’est plutôt une nécessité pour les paiements transfrontaliers.

L’entreprise indique que le modèle gère désormais environ 60 % de ses transactions mondiales. Il traite plus de 1,5 billions de dollars par an. Selon les comptes d’Ant, ce modèle permet de réduire les coûts liés aux contrats de change.jusqu’à 60 pour centCe ne sont pas des économies théoriques. C’est plutôt un type d’économies qui améliore directement le taux de marge brute dans une entreprise de paiements en gros ayant un faible taux de marge.

Alors, Ant a fait ce que les entreprises technologiques font lorsque elles se rendent compte que leurs outils internes sont meilleurs que ce que les clients achètent. Ils l’ont packagé et vendu aux banques.

Standard Chartered fut le premier. Son intégration avec la plateforme de liquidité SCALE de la banque permet aux clients corporatifs d’obtenir des prévisions de changes en temps réel. Le client aérien pilote Citi a testé ce modèle, et les résultats ont été positifs.30 % sur les coûts de hedgingBarclays et Deutsche Bank ont également intégré FalconTST, bien que sans détails publiques suffisants. Ce ne sont pas des partenariats vagues : il s’agit de mises en œuvre réelles dans des institutions financières majeures.

C’est l’histoire réelle. Pas les scores de référence. Le fait qu’une société chinoise dans le domaine des technologies financières ait développé un outil de prévision que quatre banques mondiales sont prêtes à utiliser dans leurs opérations de trésorerie.

Le score de référence mérite une analyse plus approfondie, car le communiqué de presse s’appuie fortement sur celui-ci.

FalconTST 2.0 aurait obtenu un score…0,666 sur l’Erreur Absolue Élevée en ÉchelleSur le benchmark GIFT-Eval, qui est considéré comme un standard de évaluation mondial de premier plan, le MASE permet de mesurer dans quelle mesure une prévision s’écarte du résultat réel, par rapport à un modèle de référence. Plus le score est bas, mieux c’est. Un score de 0,666 signifie que les erreurs du modèle sont environ deux tiers moins importantes que celles qu’un modèle de référence simple pourrait produire. C’est une bonne chose.

Mais voilà le problème. TimesFM 2.5 de Google.Classé en premier dans GIFT-EvalIl y a juste quelques mois, avec seulement 200 millions de paramètres, Amazon’s Chronos-2 et Salesforce’s MOIRAI occupaient également des positions importantes sur le même classement. Ant International ne précise pas comment FalconTST 2.0 a pu faire sortir Google de la première place, ni si le classement dépend de la version utilisée. La page GitHub concernant Falcon-TST indique que les modèles sont évalués avec GIFT-Eval en utilisant MASE, mais elle ne publie pas de tableau comparatif complet.

Ce n’est pas une réfutation de l’ingénierie d’Ant. Le modèle utilise une technique d’entraînement appelée ORBIT – Omni-Range Bootstrap Incremental Training – et est open source.Licence Apache 2.0Les deux choix expriment une certaine confiance. Mais les classements de référence changent. L’écart entre “le meilleur ce mois-ci” et “dominant” est suffisamment important pour être important.

Le modèle lui-même est un transformateur à 2 milliards de paramètres. Il a été ouvert à la communauté en novembre 2025 sous le nom de Falcon 1.0, en utilisant une architecture mixte-hierarchique d’experts. La version 2.0, sortie en août 2026, a adopté un design où seul l’encodage unimodal est utilisé. Ce changement dans l’architecture est important, car la plupart des modèles concurrents – TimesFM, Chronos, MOIRAI – utilisent des approches structurelles différentes. Une comparaison équitable nécessiterait que le cadre d’évaluation reste constant. Je ne sais pas si c’est le cas.

Ce que je sais, c’est que Ant International a traité les données.1,1 trillion de transactions en 2024, qui est passée à 1,5 trillion de dollars au cours des dix premiers mois de 2025. Les revenus de l’entreprise ont atteint presque3 milliards en 2024, est passé à une estimation de3,7 milliards en 2025– Environ 10 % du total de l’entreprise mère Ant Group. Cette division est rentable depuis deux années consécutives, sur une base ajustée.

Ces chiffres sont solides, mais pas très impressionnants pour une entreprise dont le prix de marché est de 10 milliards de dollars. Cela signifie qu’il y a un multiple de revenus d’environ 2,7 à 3 fois – bien en dessous des multiples préférentiels que les réseaux de cartes exigent. La réduction du prix reflète la réalité suivante : le modèle de business d’Ant International – qui consiste en une infrastructure de paiements en gros plutôt qu’en commissions sur les transactions de cartes – présente des marges plus faibles, est plus compétitif, et est donc plus exposé aux risques géopolitiques.

C’est là que l’aspect de l’IA commence à jouer un rôle important. Si FalconTST peut réellement réduire les coûts liés aux opérations de hedging des devises de 60 % pour les activités d’Ant et pour ses partenaires bancaires, cela représente une véritable avantage concurrentiel. Dans un secteur où les marges sont mesurées en points de base, économiser des dizaines de points de pourcentage sur les coûts monétaires constitue la différence entre une rentabilité structurelle et une situation précaire. Le modèle transforme ainsi le plus grand poste de dépense d’Ant en un avantage concurrentiel.

La question plus spéculative est de savoir si FalconTST peut devenir une source de revenus indépendante. Ant a déjà rendu le modèle disponible pour les clients et les partenaires bancaires. La licence open-source permet à n’importe qui d’utiliser ce modèle. Mais l’intégration avec des infrastructures bancaires réelles – comme la plateforme SCALE chez Standard Chartered ou la solution Fixed FX Rates chez Citi – nécessite les relations que Ant a construites au cours des années en Asie du Sud-Est, en Europe et au Moyen-Orient. Le véritable atout n’est pas les paramètres du modèle, mais sa distribution.

Je pense que l’avenir d’Ant International ne dépend pas du fait que FalconTST soit le meilleur prévisionniste de séries temporelles au monde. Il dépend plutôt du fait que le modèle soit suffisamment bon pour un objectif donné – à savoir la réduction des coûts liés aux transactions financières – et du fait qu’Ant soit le moyen le moins cher pour une banque de l’utiliser. Le modèle de Google pourrait avoir de meilleurs scores sur les critères de mesure. Mais cela ne signifie pas que Google vendra des produits d’hébergement de transactions financières à Barclays.

Il y a une lacune dans les données qui mérite d’être mentionnée. Ant International n’a pas révélé quel pourcentage de ses revenus actuels provient de la vente des fonctionnalités FalconTST aux banques, et quel pourcentage provient de l’utilisation interne du modèle. Les partenariats avec les banques existent bien, mais leur contribution aux 3,7 milliards de dollars de revenus est incertaine. Si le modèle est principalement un centre de coûts, qui semble justifier les annonces publiées par les médias, alors l’histoire liée à l’IPO est moins solide qu’il n’y paraît. Si le modèle génère déjà des revenus significatifs, alors la valeur de l’entreprise devient différente.

La société mère d’Ant a mis cinq ans à se réorganiser en plusieurs entités indépendantes, chacune ayant son propre conseil d’administration et son propre chemin vers une éventuelle cotation en bourse. L’offre publique initiale de 2020, qui devait permettre à Ant Group d’atteindre une valeur de 315 milliards de dollars, n’a jamais eu lieu. Les 1,2 milliard de dollars recueillis pour Ant International font partie de cette stratégie de division des activités, et non pas une confirmation indépendante de la qualité de l’entreprise.

L’annonce de FalconTST montre que une entreprise fintech chinoise, encore affectée par les problèmes réglementaires dans son pays, a réussi à créer quelque chose que les plus grands banques mondiales souhaitent utiliser. Le score de référence n’est qu’une simple métaphore ; ce qui compte vraiment, c’est la mise en œuvre concrète de cette solution. La question pour ceux qui envisagent une introduction en bourse est de savoir si cette mise en œuvre justifie le prix proposé.