OpenAI s’attaque à la migration des projets en COBOL
OpenAI affirme que ses derniers modèles progressent nettement sur les « langages à faibles ressources », ces langages anciens comme COBOL, Fortran et Visual Basic, pour lesquels il existe moins de code et de documentation d'entraînement que pour Python ou JavaScript. Pour le démontrer, l'entreprise a conçu deux évaluations. MultiLang demande à un modèle de créer, depuis une page blanche, un moteur de base de données compatible avec SQLite dans 20 langages. La seconde, propre au COBOL, vérifie qu'un modèle peut migrer des programmes existants vers C++, Java, Kotlin, Python ou Rust en préservant leur comportement, grâce à des tests cachés exigeant des sorties identiques à l'octet près, la migration n'étant validée que si tous les tests passent. Sur MultiLang, le modèle Astra atteint en moyenne 87,4 %, contre 26,8 % pour GPT-5.6 Sol, avec des gains dans les 20 langages. GPT-6 Luna dépasse aussi GPT-5.6 Sol avec 40,3 %, pour un coût d'API estimé inférieur d'environ 78 %. Sur la migration COBOL, GPT-6.1 Sol atteint 86,6 % d'exactitude avec un faible effort de raisonnement, contre 5,4 % pour GPT-5.6 Sol, et ce pour un coût inférieur de 39 %.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de Next INpact. Lire l'article original →
L'enjeu est considérable, car ces langages restent au cœur d'infrastructures critiques. Selon OpenAI, COBOL fait tourner plus de 40 % des systèmes bancaires en ligne, 80 % des transactions par carte de crédit en personne et 95 % des transactions aux distributeurs automatiques. Fortran sert aux prévisions météorologiques et à l'analyse de sûreté des réacteurs nucléaires. Si les modèles savent désormais migrer ces bases de code de façon fiable, banques, administrations et laboratoires pourraient lancer des projets de modernisation longtemps repoussés, faute de développeurs formés. Le COBOL pose en outre des pièges subtils : son arithmétique à virgule fixe tronque les décimales excédentaires sauf demande explicite d'arrondi, de sorte qu'une réécriture qui arrondirait à la place s'exécuterait sans erreur tout en produisant des résultats financiers différents. Réussir ces tests laisse donc espérer une meilleure préservation de la logique métier. Les résultats restent toutefois ceux de benchmarks conçus par OpenAI elle-même, et ne garantissent pas les mêmes performances sur des systèmes réels, plus vastes et plus mal documentés.
Cette offensive s'inscrit dans un contexte connu. Les chiffres sur la place du COBOL proviennent d'une enquête de Reuters de 2024, et le langage reste vivant malgré un déficit de développeurs compétents. OpenAI reconnaît avoir reçu de nombreux retours sur la difficulté d'utiliser l'IA sur ces technologies : la documentation est souvent incomplète, les développeurs d'origine ont parfois quitté l'entreprise, et des règles métier essentielles n'existent que dans le code. Ce billet, qui vise à démontrer les progrès des modèles de l'entreprise, ressemble aussi à un argument commercial pour attirer un marché de la migration logicielle très lucratif, où se positionnent déjà d'autres acteurs de l'IA et des éditeurs spécialisés. La suite dépendra de la capacité de ces modèles à tenir leurs promesses sur des projets réels, face à des exigences de fiabilité très strictes dans la finance et l'industrie.
Les banques et administrations européennes, qui s'appuient encore sur du COBOL, pourraient envisager de moderniser leurs systèmes hérités avec ces outils de migration.