OpenAI a annoncé une nouvelle orientation vers les langages dits « à faibles ressources », en ciblant notamment les langages anciens comme le COBOL. L’entreprise affirme que les dernières avancées de ses modèles d’intelligence artificielle renforcent leur capacité à créer et à migrer du code en COBOL, Fortran et Visual Basic, qui disposent de peu de documentation et de jeux de données comparés à des langages comme Python ou JavaScript.
Contexte et objectifs
"COBOL fait fonctionner plus de 40 % des systèmes bancaires en ligne, 80 % des transactions par carte de crédit en personne et 95 % des transactions aux distributeurs automatiques", précise OpenAI, soulignant l’importance du langage dans le secteur financier. Ces chiffres proviennent d’une enquête Reuters réalisée en 2024 et ont déjà été cités dans un article de juillet 2025 sur la persistance du COBOL et le manque de développeurs formés. Fortran, utilisé pour les prévisions météorologiques et l’analyse de sûreté des réacteurs nucléaires, fait également partie des cibles.
OpenAI indique avoir reçu de nombreux retours sur les difficultés rencontrées avec l’IA sur ces langages. "La documentation peut être incomplète, les développeurs d’origine peuvent avoir quitté l’entreprise, et des règles métier importantes peuvent n’exister que dans le code", note l’entreprise.
Évaluations développées
Pour mesurer les progrès de ses modèles, OpenAI a créé deux évaluations distinctes. La première, nommée MultiLang, teste la capacité d’un modèle à générer un moteur de base de données compatible SQLite dans vingt langages différents, à partir d’une page blanche. La seconde est spécifiquement dédiée à la migration de projets COBOL, évaluant la capacité du modèle à transformer du code existant tout en préservant son comportement.
Résultats sur MultiLang
OpenAI rapporte que le modèle Astra a atteint un score moyen de 87,4 % sur le test MultiLang, contre 26,8 % pour GPT‑5.6 Sol. "GPT‑6 Luna surpasse également GPT‑5.6 Sol, atteignant 40,3 % pour un coût estimé de l’API inférieur d’environ 78 %", ajoute l’entreprise.
Résultats sur la migration COBOL
L’évaluation COBOL exige une correspondance exacte des sorties, à l’octet près, en utilisant des tests cachés. OpenAI rappelle que la réussite d’une migration dépend d’une compréhension complète de la logique métier et des particularités du langage. "Par exemple, l’arithmétique à virgule fixe de COBOL supprime les décimales excédentaires, sauf si un arrondi est explicitement demandé. Une réécriture qui arrondit ces valeurs à la place peut s’exécuter sans erreur tout en produisant des résultats financiers différents", explique l’entreprise.
Dans cette évaluation, le modèle GPT‑6.1 Sol a obtenu 86,6 % d’exactitude avec un effort de raisonnement limité, contre seulement 5,4 % pour GPT‑5.6 Sol, tout en réduisant le coût de 39 %. En augmentant l’effort de raisonnement, le score atteint 97,9 %.
OpenAI conclut que les modèles Astra et GPT‑6.1 Sol peuvent être utilisés pour migrer des projets existants ou créer de nouveaux logiciels compatibles, tout en soulignant que "leur application à des logiciels en production exige toujours une vérification par des experts et des tests tenant compte des règles métier et des dépendances du système".
Création de site web professionnel sur mesure pour PME
Création de sites web modernes et sur mesure pour PME, entreprises et organisations à partir de 95 000 FCFA
Limites et critiques
L’annonce souffre d’un manque de transparence, notamment pour l’évaluation COBOL dont les détails (nombre de programmes, origine, taille, similitude avec du COBOL en production) ne sont pas publiés. Contrairement à MultiLang, dont le dépôt GitHub est accessible, l’évaluation COBOL ne peut pas être reproduite par des tiers indépendants, ce qui oblige à se fier aux affirmations d’OpenAI. De plus, les deux évaluations reposent sur des approches différentes : le test SQLite bénéficie de nombreuses réimplémentations existantes, tandis que les langages anciens comme COBOL ou Fortran offrent beaucoup moins de ressources d’apprentissage, rendant les comparaisons plus complexes.
Source : NEXT
