Contexte de la modernisation legacy

Les systèmes développés sous Delphi, Visual Basic ou Oracle Forms représentent une part importante du parc applicatif des grandes entreprises. Leur maintenance devient coûteuse parce que le code, les modèles de données et les règles métier sont souvent documentés de façon dispersée. Avant toute réécriture, il faut comprendre comment ces éléments s’articulent. BotMan AI propose une solution qui place la compréhension du contexte au cœur du processus de migration.

Pipeline d'IA et architecture de BotMan

BotMan AI déploie une pipeline d'intelligence artificielle capable d’ingérer l’ensemble du code source, des schémas de bases de données et des scripts de logique métier en une passe unique. Le moteur analyse les dépendances entre modules, extrait les modèles de données et identifie les règles métier implicites. Ces artefacts sont ensuite traduits en nœuds et arêtes d'un graphe de connaissances. La migration s’effectue de façon autonome : le pipeline génère une architecture cible, réécrit le code dans un langage moderne et ajuste les schémas de données en fonction des relations découvertes.

Rôle des graphes de connaissances pour les agents IA

Le graphe constitue un référentiel partagé où chaque entité – personne, projet, produit – est reliée à toutes les informations qui la concernent. Par exemple, lorsqu'un document juridique est introduit, le système crée des liens vers le projet associé, la perte financière correspondante et le litige en cours. Ainsi, tout agent IA qui reçoit une tâche peut interroger le graphe et récupérer immédiatement l'ensemble du contexte pertinent, sans devoir reconstruire les relations à chaque requête. Cette capacité de réutilisation du contexte réduit le temps de découverte et améliore la précision des réponses automatisées.

Analyse des limites et perspectives

La méthode repose sur la qualité de l'extraction initiale : des bases de code très obscurcies ou des règles métier codées en dur peuvent entraîner des omissions dans le graphe. De plus, la migration autonome nécessite une validation humaine pour garantir que les transformations respectent les exigences de conformité, notamment dans les secteurs réglementés. Enfin, le coût de construction et de maintien d'un graphe à grande échelle peut être élevé, surtout si les données sources évoluent rapidement. Malgré ces contraintes, l'approche montre comment la combinaison d'IA et de graphes de connaissances peut transformer la modernisation legacy en un processus plus systématique et moins dépendant d'interventions manuelles.