Contexte et enjeux

Le code COBOL, créé en 1959, alimente encore plus de 40 % des services bancaires en ligne, 80 % des transactions par carte en point de vente et 95 % des distributeurs automatiques. Ces systèmes, souvent critiques pour les administrations publiques (IRS, sécurité sociale, etc.), génèrent une estimation de 105 milliards de dollars de pertes d’efficacité chaque année aux États‑Unis. La pénurie de développeurs maîtrisant COBOL et la complexité des bases de données associées rendent toute tentative de remplacement risquée.

Performances des modèles OpenAI

Le 19 octobre, OpenAI a publié des résultats de migration de COBOL vers C++, Java, Kotlin, Python et Rust. Le modèle GPT‑6.1 Sol a atteint 87 % de précision de préservation du comportement avec un faible effort de raisonnement, et 98 % lorsqu’il consacre davantage de cycles de calcul. En comparaison, GPT‑6 Astra a obtenu 86 % à faible effort, GPT‑6 Sol 21 % et GPT‑5.6 Sol seulement 5 %. OpenAI précise que la migration est jugée réussie uniquement si l’ensemble des tests unitaires restent verts.

Limites et défis de la migration

Les évaluations d’OpenAI portent sur des tâches de conversion relativement simples, ne reflétant pas la fragmentation des systèmes réels. Les chercheurs de Delft et de Twente soulignent que les modèles n’ont pas été testés sur la décomposition de bases de code de plusieurs centaines de millions de lignes – le plus grand système observé comptait 250 M de lignes COBOL. La migration doit également gérer des formats de données hétérogènes, des intégrations tierces et des exigences de conformité, ce qui dépasse la simple traduction syntaxique.

Réactions du marché et perspectives

Anthropic a publié un « playbook » de modernisation et propose Claude Code pour la conversion vers Java ou Python, sans publier de métriques de performance. L’annonce a fait chuter le cours d’IBM, dont une partie du chiffre d’affaires provient du support des systèmes legacy. OpenAI reconnaît que le problème reste ouvert et qu’il travaille à enrichir les jeux de tests et à améliorer la compréhension des architectures complexes. À ce stade, l’IA représente un outil d’assistance, mais ne remplace pas les processus d’analyse et de validation humains nécessaires à la modernisation sécurisée des infrastructures critiques.