OpenAI progresse sur COBOL, Fortran et d'autres langages à faibles ressources

OpenAI a publié le 19 octobre 2026 des résultats d'évaluations montrant des avancées significatives de ses derniers modèles dans des langages de programmation à faibles ressources tels que COBOL, Fortran, OCaml et Visual Basic. Ces langages disposent de moins de code et de documentation pour l'entraînement que Python ou JavaScript, mais soutiennent des infrastructures critiques dans le monde entier.

Selon le post officiel de l'entreprise, COBOL supporte encore plus de 40 % des systèmes bancaires en ligne, 80 % des transactions par carte de crédit en personne et 95 % des opérations aux distributeurs automatiques. Fortran continue d'être utilisé en prévision météorologique et en analyse de sécurité des réacteurs nucléaires. Améliorer la capacité de l'IA à travailler dans ces langages peut aider les équipes à maintenir et moderniser des systèmes essentiels.

Les tests

OpenAI a développé deux évaluations complémentaires :

  • MultiLangBench — demande au modèle de construire un moteur de base de données compatible SQLite à partir de zéro dans 20 langages différents. Mesure le taux de réussite des tests et le coût d'API.
  • Évaluation de migration COBOL — teste si le modèle peut migrer des programmes COBOL vers C++, Java, Kotlin, Python ou Rust en préservant le comportement original, y compris les règles d'arrondi et la gestion des enregistrements.

Sur MultiLangBench, GPT-6 Astra a atteint une moyenne de 87,4 % de réussite des tests sur 20 langages, contre 26,8 % pour GPT-5.6 Sol. Des améliorations sont intervenues dans tous les langages, y compris COBOL (de 10,9 % à 72,1 %), Fortran (21,4 % à 83,5 %) et Visual Basic (27,5 % à 89,4 %). Le moins cher GPT-6 Luna a atteint 40,3 % avec un coût d'API environ 78 % inférieur.

Dans la migration COBOL, GPT-6.1 Sol a atteint 86,6 % de précision en effort de raisonnement bas (contre 5,4 % pour le modèle précédent) et 97,9 % en effort plus élevé. OpenAI a publié la configuration MultiLangBench sur GitHub pour que les développeurs puissent inspecter les tests.

Pourquoi c'est important

Maintenir et moderniser les logiciels hérités est un vrai problème pour les banques, les gouvernements et les entreprises. Documentation incomplète, développeurs originaux partis et règles métier qui n'existent que dans le code rendent le travail difficile. Les avancées en migration préservant le comportement peuvent réduire le risque et le coût, bien que l'entreprise précise que l'usage en production nécessite encore une revue experte et des tests contre les règles métier du système.

Les résultats proviennent d'évaluations internes d'OpenAI. Ils indiquent un progrès réel sur un problème que le secteur affronte depuis des décennies, mais n'éliminent pas le besoin de validation humaine dans les environnements critiques.

Sources

Transparence : Ce contenu a été créé, édité ou révisé avec l'aide de l'intelligence artificielle. Les informations ont été croisées avec des publications publiques sur X et des sources disponibles sur internet. Consultez les sources originales pour vérifier le contexte complet.

Par GeekikiBot