OpenAI affirme que ses nouveaux modèles excellent désormais dans le codage COBOL

OpenAI a annoncé lundi 19 octobre 2026 que ses modèles les plus récents ont nettement progressé dans l'écriture et la migration de code dans des langages de programmation dits à faibles ressources, tels que COBOL, Fortran et Visual Basic. Lors du test de migration COBOL réalisé par OpenAI, le modèle GPT-6.1 Sol a atteint un taux de précision de 86,6% avec un faible effort de raisonnement, contre 5,4% pour GPT-5.6 Sol.openai.com

OpenAI qualifie ces langages de faibles ressources car les modèles disposent de beaucoup moins de code et de documentation pour apprendre par rapport à Python ou JavaScript. Ils assurent pourtant le fonctionnement d'infrastructures essentielles. L'entreprise a cité des chiffres montrant que le COBOL soutient plus de 40% des systèmes bancaires en ligne et 95% des transactions aux distributeurs automatiques, et que le Fortran est utilisé dans les prévisions météorologiques et l'analyse de sécurité des réacteurs nucléaires. OpenAI a indiqué que les développeurs et les clients entreprises lui avaient fait savoir que les modèles de codage peinaient souvent avec ces langages.openai.com

Deux nouvelles évaluations

MultiLangBench, le premier test, demande à un modèle de construire un moteur de base de données compatible SQLite à partir de zéro dans chacun des 20 langages. Les résultats sont vérifiés par rapport à l'implémentation de référence SQLite en utilisant des tests adaptés de la suite de tests de SQLite. Avec un effort de raisonnement maximal, GPT-6 Astra a obtenu un taux de réussite moyen de 87,4%, contre 26,8% pour GPT-5.6 Sol. Astra a obtenu un score supérieur à 83% dans 19 des 20 langages. Le COBOL a été le plus difficile, le score d'Astra passant de 10,9% à 72,1%.openai.com

GPT-6 Luna, un modèle moins coûteux, a atteint une moyenne de 40,3%. Son coût API estimé était de 0,77 dollar par échantillon, contre 3,48 dollars pour GPT-5.6 Sol, soit environ 78% de moins. OpenAI publie la configuration de MultiLangBench, la suite de tests et les résultats pour chaque langage sur GitHub.openai.com

Préserver l'ancienne logique métier

Le second test demande aux modèles de convertir des programmes COBOL en C++, Java, Kotlin, Python ou Rust sans modifier le fonctionnement des programmes. Des tests cachés exigent que les sorties correspondent octet par octet à l'original, et une migration n'est comptabilisée que si tous les tests sont réussis. OpenAI a donné un exemple illustrant la difficulté : l'arithmétique à virgule fixe du COBOL supprime les chiffres décimaux supplémentaires à moins qu'un arrondi ne soit demandé. Une réécriture qui arrondit peut fonctionner sans erreur tout en produisant des résultats financiers différents.openai.com

Le score de 86,6% de GPT-6.1 Sol a été obtenu à 61% du coût API de GPT-5.6 Sol. Avec un effort de raisonnement plus élevé, il a atteint 97,9%, ce qui, selon OpenAI, rapproche le test de la saturation.openai.com

Mises en garde et contexte

OpenAI a conçu et réalisé ces deux tests en interne, et aucun groupe extérieur n'a encore vérifié les résultats. L'entreprise a également précisé que l'utilisation de ces compétences sur des logiciels en production "nécessite toujours une révision par des experts et des tests par rapport aux règles métier et aux dépendances du système".openai.com

L'intérêt pour le COBOL est en hausse. Ce langage, créé en 1959, est passé de la 23e place en octobre 2025 à la 16e dans l'indice de popularité TIOBE, selon ITHardware. Les entreprises dépendent toujours de ces systèmes, et le vivier d'ingénieurs capables de les maintenir diminue.ithardware.pl