La migration COBOL a franchi un cap dans « Advancing coding in low-resource programming languages », l'article de recherche officiel d'OpenAI publié le 19 octobre 2026. L'article présente les résultats de deux nouvelles évaluations : GPT-6.1 Sol a migré des programmes COBOL vers des langages modernes avec 86,6 % de précision à faible effort de raisonnement et 97,9 % à effort plus élevé, alors que le précédent GPT-5.6 Sol n'atteignait que 5,4 % dans le même réglage bas. Pour les banques et les administrations qui font encore tourner des systèmes vieux de plusieurs décennies, un saut de cette ampleur compte davantage qu'un nouveau record dans un langage courant.
Les tests mesurent un travail réel, pas une syntaxe récitée
OpenAI a construit deux bancs d'essai. Le premier, MultiLangBench, demande au modèle de construire de zéro un moteur de base de données compatible SQLite, implémenté séparément dans 20 langages de programmation différents, et évalue les compétences d'ingénierie de longue haleine : organiser le code, gérer l'état, traiter les erreurs et ajouter des fonctions sans casser l'existant. Le second est une évaluation de migration COBOL : des programmes COBOL existants sont migrés vers C++, Java, Kotlin, Python ou Rust, et des tests cachés exigent une parité octet par octet des sorties observables — tous les tests doivent passer, car la moindre modification de la logique métier empêche les comptes de s'équilibrer. Un banc teste la construction à partir de zéro, l'autre la préservation fidèle : exactement les deux tâches que les équipes chargées des systèmes hérités effectuent le plus souvent.
Les plus gros progrès concernent les langages les moins fournis en données
Sur MultiLangBench, GPT-6 Astra atteint un taux moyen de réussite de 87,4 % sur les 20 langages, contre 26,8 % pour GPT-5.6 Sol, avec des améliorations dans chaque langage testé. Le détail par langage est plus frappant encore : COBOL passe de 10,9 % à 72,1 %, Fortran de 21,4 % à 83,5 %, Visual Basic de 27,5 % à 89,4 % et OCaml de 25,6 % à 85,8 %. Astra dépasse 83 % dans 19 des 20 langages, COBOL restant le plus difficile à 72,1 %. L'option la moins chère progresse aussi : GPT-6 Luna affiche 40,3 % en moyenne, devant l'ancien modèle phare, pour un coût d'API estimé à environ 0,77 dollar par échantillon contre 3,48 dollars pour GPT-5.6 Sol, soit environ 78 % de moins. Sur l'évaluation de migration, les 86,6 % de GPT-6.1 Sol ne coûtent en outre que 61 % de ce que coûtait la génération précédente.
Pourquoi la finance et les systèmes publics portent l'enjeu
Ce qui manque aux langages à faibles ressources, ce n'est pas la pertinence, c'est la marge d'erreur. Selon les chiffres cités par OpenAI, COBOL soutient plus de 40 % des systèmes de banque en ligne, 80 % des transactions par carte en point de vente et 95 % des transactions aux distributeurs automatiques, tandis que Fortran sert aux prévisions météorologiques et aux analyses de sûreté des réacteurs nucléaires. La difficulté de maintenance est structurelle : la documentation est incomplète, les développeurs d'origine sont partis, et les règles métier critiques n'existent plus que dans le code. L'exemple donné dans l'article est éloquent : l'arithmétique en virgule fixe de COBOL tronque les décimales excédentaires sauf si un arrondi est explicitement demandé ; un outil de migration qui passerait silencieusement à l'arrondi produit un programme qui tourne sans erreur mais calcule d'autres montants. L'exigence de parité octet par octet sert précisément à repérer ce type d'écart silencieux.
Peut-on déjà migrer un système de production avec cela ?
Pas tout seul. OpenAI trace la limite clairement dans l'article : appliquer ces capacités à un logiciel de production exige toujours une revue experte et des tests confrontés aux règles métier et aux dépendances du système. Les scores proviennent en outre des évaluations d'OpenAI elle-même ; le contrôle externe disponible consiste à relancer MultiLangBench, dont le dispositif d'évaluation et la suite de tests ont été publiés sur GitHub avec les résultats par langage. À l'échelle du secteur, la compétition des modèles de code quitte la zone de confort des langages courants : DeepSeek-V4.1-Flash avait auparavant atteint 77 points sur DeepSWE, un autre banc d'essai construit autour de tâches d'ingénierie réalistes. La voie prudente pour les équipes héritées est un petit pilote : choisir un module couvert par des tests, le migrer, prouver la parité de comportement avec leurs propres tests, et seulement ensuite élargir le périmètre.
