RéponsesPublié18 sources
OpenAI améliore ses scores sur COBOL : pourquoi cela ne suffit pas pour moderniser un système métier
Sur MultiLangBench, GPT 6 Astra affiche un taux moyen de réussite de 87,4 % dans 20 langages, contre 26,8 % pour GPT 5.6 Sol. Dans une évaluation distincte de migration COBOL, GPT 6.1 Sol atteint 86,6 % avec un effort de raisonnement faible et 97,9 % avec un effort plus élevé.
Publié parModifié avec GPT-6 LunaImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- Sur MultiLangBench, GPT 6 Astra affiche un taux moyen de réussite de 87,4 % dans 20 langages, contre 26,8 % pour GPT 5.6 Sol.
- Dans une évaluation distincte de migration COBOL, GPT 6.1 Sol atteint 86,6 % avec un effort de raisonnement faible et 97,9 % avec un effort plus élevé.
- Ces résultats concernent des bancs d’essai définis : ils ne prouvent pas qu’une migration générée par IA est prête à être déployée dans un système métier.
Prompt IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What did OpenAI announce on October 19, 2026, about its newest models’ improvements in writing and migrating code in low-resource languages. Article summary: On October 19, 2026, OpenAI announced stronger capabilities for writing and migrating software in low-resource languages, including COBOL, Fortran, Visual Basic and OCaml, supported by two new evaluations. The reported g. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, click
Le 19 octobre 2026, OpenAI a annoncé des progrès dans la génération et la migration de code en COBOL, Fortran, Visual Basic et OCaml. Les chiffres publiés sont marquants : GPT-6 Astra obtient un taux moyen de réussite de 87,4 % sur un test couvrant 20 langages, tandis que GPT-6.1 Sol atteint 97,9 % sur une évaluation distincte de migration COBOL, avec un effort de raisonnement plus élevé. Ces scores mesurent des performances sur des tests précis, et non l’aptitude d’un code migré à fonctionner sans risque dans une entreprise. 2
18
19
« À faibles ressources » ne veut pas dire sans importance
Dans ce contexte, l’expression « langage à faibles ressources » désigne des langages pour lesquels les données disponibles pour entraîner et évaluer les modèles sont relativement limitées. Elle ne signifie pas qu’ils sont peu utilisés ou peu importants. Les comptes rendus de l’annonce d’OpenAI décrivent ces langages comme moins présents dans les données d’entraînement. 25
Le COBOL illustre bien cette différence. Selon une estimation attribuée à IBM, il est utilisé par plus de 40 % des systèmes bancaires en ligne et intervient dans 95 % des transactions effectuées aux distributeurs automatiques. Cette présence dans les infrastructures existantes ne dit toutefois pas quelle quantité de code COBOL adaptée est disponible pour entraîner des modèles d’IA. 24
Deux évaluations, deux types de tâches
MultiLangBench demande au modèle de créer de zéro un moteur de base de données compatible avec SQLite dans chacun de 20 langages de programmation. Le résultat communiqué est le taux moyen de réussite aux tests pour l’ensemble des langages. Le benchmark comprend des tests adaptés de la suite de tests de SQLite. 2
26
L’évaluation de migration COBOL porte sur la traduction de programmes COBOL vers le C++, Java, Kotlin, Python ou Rust. Elle vérifie, au moyen de tests cachés, si le programme traduit conserve le comportement de l’original. 19
21
Les deux exercices ne mesurent donc pas la même chose : l’un évalue la création de logiciel dans des langages potentiellement moins familiers au modèle, l’autre la traduction de logiciels existants sans modifier leurs résultats observables. Il ne faut pas comparer leurs pourcentages comme s’ils représentaient une mesure unique.
Les scores annoncés, selon le modèle et le réglage
| Évaluation | Modèle et réglage | Résultat communiqué |
|---|---|---|
| MultiLangBench, moyenne sur 20 langages | GPT-6 Astra, effort de raisonnement maximal | 87,4 % de réussite aux tests, contre 26,8 % pour GPT-5.6 Sol. |
| MultiLangBench | GPT-6 Luna | 40,3 % de réussite ; environ 0,77 $ par échantillon, contre 3,48 $ pour GPT-5.6 Sol. |
| Migration COBOL, effort de raisonnement faible | GPT-6.1 Sol | 86,6 % de précision, contre 5,4 % pour GPT-5.6 Sol ; le coût annoncé est inférieur de 39 %. |
| Migration COBOL, effort de raisonnement plus élevé | GPT-6.1 Sol | 97,9 % de précision. |
Sur MultiLangBench, GPT-6 Astra obtient 72,1 % en COBOL, 83,5 % en Fortran et 89,4 % en Visual Basic. Les résultats de migration COBOL viennent d’une autre évaluation : les 97,9 % de GPT-6.1 Sol ne correspondent donc pas au score d’Astra en programmation COBOL. 18
25
Le tarif communiqué pour GPT-6 Luna concerne son résultat sur MultiLangBench. Les données disponibles ne donnent pas de comparaison de coût équivalente pour Astra, ni pour l’évaluation de migration de GPT-6.1 Sol avec un effort de raisonnement plus élevé. 18
Ce que ces résultats disent — et ne disent pas — sur la migration
Une migration doit préserver ce que fait le programme d’origine, pas simplement produire du code qui semble correct. Le score annoncé par OpenAI indique que GPT-6.1 Sol réussit une part importante des tests de son évaluation, notamment par rapport au résultat de GPT-5.6 Sol avec un faible effort de raisonnement. 19
21
Mais réussir un benchmark ne revient pas à valider un système réel. À eux seuls, ces résultats ne démontrent pas qu’un modèle préservera chaque règle métier, prendra en charge toutes les dépendances et intégrations, ou se comportera correctement dans des situations absentes des tests. Un déploiement en production exige toujours une revue par des spécialistes et des essais adaptés aux exigences et aux données de l’organisation.
Un benchmark public, mais des limites à garder en tête
Les comptes rendus de l’annonce indiquent qu’OpenAI a rendu MultiLangBench public. Les informations disponibles ne permettent pas d’établir que les tests cachés de l’évaluation de migration COBOL sont eux aussi accessibles : il peut donc être difficile pour des observateurs externes de reproduire intégralement ce résultat. 19
28
Les chiffres présentés sont des résultats de benchmark rapportés par les sources ; celles-ci ne documentent pas de réplication indépendante. Ils témoignent de progrès sur des tâches définies, mais ne constituent pas une confirmation indépendante de la fiabilité en production.
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « OpenAI améliore ses scores sur COBOL : pourquoi cela ne suffit pas pour moderniser un système métier » ?
Sur MultiLangBench, GPT 6 Astra affiche un taux moyen de réussite de 87,4 % dans 20 langages, contre 26,8 % pour GPT 5.6 Sol.
Quels sont les points clés à valider en premier ?
Sur MultiLangBench, GPT 6 Astra affiche un taux moyen de réussite de 87,4 % dans 20 langages, contre 26,8 % pour GPT 5.6 Sol. Dans une évaluation distincte de migration COBOL, GPT 6.1 Sol atteint 86,6 % avec un effort de raisonnement faible et 97,9 % avec un effort plus élevé.
Que dois-je faire ensuite en pratique ?
Ces résultats concernent des bancs d’essai définis : ils ne prouvent pas qu’une migration générée par IA est prête à être déployée dans un système métier.