IT之家 Message du 21 octobre : la société OpenAI a publié hier (20 octobre) un rapport de recherche,indiquant qu'elle a renforcé la capacité de modèles tels que GPT-6 Astra à construire et migrer des « langages de programmation à faibles ressources » comme COBOL, Fortran et Visual Basic.Bien que ces langages disposent de peu de code et de documentation publics, ils prennent largement en charge des systèmes critiques tels que les banques, les distributeurs automatiques, les prévisions météorologiques et les analyses de sûreté nucléaire.
Pour mesurer cette capacité, OpenAI a lancé deux évaluations : MultiLangBench exige que les modèles construisent de zéro un moteur de base de données compatible SQLite en 20 langages ; l'autre évaluation exige que les modèles migrent des programmes COBOL vers C++, Java, Python, Rust et d'autres langages tout en conservant le comportement métier d'origine.
Les résultats montrent que GPT-6 Astra atteint un taux moyen de réussite aux tests de 87,4 % sur les 20 langages de MultiLangBench, une nette progression par rapport aux 26,8 % de GPT-5.6 Sol ; le COBOL passe ainsi de 10,9 % à 72,1 %, le Fortran de 21,4 % à 83,5 %, et le Visual Basic de 27,5 % à 89,4 %.
GPT-6 Luna, moins coûteux, affiche un taux moyen de réussite de 40,3 %, avec un coût API estimé inférieur d'environ 78 % à celui de GPT-5.6 Sol. IT之家 fournit les images correspondantes ci-dessous :
Dans l'évaluation de migration COBOL, GPT-6.1 Sol atteint une précision de 86,6 % en faible intensité d'inférence, bien supérieure aux 5,4 % de GPT-5.6 Sol, avec un coût réduit de 39 % ; en intensité d'inférence plus élevée, la précision atteint 97,9 %, proche du plafond de l'évaluation.
OpenAI indique que cette avancée aide les entreprises à maintenir des systèmes anciens, corriger des défauts et faire progresser la modernisation logicielle. Toutefois, la société souligne également que l'utilisation des résultats de migration par l'IA en production nécessite encore une révision par des experts ainsi que des tests prenant en compte les règles métier et les dépendances spécifiques.