OpenAI indique que GPT-6 s'est bien amélioré en COBOL et dans d'autres anciens langages de programmation
OpenAI rapporte des gains importants sur des langages rarement utilisés comme COBOL et Fortran, y compris un saut dans un test de migration COBOL. Tous les chiffres appartiennent à l'entreprise.
OpenAI affirme que ses modèles GPT-6 sont désormais bien meilleurs pour écrire du code dans des langages de programmation plus anciens et moins courants tels que COBOL, Fortran et Visual Basic. Selon The Decoder du 20 octobre, il s’agit de langages « à faibles ressources », ce qui signifie qu’il y a beaucoup moins de code public à apprendre que pour Python ou JavaScript. La raison pour laquelle cela est important : The Decoder cite une estimation IBM selon laquelle COBOL gère plus de 40 % des systèmes bancaires en ligne et 95 % des transactions aux distributeurs automatiques.
OpenAI soutient cette affirmation avec deux tests. Le premier, MultiLangBench, demande à un modèle de créer un moteur de base de données qui fonctionne comme SQLite à partir de zéro, dans 20 langues. Avec un effort de raisonnement maximal, GPT-6 Astra a obtenu en moyenne 87,4 % des tests réussis, et GPT-6.1 Sol à environ 87 %. Le GPT-6 Luna, moins cher, a obtenu un score de 40,3 %, juste devant le GPT-5.6 Terra, à environ 38 %. Le deuxième test couvre la migration COBOL, traduisant l’ancien COBOL en langages modernes tels que Java, Python ou Rust. Le GPT-6.1 Sol a atteint une précision de 86,6 % avec un faible effort de raisonnement, contre 5,4 % pour le GPT-5.6 Sol et 97,9 % avec un effort de raisonnement plus élevé.
Avant de vous enthousiasmer, notez les mises en garde. Chaque chiffre appartient à OpenAI, sans contrôle indépendant. Les deux tests utilisent différents modèles plus anciens comme référence, de sorte que les sauts ne peuvent pas être comparés directement. La couverture ne répertorie pas les 20 langues et ne précise pas dans quelle mesure les tests reflètent les migrations réelles, où le code doit être validé par rapport aux systèmes de production en direct.
Ce qu’il y a derrière : un “benchmark” est un examen standardisé pour les modèles d’IA. Les scores sont utiles pour comparer, mais un modèle qui réussit un examen peut quand même tomber sur un système bancaire réel et désordonné. Les langages anciens constituent un cas difficile pour l’IA car les données de formation sont minces : la plupart des COBOL se trouvent dans les systèmes d’entreprises privées, et non sur des sites Web publics. Les personnes qui comprennent ces systèmes partent également à la retraite, les organisations sont donc réellement incitées à trouver de l’aide. C’est pourquoi un modèle capable de lire et de traduire l’ancien code est commercialement intéressant.
Ce que cela signifie pour vous : si vous êtes étudiant ou amateur, rien ne change, mais c’est un bon signe que l’aide de l’IA s’étend au-delà des langues populaires. Si vous travaillez dans une entreprise avec des logiciels existants, c’est une raison pour exécuter un petit projet pilote bien supervisé, par exemple en traduisant un module à faible risque et en vérifiant le résultat par rapport au comportement de l’original. Ne considérez pas un pourcentage benchmark comme une promesse que votre propre système peut être migré en toute sécurité.
Sources
Sources: https://openai.com/index/low-resource-programming-languages/
Claude conçoit des circuits quantiques plus simples, avec un ordinateur vérifiant chaque étape
Anthropic indique que Claude Mythos 5 a trouvé des conceptions de circuits quantiques qui nécessitent moins de qubits et de portes que celles publiées sur huit tâches. Un vérificateur intégré l’a gardé honnête.
