AI peut désormais réécrire le COBOL — et le marché l'a remarqué

Deux cent vingt milliards de lignes. C'est exactement la quantité de code COBOL qui, selon diverses estimations, traite toujours les transactions dans les banques, les compagnies d'assurance, les agences gouvernementales et les systèmes de paiement du monde entier. Un langage créé en 1959—dix ans avant l'alunissage—reste le fondement invisible de l'infrastructure financière mondiale. Et ce fondement se fissure : le nombre de spécialistes capables de le maintenir diminue chaque année, tandis que le coût des erreurs lors de son remplacement se mesure en milliards. Maintenant l'intelligence artificielle offre la première voie réaliste pour sortir de cette impasse—et les marchés financiers ont déjà commencé à réévaluer leurs enjeux.

Le problème de COBOL n'est pas simplement une curiosité technique pour les amateurs d'informatique rétro. C'est un risque systémique que les gens préfèrent ne pas discuter ouvertement. Selon Reuters, environ 95% des transactions aux guichets automatiques aux États-Unis et environ 80% des opérations financieres en personne passent d'une manière ou d'une autre par des systèmes COBOL. L'âge moyen des programmeurs compétents dans ce langage a depuis longtemps dépassé soixante ans. Chaque année, l'industrie perd les porteurs de connaissances critiquement importantes—des personnes qui comprennent non seulement la syntaxe, mais la logique métier accumulée au cours de décennies dans des millions de lignes de code écrit sans documentation moderne, sans systèmes de contrôle de version, souvent sans aucun commentaire.

Des tentatives de modernisation ont été entreprises à plusieurs reprises. Les plus grandes banques ont dépensé des centaines de millions de dollars dans des projets de réécriture de systèmes hérités—et ont échoué encore et encore. Le fameux échec de Commonwealth Bank of Australia, qui a dépensé plus d'un milliard de dollars pour remplacer son système central, est devenu un exemple de manuel. Le problème n'est pas d'écrire du nouveau code, mais de reproduire précisément le comportement de l'ancien code—avec toutes ses particularités non évidentes, ses solutions de contournement et des décennies de règles métier accumulées que personne ne se souvient plus.

C'est précisément ici que les grands modèles de langage entrent en jeu. Les LLM modernes ont démontré des capacités étonnamment fortes pour analyser et traduire le code hérité. Ils peuvent lire des programmes COBOL, récupérer la logique métier qui y est intégrée, générer du code équivalent en Java ou Python et—ce qui est critique—expliquer exactement ce que chaque fragment fait.

Essentiellement, l'IA agit comme un traducteur entre les époques, compensant la perte de mémoire institutionnelle. Plusieurs entreprises ont déjà lancé des outils spécialisés sur le marché : IBM a intégré les capacités de migration assistée par IA dans sa plateforme watsonx, et des startups comme Phase Change et Modern Systems attirent des investissements importants précisément avec la promesse d'une modernisation automatisée du COBOL.

Le marché a réagi avec la franchise qui le caractérise. Les prix des actions d'un certain nombre de sociétés de conseil dont l'activité reposait sur la modernisation manuelle de systèmes hérités—des projets pluriannuels avec des équipes massives et des budgets prévisiblement gonflés—se sont retrouvés sous pression. Les investisseurs se posent à juste titre la question : pourquoi payer des milliers de consultants pour un projet de cinq ans si un outil d'IA peut accomplir une grande partie du travail en quelques mois? Cela ne signifie pas que l'expertise humaine devient inutile—la validation, les tests et l'intégration nécessitent toujours une compréhension approfondie. Mais le rapport entre le travail manuel et le travail automatisé dans ces projets change radicalement.

Cependant, il est important de ne pas succomber à l'euphorie. La modernisation du COBOL avec l'IA n'est pas une baguette magique. Les modèles de langage peuvent halluciner, générant du code qui semble correct mais se comporte différemment dans les cas extrêmes. Dans les systèmes financiers, où une erreur d'un centime sur des milliards de transactions peut entraîner des conséquences catastrophiques, chaque ligne de code traduit doit passer par une vérification multiniveaux. Les régulateurs—de la Réserve fédérale à la Banque centrale européenne—n'ont pas encore établi de normes claires pour la migration assistée par l'IA d'infrastructures critiques. Cela crée une incertitude juridique qui pourrait ralentir la mise en œuvre même avec la disponibilité technique en place.

Néanmoins, la direction du mouvement est claire. Le problème du COBOL est un problème d'une valeur de milliers de milliards de dollars, et pour la première fois en une décennie, un outil a émergé capable de rendre sa solution économiquement et techniquement viable. Pour l'industrie financière, cela signifie le début de la plus grande migration technologique de son histoire. Pour les entreprises d'IA—l'ouverture d'un marché vaste et exceptionnellement solvable. Et pour nous tous—l'espoir que le système par lequel passent nos salaires, nos paiements et nos économies cessera enfin de dépendre d'un code écrit avant l'invention d'internet, et d'une poignée de spécialistes qui se souviennent comment il fonctionne.