La modernisation du code existant a stagné pendant des années. Comprendre ce code coûtait plus cher que de le réécrire. L’IA change la donne

COBOL est omniprésent. Le langage de programmation gère encore et toujours un maximum de transactions financières. Anthropic propose aujourd’hui de lever les obstacles financiers à sa modernisation via Claude Code. Panique chez les spécialistes de la modernisation !

Si COBOL est toujours extrêmement présent, le nombre de personnes qui le maîtrisent diminue d’année en année -le langage de programmation a été créé en 1959 ! Les développeurs qui ont conçu ces systèmes ont pris leur retraite il y a des années. Et le savoir-faire institutionnel qu’ils détenaient a disparu avec eux. Le code a été modifié à maintes reprises au fil des décennies, mais la documentation n’a pas suivi…

A qui la faute ? L’industrie ne forme pas de remplaçants. Le COBOL n’est enseigné que dans une poignée d’universités. Et trouver des ingénieurs capables de le lire devient de plus en plus difficile… Face à ces obstacles, les organisations sont face à un défi. Comment moderniser leurs systèmes sans perdre la fiabilité, la disponibilité et les données accumulées au fil des décennies ?

Pourquoi la modernisation du COBOL est différente

La modernisation du COBOL diffère fondamentalement de la refactorisation classique de code existant. Il ne s’agit pas simplement de mettre à jour un code familier pour utiliser de meilleures pratiques, mais de déconstruire la logique métier de systèmes conçus sous Richard Nixon. Autrement dit, démêler des dépendances qui se sont développées au fil des décennies et traduire un savoir-faire institutionnel qui n’existe plus que dans le code lui-même.

Autrefois, moderniser un système COBOL nécessitait des armées de consultants passant des années à cartographier les flux de travail. Il en résultait des délais importants et des coûts élevés que peu étaient prêts à assumer.

L’IA change la donne

« Des outils comme Claude Code peuvent automatiser les phases d’exploration et d’analyse qui absorbent la majeure partie des efforts lors de la modernisation du COBOL », explique Anthropic. Ces outils peuvent cartographier les dépendances sur des milliers de lignes de code, documenter les flux de travail oubliés, identifier les risques qu’un analyste humain mettrait des mois à déceler, fournir aux équipes les informations approfondies nécessaires à une prise de décision éclairée.

Grâce à l’IA, les équipes peuvent moderniser leur code COBOL en quelques trimestres au lieu de plusieurs années. De fait, l’IA excelle dans la simplification des tâches qui rendaient autrefois la modernisation du COBOL trop coûteuse. Elle permet à l’équipe IT de se concentrer sur la stratégie, l’évaluation des risques et la logique métier. Pendant ce temps, l’IA automatise l’analyse et l’implémentation du code.

Exploration et découverte automatisées

L’IA commence par analyser l’intégralité du code COBOL et en cartographier la structure. Elle identifie les points d’entrée des programmes, retrace les chemins d’exécution à travers les sous-programmes appelés, cartographie les flux de données entre les modules et documente les dépendances qui s’étendent sur des centaines de fichiers.

« Ce type de cartographie va bien au-delà des simples graphes d’appels, insiste Anthropic. Les structures de données partagées, les opérations sur les fichiers créant un couplage entre les modules, les séquences d’initialisation influençant le comportement à l’exécution. Ces dépendances implicites ne sont pas détectées par l’analyse statique car elles impliquent des données partagées via des fichiers, des bases de données ou un état global. » Ce sont précisément celles-ci qui rendent la modernisation de COBOL risquée, d’où l’importance de la découverte automatisée : elle identifie ces relations cachées avant qu’elles ne causent des problèmes lors de la migration.

La documentation des flux de travail découle également de cette analyse. En retraçant le parcours des données dans un système, de l’entrée à la sortie, l’IA peut générer des diagrammes et des descriptions écrites des pipelines de traitement dont personne ne se souvient avoir construit, mais dont tout le monde dépend. 

Analyse des risques et cartographie des opportunités

Grâce à la cartographie du code source, l’IA peut évaluer quels composants peuvent être déplacés en toute sécurité et lesquels nécessitent une attention particulière. Les modules fortement couplés peuvent présenter plus de risques à moderniser. Les composants isolés apparaissent comme candidats à une modernisation précoce et indépendante. La logique dupliquée révèle des opportunités de refactorisation. Les zones présentant une dette technique accumulée sont documentées avant qu’elles ne deviennent des problèmes imprévus lors de la migration.

C’est là que le jugement humain devient essentiel. Les ingénieurs COBOL apportent une compréhension des exigences réglementaires, des priorités métier, des contraintes opérationnelles et de la tolérance au risque que l’IA ne peut pas appréhender.

En pratique, étape par étape…

La phase de planification élabore une feuille de route détaillée qui séquence stratégiquement les travaux de modernisation :

  • l’IA suggère une priorisation basée sur les risques, les dépendances et la complexité identifiés lors de l’analyse ;
  • l’équipe examine ces recommandations et décide quels composants moderniser en premier en fonction de la valeur métier, du risque technique et des priorités organisationnelles.

C’est également à ce moment que l’équipe définit l’architecture cible, les normes de codage et les exigences d’intégration pour les composants modernisés. Les tests et la validation du code sont définis avant toute modification :

  • l’IA conçoit des tests fonctionnels préliminaires qui vérifient que le code migré produit des résultats identiques à ceux du COBOL existant ;
  • l’équipe détermine si ces tests sont suffisants, quels scénarios métier nécessitent une validation manuelle par des experts et quels critères de performance les composants modernisés doivent respecter.

Implémentation incrémentale avec validation continue

L’exécution se fait composant par composant, avec une validation à chaque étape. L’IA traduit la logique COBOL en langages modernes, crée des API autour des composants existants qui restent en place et construit l’infrastructure permettant d’exécuter l’ancien et le nouveau code en parallèle pendant la transition.

Chaque étape est soit validée avec succès, soit corrigée en cas d’échec, tant que la portée est limitée. On évite ainsi les modifications majeures en cours, où un échec signifierait annuler des semaines de travail. « En constatant la réussite des tests des composants modernisés, l’équipe gagne en confiance et aborde progressivement des parties plus complexes du système », assure Athropic.

Lancez la modernisation !

Des outils comme Claude Code peuvent automatiser une grande partie du travail d’exploration et d’analyse décrit, revendique Anthropic. Ce qui facilitera la planification et exécution des migrations.

L’éditeur de Claude Code suggère de débuter par un composant ou un flux de travail unique, aux limites claires et à la complexité modérée. Et d’utiliser l’IA pour l’analyser et le documenter en détail. Planifier, ensuite, la modernisation pour l’implémenter progressivement en effectuant des tests à chaque étape. Puis, valider. « Cela renforcera la confiance de l’organisation et mettra en évidence les ajustements nécessaires à vos systèmes ! »

Le contexte économique de la modernisation COBOL a évolué, conclut Anthropic. L’IA le rend rentable en automatisant les tâches qui nécessitaient auparavant des armées de consultants. Dès lors, les équipes internes peuvent se concentrer sur les décisions de migration qui requièrent leur expertise métier.

Il reste à voir comment l’écosystème IBM réagira…