Mistral: moderniser le code critique avec des agents IA gouvernés
Mistral publie un retour d'expérience sur la migration de 40 000 lignes de Fortran 77 vers C++ pour un opérateur européen de l'énergie. Le signal utile pour les entreprises belges et françaises: les agents IA accélèrent la modernisation du code critique seulement si la preuve, la documentation et la revue humaine sont conçues avant l'autonomie.
1. Ce que Mistral documente
Le cas décrit une base scientifique ancienne, sans suite de tests centralisée et avec une documentation dispersée. Mistral explique avoir d'abord construit un harnais de parité pour comparer les sorties du Fortran et du C++, y compris des points intermédiaires définis avec les experts métier. Cette étape transforme une migration difficile à juger en série de preuves vérifiables.
L'équipe a aussi utilisé des agents pour documenter l'arbre d'appels, rapprocher anciens PDF et commentaires du code, puis migrer par modules. L'expérience oppose deux extrêmes peu satisfaisants: agents totalement autonomes, rapides mais trop littéraux, et travail manuel lent. Le compromis retenu combine planification, codage, tests, revue qualité et intervention humaine sur les blocages.
2. Ce que cela change pour une entreprise belge ou française
Pour une PME industrielle, une ETI ou une administration, la leçon est concrète: l'IA ne supprime pas le besoin d'une base exécutable et mesurable. Avant de confier du code legacy à des agents, il faut identifier les résultats attendus, créer des jeux de comparaison, borner les modules et rendre les décisions traçables.
Les DSI et directions métiers peuvent y voir une méthode pour moderniser ERP, simulateurs, connecteurs métier ou traitements réglementaires sans casser la continuité. Les équipes cyber et conformité doivent cependant cadrer les dépôts accessibles, les secrets, les dépendances ajoutées, les données de test et les droits d'écriture. La valeur se mesure au code validé et maintenable, pas au volume généré.
3. Analyse Underside: agents, souveraineté, RAG et Odoo
L'analyse Underside est que la modernisation agentique devient un sujet de gouvernance logicielle. Dans un contexte IA souveraine, l'environnement d'exécution des agents, les dépôts, les outils de build, les journaux et les artefacts de test doivent rester sous contrôle, en local, cloud européen ou hybride selon la sensibilité. Un agent capable de modifier du code métier doit être traité comme une identité technique privilégiée.
Pour Odoo Entreprise, cette approche s'applique aux modules historiques, connecteurs API, automatisations comptables ou flux de vente. Un RAG peut aider l'agent à retrouver documentation, tickets et règles internes, mais il ne doit pas devenir une source d'autorité implicite. Les validations humaines, tests reproductibles, revues de dépendances et traces d'approbation restent la frontière entre expérimentation et production.
4. Recommandation opérationnelle
Commencez par un module borné et critique mais observable. Construisez d'abord le harnais de parité, documentez les invariants métier, bloquez les secrets, imposez des branches courtes et exigez une revue humaine avant fusion. Ajoutez ensuite des agents pour documenter, proposer une architecture cible, générer les changements et exécuter les tests.
Priorité concrète: ne lancez pas un agent de modernisation tant que les critères de parité, les droits d'accès, les journaux, la politique de dépendances et le scénario de rollback ne sont pas écrits dans le dépôt.
Cadrer une modernisation IA