LegacyTranslate: LLM-based Multi-Agent Method for Legacy Code Translation
Ce papier présente LegacyTranslate, un cadre multi-agents basé sur les LLMs conçu pour moderniser des systèmes hérités en traduisant du code PL/SQL vers Java avec une conscience des API, démontrant que l'ajout d'agents de mise en correspondance et d'affinage améliore significativement le taux de compilation et de réussite des tests par rapport à une traduction initiale seule.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
🏛️ Le Problème : Rénover un vieux château sans plan
Imaginez que vous possédez un immense château (un système informatique) construit il y a 30 ans. Les murs sont faits de PL/SQL (un vieux langage de programmation, un peu comme des briques de pierre taillées à la main). Ce château fonctionne, mais il est difficile à entretenir, personne ne connaît plus les plans, et les nouvelles normes de sécurité exigent qu'on le reconstruise en Java (un langage moderne, comme des blocs de construction Lego standardisés).
Le défi ? Vous ne pouvez pas simplement jeter les vieilles briques et en mettre de nouvelles au hasard. Le nouveau château doit s'adapter parfaitement aux fondations existantes, aux tuyauteries internes et aux règles de la ville (les API et les bibliothèques internes de l'entreprise).
Si vous demandez à un robot intelligent (une IA ou LLM) de faire le travail seul, il risque de construire une tour magnifique qui s'effondre dès qu'on essaie de la brancher au réseau électrique, car elle ne respecte pas les normes locales.
🤖 La Solution : L'équipe "LegacyTranslate"
Au lieu de confier tout le travail à un seul robot, les auteurs ont créé une équipe de trois experts (des agents) qui travaillent ensemble, comme un chantier de rénovation bien rodé.
Voici comment ils fonctionnent, étape par étape :
1. Le Traducteur Débutant (Initial Translation Agent)
C'est le premier ouvrier. Il regarde un vieux plan en pierre (PL/SQL) et essaie de dessiner le plan en Lego (Java).
- Son astuce : Il ne devine pas au hasard. Il consulte une bibliothèque de "vieux plans rénovés" (des exemples de code) pour voir comment d'autres ont fait le travail avant.
- Le résultat : Il produit un premier brouillon. C'est souvent joli et structuré, mais il manque souvent les bons connecteurs pour se brancher sur le réseau de l'entreprise.
2. L'Expert des Normes (API Grounding Agent)
C'est l'inspecteur du bâtiment. Il regarde le brouillon du premier robot et dit : "Attends, tu as utilisé un tuyau de marque X, mais notre usine n'utilise que des raccords de marque Y !"
- Son rôle : Il fouille dans le catalogue officiel de l'entreprise (la base de connaissances des API) pour trouver les bons outils et les bonnes pièces qui existent vraiment.
- L'action : Il dresse une liste des pièces manquantes ou incorrectes et les remet au robot suivant.
3. Le Finisseur Persévérant (Refinement Agent)
C'est le bricoleur qui ne lâche rien. Il prend le brouillon, les nouvelles pièces de l'expert et les erreurs de compilation (les messages d'erreur du compilateur, comme un testeur qui crie "Ça ne marche pas !").
- Son rôle : Il corrige le code, réessaie, et recommence jusqu'à ce que tout fonctionne parfaitement.
- Le résultat : Un code qui ne s'effondre pas, qui se compile et qui passe tous les tests.
📊 Les Résultats : Pourquoi c'est génial ?
Les chercheurs ont testé cette méthode sur 2,5 millions de lignes de code d'une banque. Voici ce qu'ils ont découvert :
- Sans l'équipe (Juste l'IA seule) : Le robot produit du code qui ressemble à du Java, mais qui ne fonctionne jamais dans la vraie vie. C'est comme construire une maison en carton : ça a l'air bien, mais ça ne résiste pas à la pluie. 0 % de réussite.
- Avec l'équipe complète :
- 53 % du code est compilable (il fonctionne techniquement).
- 34 % passe tous les tests (il fonctionne correctement).
- C'est une énorme amélioration ! Le simple fait d'avoir l'expert des normes (l'agent API) a fait passer le taux de réussite de 45 % à 53 %.
💡 La Leçon à retenir
L'article nous apprend une chose fondamentale : l'intelligence artificielle seule ne suffit pas pour des tâches complexes.
Si vous demandez à une IA de migrer un vieux système, elle risque de faire des erreurs subtiles parce qu'elle ne connaît pas les règles internes de votre entreprise. En créant une équipe où un agent cherche les bonnes pièces, un autre vérifie les normes, et un troisième corrige les erreurs, on transforme un rêve technologique en réalité industrielle.
C'est la différence entre un architecte qui dessine une maison sur un coin de table, et une équipe de construction qui vérifie les fondations, les permis de construire et les raccordements avant de poser la première brique.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.