Formation · OpenAI Codex · Modernisation de l’existant

OpenAI Codex pour la modernisation des systèmes hérités

Déléguer le développement avec OpenAI Codex : CLI et agent cloud, AGENTS.md, sandbox, approbations et workflows de PR en équipe.

Durée
2 jours (14 h)
Format
En ligne ou en présentiel
Langue
Allemand ou anglais
Participants
sessions ouvertes ou intra-entreprise
Attestation
Attestation de participation

Présentation

« OpenAI Codex pour la modernisation des systèmes hérités » s’adresse notamment aux profils suivants : Développeurs en charge de systèmes COBOL, PL/I ou RPG, Équipes Java et .NET confrontées à des monolithes et frameworks vieillissants et Architectes logiciel et d’entreprise impliqués dans des programmes de modernisation. Elle montre pas à pas comment utiliser OpenAI Codex de manière productive, sûre et traçable dans le domaine Modernisation de l’existant – des bases aux workflows avancés.

OpenAI Codex est un agent de développement qui fonctionne aussi bien en local, sous forme d’outil en ligne de commande et d’extension d’IDE, que dans le cloud. En local, Codex lit votre dépôt, propose des modifications et exécute des commandes dans un environnement isolé. Dans le cloud, il traite en parallèle les tâches que vous lui déléguez dans des conteneurs dédiés et restitue des diffs ou des pull requests traçables. En deux jours, vous apprenez à combiner ces deux usages et à découper le travail pour que l’agent le mène à bien.

Le pilotage et la sécurité sont au cœur de la formation. Avec AGENTS.md, vous transmettez à Codex la connaissance du projet, les commandes de build et de test ainsi que vos conventions. Vous configurez les modes d’approbation et la sandbox pour que l’agent n’agisse que dans le cadre autorisé, et préparez des environnements cloud avec des scripts d’installation adaptés. Vous intégrez enfin Codex à vos workflows de pull request, exploitez la revue de code automatisée et fixez les règles de délégation et de contrôle avant fusion.

De nombreux systèmes critiques reposent encore sur du COBOL mainframe, d’anciennes applications Java EE ou des solutions .NET Framework dont les auteurs sont partis depuis longtemps. Les assistants de codage IA et les agents rendent ces bases de code bien plus accessibles : ils expliquent la logique des programmes, reconstituent les règles métier, génèrent des tests de caractérisation et accompagnent une migration progressive vers des langages, frameworks et plateformes cloud modernes. Moderniser reste toutefois un travail d’ingénierie, car une traduction automatique sans compréhension ne fait que créer un nouvel existant. Vous apprendrez à mobiliser l’IA selon des approches éprouvées : le strangler fig, le branch by abstraction ou la couche anticorruption, à figer le comportement par des tests et à fonder vos décisions sur une analyse solide de l’existant.

La formation se déroule en direct – en ligne dans une classe virtuelle ou en présentiel dans nos salles à Munich, Salzbourg, Berlin, Augsbourg, Hanovre, Brême, Stuttgart et Kaiserslautern. Nous pouvons également l’organiser en intra pour votre équipe.

À qui s’adresse cette formation ?

  • Développeurs en charge de systèmes COBOL, PL/I ou RPG
  • Équipes Java et .NET confrontées à des monolithes et frameworks vieillissants
  • Architectes logiciel et d’entreprise impliqués dans des programmes de modernisation
  • DSI et chefs de projet responsables de migrations
  • Consultants en modernisation applicative et migration cloud

Les défis concrets que nous traitons

  • Des règles métier enfouies sans documentation dans le code et un savoir disparu avec ses auteurs
  • L’absence de tests automatisés qui rend chaque modification risquée
  • Des frameworks obsolètes, des bibliothèques sans correctifs et des environnements d’exécution propriétaires
  • Des migrations big bang qui échouent sur le périmètre, la reprise de données et la double exploitation

Objectifs pédagogiques

  • Vous utilisez Codex en local et dans le cloud pour les tâches de développement adaptées à chaque mode.
  • Vous rédigez un AGENTS.md qui guide l’agent de manière fiable dans votre projet.
  • Vous configurez modes d’approbation et sandbox selon vos exigences de sécurité.
  • Vous déléguez des tâches à l’agent cloud et en vérifiez méthodiquement les résultats.
  • Vous utilisez des agents IA pour comprendre les systèmes hérités, documenter les règles métier et rendre les dépendances visibles.
  • Vous sécurisez le comportement existant par des tests de caractérisation générés avant de migrer ou de refactorer.
  • Vous planifiez et pilotez une modernisation incrémentale selon des modèles éprouvés plutôt qu’une bascule big bang risquée.

Programme

Jour 1

Module 1 Panorama de Codex : CLI, IDE et cloud
  • Comparer le fonctionnement de Codex en local et dans le cloud
  • Installer la CLI Codex, s’authentifier et la lancer dans un dépôt
  • Sessions interactives, exécution non interactive et choix du modèle
  • Distinguer les tâches adaptées à un agent de celles qui ne le sont pas
Module 2 La connaissance du projet avec AGENTS.md
  • Construire un AGENTS.md avec les commandes de build, de test et de lint
  • Formuler précisément conventions, repères d’architecture et interdits
  • Utiliser des AGENTS.md imbriqués pour les monorepos et sous-projets
  • Mesurer l’effet des consignes et les améliorer par itérations
Module 3 Sandbox, approbations et sécurité
  • Choisir le mode d’approbation, de la lecture seule à une large autonomie
  • Comprendre les limites de la sandbox pour le système de fichiers et le réseau
  • Gérer secrets, dépendances téléchargées et injection de prompt
  • Fichiers de configuration pour des standards d’équipe et des réglages sûrs par défaut
Module 4 Déléguer des tâches à l’agent cloud
  • Configurer des environnements cloud avec scripts d’installation et dépendances
  • Rédiger des tâches avec objectif, contexte et critères d’acceptation
  • Lancer plusieurs tâches en parallèle et comparer les résultats
  • S’appuyer sur les journaux et sorties de tests pour comprendre les solutions

Jour 2

Module 5 Workflows de PR et revue de code en équipe
  • Transformer les résultats en pull requests et demander des corrections
  • Utiliser la revue de code automatisée de Codex sur GitHub
  • Intégrer Codex dans des scripts et des pipelines CI
  • Définir les règles d’équipe : délégation, obligations de revue, responsabilités
Module 6 Atelier pratique : Modernisation de l’existant
  • Extraire les règles métier
  • Cartographier les dépendances
  • Générer des tests de caractérisation
  • Mettre à niveau les frameworks
  • Traduire et refactorer le code
  • Concevoir une architecture strangler fig
Module 7 Protection des données, qualité & mise en pratique
  • Les systèmes hérités traitent souvent des données clients, financières ou d’assurance : vous apprenez à nettoyer code et données de test avant tout usage de l’IA, à clarifier les questions de licence et de droit d’auteur sur le code traduit et à prendre en compte le RGPD, DORA et les exigences des autorités sectorielles.
  • Règles du jeu pour un usage sûr de l’IA en équipe
  • Vérifier les résultats : faits, sources, tests et principe des quatre yeux
  • Plan d’action personnel pour les 30 prochains jours
  • Questions ouvertes, perspectives et ressources pour aller plus loin

Cas pratiques de votre domaine

Extraire les règles métier

Analyser paragraphes COBOL, copybooks ou classes de service Java, documenter la logique de calcul et de décision sous forme de règles lisibles et les valider avec les experts métier.

Cartographier les dépendances

Reconstituer graphes d’appels, chaînes de jobs JCL, accès aux bases et interfaces à partir du code, puis les représenter en diagrammes pour identifier les points de découpe d’un remplacement progressif.

Générer des tests de caractérisation

Figer le comportement actuel par des tests golden master ou d’approbation, dériver des jeux de données anonymisés à partir de cas réels et disposer d’un filet de sécurité avant toute migration.

Mettre à niveau les frameworks

Planifier le passage de Java EE à Jakarta EE ou Spring Boot, ou du .NET Framework vers .NET moderne, repérer les ruptures d’API et appliquer des modifications cohérentes sur de nombreux fichiers.

Traduire et refactorer le code

Convertir des modules COBOL en Java ou C# idiomatique plutôt que ligne à ligne, représenter correctement les décimaux packés et vérifier le résultat face à l’original par des tests comparatifs.

Concevoir une architecture strangler fig

Définir façades, couches de routage et couches anticorruption par lesquelles de nouveaux services reprennent pas à pas les fonctions de l’existant, synchronisation des données et retour arrière compris.

Projets pratiques possibles

Convertisseur de copybooks

Un outil qui lit des copybooks COBOL et génère schémas JSON, records Java ou tables SQL, en traitant correctement les champs décimaux et REDEFINES.

Portail de connaissance de l’existant

Une petite application web qui rend programmes analysés, règles métier et dépendances consultables et répond aux questions sur l’existant en citant ses sources.

Banc de tests comparatifs

Un harnais de test qui envoie les mêmes entrées à l’ancien et au nouveau système, compare les sorties champ par champ et consigne clairement les écarts.

Prérequis

Vous avez une pratique réelle de la programmation, maîtrisez Git et la ligne de commande et connaissez les workflows basés sur les pull requests. Vous avez une expérience de programmation dans au moins un langage de la plateforme source ou cible, par exemple COBOL, Java ou C#, ainsi que des notions d’architecture logicielle.

Prérequis techniques

Ordinateur portable personnel avec terminal, Git et environnement Node.js ; une offre ChatGPT incluant Codex ou une clé API OpenAI, ainsi qu’un compte GitHub pour les exercices cloud.

Protection des données & conformité

Les systèmes hérités traitent souvent des données clients, financières ou d’assurance : vous apprenez à nettoyer code et données de test avant tout usage de l’IA, à clarifier les questions de licence et de droit d’auteur sur le code traduit et à prendre en compte le RGPD, DORA et les exigences des autorités sectorielles.

Dates proposées

Toutes les dates sont indicatives – votre date souhaitée est toujours possible.

  • lun. 23 novembre 2026 – mar. 24 novembre 2026 En ligne Demander
  • lun. 30 novembre 2026 – mar. 1 décembre 2026 Augsbourg Demander
  • mar. 15 décembre 2026 – mer. 16 décembre 2026 En ligne Demander
  • mer. 13 janvier 2027 – jeu. 14 janvier 2027 En ligne Demander
  • lun. 25 janvier 2027 – mar. 26 janvier 2027 Kaiserslautern Demander
  • lun. 8 février 2027 – mar. 9 février 2027 En ligne Demander

Questions fréquentes

Quand utiliser Codex en local et quand dans le cloud ?

En local, vous travaillez de manière interactive au plus près du code, par exemple pour déboguer ou explorer une piste en suivant chaque étape. L’agent cloud convient aux tâches bien délimitées qui peuvent se dérouler seules, comme compléter des tests ou corriger de petits bugs. Vous pouvez en lancer plusieurs en parallèle et relire chacune sous forme de pull request.

Que doit contenir un bon AGENTS.md ?

Un bon AGENTS.md explique comment construire, tester et vérifier le projet, quelles conventions s’appliquent et quelles zones ne doivent pas être modifiées. Il reste court, concret et à jour. Des repères d’architecture et la liste des pièges fréquents sont également utiles. Pendant la formation, vous rédigez un AGENTS.md pour votre propre projet et en mesurez l’effet.

Est-il risqué de laisser Codex exécuter des commandes ?

Par défaut, Codex travaille dans une sandbox qui restreint l’accès aux fichiers et au réseau, et demande une approbation avant les opérations sensibles. Vous déterminez le degré d’autonomie via les modes d’approbation et la configuration. La formation vous apprend à choisir ces réglages en connaissance de cause et à limiter des risques comme l’injection de prompt.

L’IA peut-elle traduire automatiquement un système COBOL en Java ?

L’IA traduit des modules isolés bien plus vite qu’un travail manuel, mais une traduction strictement ligne à ligne produit souvent un code difficile à maintenir. Mieux vaut d’abord comprendre et tester les règles métier, puis concevoir délibérément l’architecture cible. Pendant la formation, vous associez traduction assistée par IA, tests comparatifs et refactoring.

Comment traiter des bases de code très volumineuses ?

Un grand système hérité ne tient pas entièrement dans le contexte d’un modèle. On procède par inventaire méthodique, résumés par module, graphes de dépendances et récupération ciblée du code pertinent. Les agents travaillent alors module par module avec une mission précise. Vous apprenez à bâtir cette structure et à en tirer des éléments concrets pour vos décisions d’architecture.

Combien coûte la formation « OpenAI Codex pour la modernisation des systèmes hérités » ?

La formation coûte 949 € HT forfaitaires par participant – en ligne comme en présentiel. Sont inclus 2 jour(s) de formation avec un formateur en direct, les supports de cours, un environnement d’exercice et une attestation de participation.

Puis-je proposer ma propre date ?

Oui. Nos dates sont indicatives. Dans le formulaire, vous pouvez à tout moment indiquer librement la date ou la période souhaitée – nous vérifions les disponibilités et confirmons sous un jour ouvré.

La formation a-t-elle lieu en ligne ou en présentiel ?

Les deux sont possibles : en direct dans une classe virtuelle ou en présentiel à Munich, Salzbourg, Berlin, Augsbourg, Hanovre, Brême, Stuttgart ou Kaiserslautern. Nous pouvons aussi l’organiser en intra pour votre équipe.

Autres formations pour la modernisation des systèmes hérités

Autres formations OpenAI Codex

Les 32 formations OpenAI Codex

OpenAI Codex · MunichOpenAI Codex · SalzbourgOpenAI Codex · BerlinOpenAI Codex · AugsbourgOpenAI Codex · HanovreOpenAI Codex · BrêmeOpenAI Codex · StuttgartOpenAI Codex · KaiserslauternOpenAI Codex · En ligne