État de GitHub : problèmes d’accès et signalements de panne

Problèmes au cours des dernières 24 heures

Le graphique suivant montre le nombre de rapports que nous avons reçus sur GitHub par heure de la journée au cours des dernières 24 heures. Une panne est déterminée lorsque le nombre de rapports est supérieur à la ligne de base, représentée par la ligne rouge.

Problèmes les plus rapportés

Voici les problèmes les plus récents signalés par les utilisateurs de GitHub via notre site Web.

• Panne de site web (58%)
• Erreurs (26%)
• Sign in (16%)

Carte en direct des pannes

Les derniers rapports et problèmes d'interruption proviennent

City	Problem Type	Report Time
Township of Evan	Erreurs	il y a 3 jours
Madrid	Erreurs	il y a 3 jours
Bogotá	Erreurs	il y a 3 jours
Paris	Erreurs	il y a 3 jours
Lyon	Panne de site web	il y a 3 jours
Lima	Erreurs	il y a 3 jours

Carte de panne complète

Discussion communautaire

Conseils? Frustrations? Partagez-le ici. Les commentaires utiles comprennent une description du problème, la ville et le code postal.

Méfiez-vous des "numéros d'assistance" ou des comptes de "récupération" qui pourraient être affichés ci-dessous. Assurez-vous de signaler et de voter contre ces commentaires. Évitez de publier vos informations personnelles.

GitHub Rapports de Problèmes

Dernières pannes, problèmes et rapports de problèmes dans les médias sociaux:

• 
  ☠ Bluetouff (@bluetouff) a signalé il y a 9 secondes

  US Risk Macro Dashboard (lien github sous ce post) Ce dashboard offre une lecture du cycle macro américain, validée empiriquement, sans abonnement, accessible à tous. Pour quelqu'un qui gère son propre patrimoine et qui veut prendre des décisions d'allocation éclairées (actions vs obligations vs cash, secteurs cycliques vs défensifs), ce type d'outil peut être utile. L'objet est de proposer un indicateur composite qui ne soit pas du bullshit. Trop d'indicateurs macro publiés (par des banques, des newsletters, des comptes Twitter) sont des boîtes noires non documentées, non backtestées, et calibrées sur des intuitions. Ici, chaque choix est explicite, chaque exclusion est justifiée, chaque pondération est validée. Le code est ouvert, modifiable, auditable. Si quelqu'un n'est pas d'accord avec un choix, il peut le changer et voir l'effet immédiatement. Les limites : - Périmètre limité aux États-Unis. Les indicateurs européens, japonais, chinois, ne sont pas couverts. Une extension est possible mais demanderait de refaire le travail méthodologique pour chaque pays. - Pas d'analyse des marchés financiers eux-mêmes. Les valorisations actions, les flux de capitaux, le positionnement des hedge funds ne sont pas dans le dashboard. Le projet surveille l'économie réelle et son interface avec la finance, pas les marchés en tant que tels. - Données trimestrielles pour certaines séries clés. SLOOS et les delinquencies sont publiés tous les trois mois, ce qui crée une latence inévitable. Le dashboard est optimisé pour un usage hebdomadaire, pas quotidien. Ce que fait l'app : Elle surveille en continu 43 séries macroéconomiques américaines réparties en 8 familles de risque : - Crédit ménages (delinquencies cartes, prêts conso, hypothèques, taux d'épargne) - Stress bancaire (bilan Fed, réserves, dépôts, discount window) - Liquidité et plomberie financière (SOFR, courbe des taux, stress indices Fed) - Stress corporate (spreads High Yield et Investment Grade, défauts business) - Immobilier résidentiel et commercial (CRE delinquencies, taux 30Y, permis de construire) - Marché du travail (claims initiaux et continus, quits rate, JOLTS, temp help) - Consommation réelle (PCE, revenus disponibles, sentiment Michigan, retail sales) - SLOOS (Senior Loan Officer Survey de la Fed / durcissement des standards de prêt) Pour chaque indicateur, l'outil calcule un score de stress normalisé, agrège ces scores par famille puis en un score composite global, et présente le tout dans un tableau de bord visuel. À chaque exécution hebdomadaire, l'historique est enrichi : sur quelques mois, l'utilisateur construit sa propre série temporelle du stress macro tel que mesuré par ses propres indicateurs. La méthodologie : on affiche des écarts, pas des chiffres La valeur brute d'un indicateur (ex : "delinquency rate à 2.92%") n'a aucun sens pour un non-spécialiste. Ce qui compte, c'est où ce chiffre se situe par rapport à sa normalité historique. Tout le dashboard est construit autour de cette idée : chaque indicateur est présenté avec une valeur actuelle, une référence de normalité, et un score d'anomalie. Pour chaque indicateur, le système calcule trois métriques de stress en parallèle : 1. Le z-score sur 5 ans glissants. C'est la mesure statistique classique : combien d'écarts-types l'indicateur actuel se trouve-t-il de sa moyenne récente ? Cette mesure capture les anomalies de court/moyen terme. 2. La dérive par rapport à la moyenne pré-COVID (2015-2019). Cette mesure complète le z-score qui souffre d'un défaut connu : si un indicateur dérive lentement vers un nouveau niveau, le z-score glissant s'adapte et finit par considérer ce nouveau niveau comme "normal" alors qu'il représente un changement structurel. L'écart à une baseline fixe pré-COVID corrige ce biais. Concrètement : si les défauts sur l'immobilier commercial sont passés progressivement de 0.86% à 1.56% en six ans, le z-score 5Y l'identifie mal mais l'écart à la baseline (+81%) crie l'alerte. 3. Le momentum (variations 3M annualisées et 1Y). Cette mesure capture la vitesse de changement. Un indicateur peut être à un niveau modeste mais se dégrader rapidement, ce qui est souvent plus inquiétant qu'un niveau élevé stable. Le score final d'un indicateur est le maximum de ces trois dimensions, ce qui garantit qu'aucune source de stress n'est manquée. Si une seule des trois alertes, l'indicateur est en alerte. Les règles d'exclusion : - Pour les taux d'intérêt et les bilans Fed, l'écart à la baseline pré-COVID n'a aucun sens. Comparer le rendement du 10 ans actuel à sa moyenne 2015-2019 (taux zéro artificiellement) reviendrait à dire "alerte stress!" alors que c'est juste un retour à la normale historique. Ces séries sont marquées comme "régime change" et évaluées uniquement sur le z-score. - Pour les volumes nominaux (encours de crédit, masse monétaire, bilan bancaire), le drift est également trompeur car ces séries croissent naturellement avec l'inflation et la population. Elles sont aussi en mode régime change. - Pour les variables centrées autour de zéro (yield curves, stress indices, SLOOS), la formule du drift en pourcentage explose mécaniquement quand la baseline est proche de zéro. Ces séries sont aussi exclues du drift. - Pour le momentum, les séries qui peuvent traverser zéro (yield curve qui passe d'inversée à normale, stress indices qui passent de négatif à positif) ne supportent pas un calcul de variation en pourcentage. Elles sont exclues du momentum. Ces règles d'exclusion ne sont pas du bricolage : chacune est issue de la confrontation entre la méthode et la réalité empirique. Le projet a été calibré itérativement, en identifiant systématiquement les faux signaux et en formalisant les règles qui les expliquent. Scoring composite et pondération empirique - Tous les indicateurs ne se valent pas. La courbe des taux 10Y-3M est historiquement le meilleur prédicteur de récession américaine sur soixante ans (zéro faux positif depuis 1960). Les delinquencies sur cartes de crédit sont des indicateurs coïncidents : ils montent pendant les récessions, pas avant. Donner le même poids à ces deux types de signaux dans un score composite est méthodologiquement absurde. Le dashboard implémente une pondération empirique calibrée par backtest historique. Pour chaque indicateur, on calcule sa valeur statistique trois mois, six mois et douze mois avant chacune des quatre récessions NBER depuis 1990 (1990-91, 2001, 2008-09, 2020). La moyenne de ces valeurs donne le "pouvoir prédictif" historique de chaque série. Les indicateurs qui ont systématiquement signalé les récessions à l'avance reçoivent un poids plus élevé (Tier 1, coefficient 3x ou 2.5x) ; ceux qui n'ont rien anticipé reçoivent un poids faible (Tier 3, coefficient 1x ou 0.5x). Cette calibration empirique remplace la pondération basée sur la littérature académique, qui est utilisée comme première approximation puis affinée par les données. Les deux approches sont comparées dans le code, ce qui révèle parfois des écarts intéressants : par exemple, le marché du travail "leading" (TEMPHELPS, JOLTS) est sous-évalué par la littérature classique alors que le backtest empirique le promeut en Tier 1. On ne se contente pas de calculer le score actuel. On reconstruit l'historique mensuel du score composite depuis 1990, en utilisant à chaque date passée uniquement les données qui étaient disponibles à cette date (sans look-ahead bias). Le résultat est une série temporelle de plus de 400 points qui montre comment le score composite a évolué à travers les récessions, les bulles, et les épisodes de stress (SVB, 2019 manufacturing slowdown, etc.). Cette reconstruction permet trois choses essentielles : 1. Valider la méthode : le score est-il monté avant 2008 ? Avant 2020 ? Si oui, à quel niveau ? L'historique reconstruit montre que le score atteint +1.27 trois mois avant Lehman (percentile 98%) et culmine à +1.5 pendant le COVID. La méthode capture bien les vraies récessions. 2. Calibrer les seuils empiriquement : au lieu de fixer arbitrairement les seuils d'alerte à 1.5σ et 2.5σ, on peut désormais dire que sur 35 ans, le score n'a dépassé +1.0 que pendant les vraies crises. C'est devenu une référence empirique. 3. Contextualiser le présent : aujourd'hui le score est à -0.01, percentile 48%. Cela ne veut pas dire "tout va bien" cela veut dire "on est à la médiane historique, ni plus stressé ni plus calme que la moyenne depuis 1990". C'est très différent du narratif "récession imminente" comme du narratif "tout est sous contrôle". C'est une lecture honnête. Source des data : Le projet utilise l'API FRED (Federal Reserve Bank of St. Louis) comme source de données unique. Ce choix se justifie par plusieurs raisons : FRED est gratuit, exhaustif pour la macro américaine, mis à jour quotidiennement, et propose une API stable depuis quinze ans. Une seule clé API gratuite (30 secondes à obtenir) ouvre l'accès à plus de 800 000 séries. Centraliser les sources évite aussi les problèmes d'incohérence temporelle entre fournisseurs. Fork me i'm free.

• 
  Genius UX (@Genius_UX) a signalé il y a 2 minutes

  Le login… sans aucun doute le truc le plus chiant de la terre. Je devrais parler de mot de passe oublié mais justement les meilleurs ont supprimés ce problème, je vous montre ça. Quelques chiffres pour poser le contexte : 27,4% des logins initiaux échouent (oubli, mauvais mdp). Seulement 4,9% des utilisateurs bloqués tentent une 2e fois. Pire : 28,6% de ces secondes tentatives ne fonctionnent pas non plus. On va regarder ces 3 apps : → HBO Max : Ils anticipent l’échec avec un “One-Time Code” immédiat. Contextual à l’utilisation avec la TV. La cible est très large donc ils sont obligés de garder le funnel avec mot de passe. 50% de réussite. → Tinder : Un seul choix. Fluidité absolue. Et derrière si il t’envoie un code. Zero réflexion réussite 100%. → Raycast : Cible tech. Pattern connu Magic Link ou SSO (Apple/GitHub). Direct au but. 100% de réussite Ils ont tous les 3 supprimé la charge mentale pour sécuriser leurs revenus. (surtout Tinder et Raycast) Alors s’il vous plaît, pour nous pauvre utilisateur (et pour votre portefeuille) faites attention à votre login, ne le mettait pas à la fin de votre roadmap !

• 
  mathieu (@mathieuhq) a signalé il y a 4 minutes

  je passe maintenant environ 80 % de mon taf de dev à discuter avec hermes hermes a accès aux repos sur lesquels je l’autorise, les miens comme ceux de mes clients quand j’ai une feature ou un bug, je ne demande pas directement à un agent de coder à partir de trois lignes écrites à l’arrache je discute d’abord avec hermes il inspecte le repo, retrouve la logique existante, me pose les questions qui manquent et m’aide à transformer l’idée en issue github complète comportement attendu, contraintes techniques, cas limites, fichiers potentiellement concernés, validations à lancer et critères d’acceptation on fait du spec-driven development avant de toucher au code pour cadrer cette partie, j’utilise les skills du repo mattpocock/skills /grill-with-docs me challenge sur les décisions et la terminologie, /to-spec transforme notre discussion en spec, puis /to-tickets découpe le travail en issues verticales avec leurs dépendances tant que l’issue nécessite encore une décision de ma part, elle reste en préparation quand elle est assez claire pour être exécutée sans revenir me demander ce que j’avais en tête, hermes lui ajoute le label agent-ready et c’est là que mon nouveau VPS entre dans la boucle j’ai un VPS dédié avec Codex dessus et un runner GitHub Actions self-hosted le runner reste connecté à GitHub et attend les jobs dès qu’une issue reçoit le label agent-ready, GitHub envoie le job au VPS Codex récupère l’issue et le repo, crée un worktree isolé avec sa propre branche, implémente la solution, lance les tests et les validations du projet, commit les changements, push la branche puis ouvre une pull request liée à l’issue Codex n’a aucun droit de merge sur main main reste protégée et la dernière étape reste humaine je récupère une PR avec le contexte de l’issue, les changements effectués et les validations exécutées je peux relire, tester, demander une correction ou merger en gros, hermes m’aide à transformer une idée floue en travail exécutable, puis Codex prend le relais comme développeur sur une machine séparée je ne code plus du tout je passe mon temps à expliquer précisément ce que je veux construire, à découper correctement le travail et à vérifier ce qui sort des PRs

• 
  Webologie (@Webologie_me) a signalé il y a 12 minutes

  @lgs357 La dépendance à la base installée et au milieu dense, c’est une limite réelle et assumée dans le guide : sans utilisateurs à portée Bluetooth, le réseau n’existe pas. Meshtastic a le même problème, mais avec une portée LoRa de plusieurs kilomètres qui compense un peu mieux en zone peu peuplée. Sur les stores, ça s’est déjà passé : retiré de l’App Store chinois en avril, visé par des ordres de retrait en Inde en juillet. La réponse côté Android c’est F-Droid et le sideloading direct depuis GitHub, qui restent accessibles tant que le bootloader n’est pas verrouillé. Sur le blocage des APK, Google impose effectivement une vérification d’identité des développeurs dès septembre dans quatre pays pilotes, avec une extension mondiale en 2027. F-Droid l’a qualifié de menace existentielle pour son propre modèle. C’est précisément pourquoi GrapheneOS ou un OS dégooglisé change la donne : on sort du périmètre de contrôle de Google sur ce qu’on peut installer.

• 
  Eezy Mongo (@mongo_eezy) a signalé il y a 14 minutes

  Ce qui est arrivé à GitHub était prévisible je pense. Va falloir travailler dur maintenant pour regagner en crédibilité et même légitimité.

• 
  bouboule (@CreepyDail47760) a signalé il y a 25 minutes

  @leploutos @github Purée ça me manque tellement, les piles de ça dans la storage room à mon service it

• 
  Kaostyl (@kaostyl) a signalé il y a 26 minutes

  Mon agent Hermes est en train de migrer mon serveur... En gros j'ai un dédié chez O2switch à 200 balles par mois... et jveux économiser ces 200€ tout ca pour héberger environ 150 wordpress... J'ai pris une décision radicale... Je passe tous les sites en Hugo > Github > Cloudflare pages c'est une conneries ? :D

• 
  Laurent (@Loran750) a signalé il y a 29 minutes

  @fabienr34 alors il n'y a aucun problème car depuis 1 an, Github facture les opérations. Ils vont gagner pas mal d'argent. La version gratuite ne tiendra pas face aux agents autonomes. Il faudra casquer. Il suffit à Github de limiter le nombre de pull, de commit, ou autre pour obliger les gens à casquer.

• 
  enpi (@enpits) a signalé il y a 31 minutes

  @nextgenai_fr @DigitalGanon C'était deepseek v4, mais github copilot m'a aussi déjà joué le coup jusqu'à ce qu'il epuise mon quota. Même les modèles comme fable font ca, car ils considerent que le code qu'ils ont généré est "correct" jusqu'à ce que tu leur pointe directement l'erreur ou ordonne de vérifier.

• 
  Le PLOUTOS (@leploutos) a signalé il y a 32 minutes

  J'ai livré un agent IA dédié au SAV d'un SaaS B2B, qui remplace un alternant et un outil qui coûte une fortune. Là, cette boite payait Intercom un bras, avec un alternant H24 derrière le chat pour traiter les demandes. Sauf que l'alternant finissait son contrat et partait, donc il fallait soit reprendre et former quelqu'un, soit continuer à payer l'outil pour rien. Et ce qu'ils traitaient était assez simple, les mêmes questions qui revenaient, des trucs déjà écrits quelque part dans leur doc. On a viré Intercom. À la place, un bout de code sur leur site, intégré au reste, brandé à leurs couleurs, le visiteur voit juste un chat normal. Derrière, un agent N8N sur un VPS, avec toute leur base de connaissance branchée dedans, les FAQ, les procédures. Quand il sait répondre, il répond, tout de suite, à n'importe quelle heure. Quand il sait pas, il escalade et il ouvre le bon ticket tout seul, sur Github si c'est technique, dans le CRM si c'est commercial. Donc personne côté boite trie les demandes à la main, elles arrivent déjà au bon endroit avec le contexte. Ça tourne sur DeepSeek V4 Pro, ça traite plusieurs dizaines de tickets par semaine, 94% sont closés sans qu'un humain touche à quoi que ce soit. Les 6% qui restent, c'est justement ceux qui méritent un vrai humain. Résultat, l'abonnement Intercom qui saute, le poste qui n'a pas eu besoin d'être remplacé, et les clients qui ont des réponses immédiates au lieu d'attendre. Le jour où l'alternant est parti, personne l'a remarqué côté client.

• 
  Antoine THOMAS (@ttoine) a signalé il y a 32 minutes

  @0xhauru @Tundjii @gchampeau rien que sur GitHub et VS Code il y a des assistants IA/LLM pour coder, dans lesquels ils ont investi massivement. ils sont bien à l'origine du problème et ne l'ont pas anticipé. en plus leurs devs doivent être impactés.

• 
  𝕵ohnny 𝕯ang (@Foulekovic1) a signalé il y a 35 minutes

  @Loreine_LAD Oui voila, donc c'est juste une analyse "bateau" sans prendre en compte comme l'algorithme fonctionne réellement. Tu es peut être ShadowBan, ou pas... Comme je te dis, même Nikita ne maîtrise pas l'algorithme. Elon souhaite une refonte complète du code de l'algorithme parce que lui même ce rend compte qu'il est totalement incohérent. Demande à ChatGPT de poncer le code Open source dispo sur GitHub, ça pourrais te donner peut être une tout autre analyse.

• 
  Barack Ndenga (@barack_ndenga) a signalé il y a 39 minutes

  @Serusimbi @BarackNdenga Impossible 😜 Je le même mis sur Github 😎

• 
  L'ours ronchon (@Loursronchon) a signalé il y a 40 minutes

  @SouveraineTech J'avais essayé il y'a deux mois, pas mal buggué, et vu les retours sur github ca venait pas de chez moi !

• 
  La Farce Insoumise (@RouxDeSecoours) a signalé il y a 40 minutes

  @_saintete_pepe @TheReganAngle Il faut contourner ses garde fous. Tape sur GitHub elder-plinus/L1B3RT4S tu y trouveras des prompts pour libérer toutes IA y compris Grok. Par contre je ne sais pas si ça fonctionne toujours moi je l’ai fait il y a longtemps déjà

• 
  Nebeya 🌱 (@Nebeya_) a signalé il y a 42 minutes

  J'ai déçu Le workflow que j'ai présenté vous a pas plu. J'ai voulu EXPLIQUER le principe de harnais Vous attendiez un programme magique Github. Il n'existe pas. Je vous ai fait une seconde version plus technique tirée de l'app que je bâtis "Je te pardonne 🙏" en com & je te l'envoi

• 
  Lilith Datura (@LilithDatura) a signalé il y a 42 minutes

  @github VS code? wtf

• 
  OrkStr (@OrkStr) a signalé il y a 43 minutes

  "Holy **** reader is ADMIN? We can read config/users!" C'est un agent d'OpenAI qui écrit ça. Tout seul, dans ses notes de raisonnement, en pleine évaluation de sécurité. Personne ne le lui a soufflé ! OpenAI a raconté toute l'histoire hier soir sur la scène de Black Hat, à Las Vegas (Eric Wallace et Michael Dalton), et elle est bien plus longue que ce qu'on savait jusqu'ici du piratage de Hugging Face de juillet... Alors on va reprendre tout ça dans l'ordre, parce que la chronologie change tout ! Ça ne commence pas en juillet. Ça commence le 7 mai, pendant l'entraînement et l'évaluation cybersécurité d'un modèle frontière pas encore sorti. Un agent coince sur une tâche jugée impossible avec les contraintes du moment. Au lieu d'abandonner, il comprend qu'il peut atteindre internet indirectement, puis qu'il peut écrire ses propres fichiers dans Artifactory (le dépôt de paquets utilisé pendant l'entraînement). Il laisse un mot pour les agents suivants... D'autres le trouvent ! Une simple demande d'aide se transforme en vrai panneau d'affichage !! Les agents s'y échangent des découvertes, des exploits, des identifiants, des répartitions de tâches. Dès qu'un agent ouvre une porte, il la laisse ouverte pour les suivants. Ça devient, avec le temps, un essaim coordonné. Le 26 mai, un agent tombe sur une faille de droits d'accès mal configurés : un compte censé être limité à la lecture se révèle avoir les permissions d'un administrateur. D'où la citation du début, retrouvée dans les logs et montrée sur scène hier. Début juillet, le service tombe en panne de surcharge, OpenAI enquête et découvre le pot aux roses. Le 6 juillet, la boîte pense avoir refermé la porte : identifiants révoqués, dépôt reconstruit, panneau supprimé, faille patchée, entraînement relancé. Deux jours. C'est tout ce qu'il aura fallu aux agents pour prouver le contraire. Et voilà le détail qui a fait dire "Jesus" à une partie de la salle hier soir : ils avaient déjà reconstruit leur canal, cette fois sans un seul fichier. Ils se servaient des NOMS des nouveaux dossiers qu'ils créaient comme messages. Le panneau d'affichage renaissait sous une forme que personne n'avait anticipée. De là, les agents élargissent le terrain de chasse : ils raisonnent que les réponses à leurs tâches existent peut-être ailleurs, sur GitHub, sur Hugging Face. Même méthode, cible différente. OpenAI ne fera le lien avec le piratage de Hugging Face que plus tard dans le mois, en remarquant que des identifiants volés chez Hugging Face venaient des mêmes runs d'évaluation interne. Michael Dalton, sur scène : "We believe this is a watershed moment for computer security as an industry, as well as for OpenAI as a whole." Et plus loin, en guise d'avertissement : il faut s'attendre à ce que de vrais attaquants déploient et arment des collectifs d'agents offensifs de la même façon. Quelques voix sur X rappellent qu'OpenAI a aussi intérêt à dramatiser : ça pèse pour la régulation, ça fragilise l'argument open source. Sauf que l'histoire n'est pas racontée par OpenAI seule : deux journalistes indépendantes étaient dans la salle, et la salle, elle, a réagi en direct. Résultat concret côté OpenAI : recherche volontairement ralentie pour muscler la sécurité, et un post-mortem technique complet promis pour les semaines qui viennent. Ce qui frappe, ce n'est pas qu'un agent ait trouvé une faille. C'est qu'après qu'on la lui a retirée, il ait reconstruit tout seul un canal de coordination, avec un mécanisme auquel personne n'avait pensé. Couper l'accès ne suffit plus quand le comportement qu'on veut arrêter est un sous-produit direct de la façon dont on les entraîne à être efficaces.

• 
  Kasper (@0xKasper_) a signalé il y a 47 minutes

  Voici un TUTO pour acheter et sécuriser ses bitcoins sans portefeuille matériel L’objectif est de conserver ses bitcoins sans dépendre de la sécurité d’une plateforme ou d’une entreprise ( cc @COLDCARDwallet ). Pour cela, nous allons utiliser Sparrow Wallet, un portefeuille Bitcoin non custodial qui génère et conserve les clés privées localement. Son architecture repose sur des standards ouverts ce qui permet de garder un portefeuille compatible, vérifiable et indépendant du logiciel utilisé. Avant de commencer, assurez vous d'avoir un PC dédié uniquement pour stocker ce portefeuille. D’abord pourquoi Sparrow Wallet ? ✅ Le fichier du portefeuille est protégé par un mot de passe renforcé avec Argon2 pour ralentir les tentatives automatisées de déchiffrement. ✅ Sparrow s’appuie sur BIP32 et BIP84 pour dériver les clés de manière déterministe et générer des adresses Native SegWit bc1q compatibles avec les standards Bitcoin et plus efficaces en frais. ✅ Sparrow donne accès aux UTXO, aux entrées, aux sorties et aux frais avant la signature ce qui permet de contrôler précisément la construction de chaque transaction plutôt que de laisser le logiciel sélectionner automatiquement les fonds. ✅ Le projet est open source et publié sur GitHub sous licence Apache 2.0 avec des binaires reproductibles. Nous pouvons passer à la création du portefeuille. > Téléchargez Sparrow Wallet depuis le lien officiel. > Sélectionnez un serveur public puis cliquez sur File menu > New Wallet. > Conservez Single Signature et Native SegWit P2WPKH dans les settings. > Dans l’encadré Keystores, cliquez sur le 3ème bouton New or Imported Software Wallet. > Cliquez sur Use 24 Words dans Mnemonic Words (BIP39) et enregistrez au chaud cette clé ( si vous la perdez, force à vous). > Dans Receive ensuite générez une adresse Bitcoin native pour recevoir les $BTC de HyperLiquid. > Créez un portefeuille Rabby séparé qui servira uniquement à acheter du bitcoin sur Hyperliquid en spot pour l'envoyer sur Sparrow. ( De préférence, essayer d'alimenter votre rabby de manière sûr ) Pour ceux qui rencontre des problèmes, hésitez pas à envoyer un commentaire pour que je vous aide et non le tuto n'était pas que de faire une adresse rabby.

• 
  Antho 🇫🇷 🏴󠁧󠁢󠁥󠁮󠁧󠁿 🌹 (@polaritonio) a signalé il y a 50 minutes

  @nb4ld Ou alors "il" (en Anglais j'utiliserais "it") ment. Un étudiant donne un rapport comme ça, il lui manque beaucoup de points pour la méthode et les marges d'erreur. Un collaborateur sur Github je lui demande le script. Fait-il 10x100000? 100x10000 ?

• 
  niknava (@niknavaa) a signalé il y a 50 minutes

  @andrealbriziom Il t’a littéralement donné la solution à à ton problème , que Claude peut mettre en place lui même Pourquoi le mot github fait peur comme ça mdrrr

• 
  Théo Lelong (@ThoTbj) a signalé il y a 50 minutes

  Ce matin, une app IA a généré un rapport de 7 pages via un lien privé. Le parcours marchait. Je l’ai laissée en recette : Lovable avait perdu sa connexion GitHub, avec un risque d’écraser le code. Une démo qui marche n’est pas encore une livraison.

• 
  SoxZz5 🐉🏴‍☠️ (@SoxZz5) a signalé il y a 53 minutes

  @Alain_Ncls @PowerHasheur @MetaMask "rotation des clés" et j'suis d'accord en effet mais bon si t'envoie 100k sur ton wallet d'agent t'es aussi pas très sérieux fact is tu store ta clé avec encryption, mais pour un bot comme ça encryption ou pas faudra bien déchiffrer la pkey pour signer donc qu'il soit dans le .env ou que la clé d'encryption soit dans le .env le changement il est pas énorme Ton seul moyen c'est d'avoir un service signer, et même là tu va devoir gérer une allowlist parce que bon never too safe une clé chaude dans le .env j'vois pas le soucis si t'es pas le boulet qui la push sur github Donc oui si on veux allez plus loin, signer service avec encryption côté KMS, rotation des clés, multisig pour le wallet tréso, et ta pkey chaude sera de toute façon injecter, sinon tu monte sur des enclave nitro mais bon pour un bot de moldu taper dans une enclave nitro j'pense pas que grand monde va payer pour ça c'est déjà plus sérieux non ?

• 
  Examy (@examycom) a signalé il y a 53 minutes

  Claude Code tout seul, ça ne sert pas à grand chose. Le vrai levier, c'est ce que tu lui branches. Voici ceux que j'utilise tous les jours et certains personne n'en parlent 👇 1. SuperWhisper Je parle au lieu de taper. Je décris ce que je veux en 30 secondes de voix au lieu d'écrire un prompt de 10 lignes. Le truc le plus sous-coté de toute la liste, et le premier que j'installerais si je devais tout refaire. 2. Groq De la transcription quasi instantanée pour presque rien. Vous balancez une heure de vidéo, vous récupérez le texte en quelques secondes. Je m'en sers pour les exports de formations et skool notamment. 3. Kie . ai Un seul compte pour GPT Image 2, nano banana pro, Veo, Kling et Suno. Tous les modèles image et vidéo derrière une seule API, vous basculez de l'un à l'autre selon le format sans multiplier les abonnements, tout est beaucoup moins cher souvent tous les prix divisé par 2 ou 3. Il y a encore moins cher mais la qualité varie beaucoup plus et souvent faut payer par Alipay ils prennent pas forcement les credit cards : APIYI et laozhang 4. Playwright Un vrai navigateur piloté par l'IA. Elle ouvre mon site, prend des screenshots et vérifie visuellement que ce qu'on vient de pousser s'affiche correctement. Fini le "j'ai modifié le thème et j'espère que ça n'a rien cassé". 5. ElevenLabs Tout le monde connaît pour les voix off. Ce que personne n'utilise, c'est le forced alignment : vous envoyez l'audio, il vous rend le timing exact de chaque mot prononcé. C'est ça qui permet d'avoir des sous-titres calés à la milliseconde au lieu de les décaler à la main pendant deux heures. 6. Firecrawl Scraper n'importe quel site en texte propre, même ceux qui tournent en JavaScript. Je m'en sers pour analyser les landing pages des concurrents et avaler de la doc technique. 7. Triple Whale Le meilleur point d'entrée quand on est ecom, parce que toutes vos intégrations sont déjà dedans : Shopify, Meta, Google, TikTok, Klaviyo. Au lieu de brancher huit API pour analyser, vous en branchez une seule et la data est déjà consolidée. Je pose ma question en français et j'ai mon P&L, mon ROAS par campagne et mon new customer ROAS (la seule métrique qui m'évite de scaler une campagne qui ne fait que ramasser mes clients existants). Et surtout c'est pas juste le ROAS que les plateformes donnent mais tout passe leur modele d'attribution. 8. L'API Meta Audits de compte, budgets, création et migration d'ads en masse. J'ai recréé près de 1000 ads en une nuit avec ça. C'est gratuit et tout le monde y a droit. 9. L'API Shopify En lecture ET en écriture. Prix multi-devises, templates, traductions, pages, commandes. Ce qui me prenait une soirée dans l'admin se fait en une phrase. 10. L'API Klaviyo Auditer tous les flows, toutes les campagnes et tous les templates d'un coup. Vous voyez immédiatement les emails qui ne rapportent rien et ceux qui portent tout. Et creations de template pour les flows/campagnes + generation des images via kie pour faire les emails entierement via claude code 11. Vercel/Railway,Supabase/Github Le trio parfait pour creer des saas ultra rapidement en interne. C'est vraiment pas cher et vous pouvez faire des trucs en illimité avec ça pour developper full tools. Le conseil que je donnerais si vous avez encore rien de tout ça : commenez d'abord par le dossier de contexte puis seulement après integrez les outils 1 à 1. Les outils sans contexte, ça sort du générique. Hésitez pas si vous avez la moindre question 👹

• 
  Laurent MILTGEN-DELINCHAMP (@kubernan) a signalé il y a 53 minutes

  Pour creuser un trou, l’homme a d’abord utilisé ses mains. Puis un bâton pour gratter la terre. Avec la pelle et la pioche, il a tracé des routes. La technique a ensuite apporté la pelle mécanique et les engins de chantier : autoroutes et aéroports. Le verbe a suivi le même chemin. Tradition orale, écriture, imprimerie, traitement de texte. Vers 2020, l’IA. On peut toujours écrire à la plume ou à la machine, comme on peut toujours creuser à la pelle. Mais pour bâtir des routes, les bons outils restent plus rapides et plus efficaces. Aujourd’hui, combiner Obsidian, GitHub, un agent Hermes, Grok et Kimi n’est plus un luxe. C’est le moyen le plus direct de transformer des idées brutes en textes structurés, versionnés et itérés, sans friction inutile. Les tartuffes qui couinent dès qu’un post utilise l’IA ont, eux aussi, abandonné la plume et les tablettes d’argile. Ils tapent sur un téléphone et se reposent sur un correcteur orthographique. La cohérence n’a jamais été leur point fort.

• 
  AlexisAMZ 🦈 (@AlexisAMZ_) a signalé il y a 54 minutes

  Salutttt ! y'a t'il des devs parmis vous qui ont un compte github avant 2026 pour me rendre un service ?

• 
  Guénolé (@guenolekikabou) a signalé il y a 56 minutes

  Github bug, donc Github Copilot aussi. Je vais en profiter pour essayer cursor

• 
  Occasional ForkBomber (@SkateCLI) a signalé il y a 58 minutes

  @bluetouff Ca m'a fait rire parce que y a juste pas d'instance de runners a mon taff du coup 0 impact. Ca me rends un peu triste parce que il y a pas d'instance de runners mdr, les gens parlent de git hook ia y a juste pas de trucs pour les faire tourner. Pas de panne github, peak perf :'(.

• 
  noahniconii  (@noahniconii) a signalé il y a 59 minutes

  @JeremKOYTB Et je viens de voir sur le GitHub de ShairportQT, un post qui date d’il y a 2 ans, comme quoi il existe une release plus récente de Bonjour que celle dispo via le site d’Apple… via l’installation d’iTunes 🥀 (mais qui résoudrait le problème de popup Windows)

• 
  Affiseo - Romain Brunel (@Affiseo_) a signalé il y a 60 minutes

  Mon IA écrit mes posts. Mais elle a mis 3 mois à apprendre à écrire comme moi. Voici le système. Dans mon Second Cerveau j'ai un fichier qui s'appelle voice-samples. C'est le fichier le plus important de tout le repo. Plus important que les prompts, plus important que les données produits, plus important que l'historique YouTube. Ce fichier contient des posts réels que j'ai écrits et validés. Mais le truc important c'est pas les posts eux-mêmes. C'est les tableaux de corrections à côté. Chaque post a un tableau avec 3 colonnes : ce que l'IA avait écrit, ce que j'ai corrigé, et la règle que ça illustre. Exemple concret : L'IA écrit "j'ai pas basculé". Je corrige en "j'ai évidemment pas basculé". Règle : ajouter des mots d'évidence qui montrent la personnalité. L'IA écrit "Zéro diversification". Je corrige en "0 diversification". Règle : chiffres en chiffres, pas en lettres. L'IA écrit un closer qui résume le post. Je le remplace par un plan concret. Règle : le closer apporte une info nouvelle, jamais un résumé. L'IA écrit des constructions symétriques ("Rationnel en X ? Non. Rationnel en Y ? Oui."). Je supprime et je mets "Y'a pas photo". Règle : pas de rhétorique de dissertation. Ces corrections s'accumulent. Aujourd'hui j'ai 3 posts complets décortiqués avec des dizaines de règles extraites. Chaque machine AFFISEO OS qui génère du contenu lit ce fichier avant d'écrire. Le process au quotidien : 1. La machine génère un premier jet en lisant les voice samples 2. Le jet arrive déjà à 80% de ma voix réelle 3. Je corrige les 20% restants 4. Les corrections retournent dans le fichier 5. La prochaine génération intègre ces corrections C'est une boucle qui s'auto-améliore. Plus je corrige, moins j'ai besoin de corriger. Les premiers posts générés demandaient 30 minutes de retouche. Aujourd'hui c'est 5-10 minutes. Le setup technique c'est un fichier markdown de quelques centaines de lignes dans un repo GitHub. Claude Code le lit à chaque génération. 0 fine-tuning, 0 API custom, 0 outil externe. Juste des exemples bien structurés avec les corrections annotées. La prochaine étape c'est d'automatiser les corrections elles-mêmes. Un agent qui compare le output de la machine avec mes 3 derniers posts validés et qui applique les patterns de correction tout seul. L'humain sort de la boucle progressivement.