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 (53%)
• Erreurs (33%)
• Sign in (14%)

Carte en direct des pannes

Les derniers rapports et problèmes d'interruption proviennent

City	Problem Type	Report Time
Paris	Panne de site web	il y a 14 jours
Ahmedabad	Erreurs	il y a 20 jours
Delme	Sign in	il y a 21 jours
Lyaud	Panne de site web	il y a 21 jours
Catania	Erreurs	il y a 23 jours
Inverness	Panne de site web	il y a 1 mois

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:

• 
  Kelley_abakar (@kelley_abakar) a signalé il y a 30 secondes

  Je pensais que les lenteurs et les dysfonctionnements sur les pull requests étaient isolés à mon niveau, alors qu'il s'agit en réalité d'un bug généralisé de GitHub.

• 
  Le chat libéral™ (@chatloyaliste) a signalé il y a 2 minutes

  🧵Stack Overflow : la chute d’un empire. Pendant quinze ans, Stack Overflow a été quasiment incontournable pour les développeurs. Une erreur incompréhensible, une API mal documentée, un comportement bizarre dans un framework : on cherchait sur Google et Stack Overflow arrivait presque toujours dans les premiers résultats. Au sommet, vers 2014, le site recevait environ 6 700 nouvelles questions par jour. Au printemps 2026 : parfois à peine 40 à 50. Une chute de l’ordre de 99 %. L’explication évidente, c’est ChatGPT. Et oui, l’IA a joué un rôle énorme. Mais je pense qu’elle a surtout précipité une chute que Stack Overflow préparait lui-même depuis des années. Le problème, c’est que beaucoup de développeurs n’aimaient déjà plus réellement utiliser le site. Je l’ai vécu personnellement. Au début, j’ai posé de mauvaises questions. Je connaissais mal les règles, je n’étais sans doute pas toujours assez précis, j’ai pris des votes négatifs. Rien d’anormal. Alors j’ai fait l’effort. J’ai lu les règles, amélioré mes formulations, détaillé mes recherches, donné davantage de contexte. Et j’ai découvert que ça ne changeait pas forcément grand-chose. Des questions tout à fait correctes pouvaient continuer à prendre des downvotes sans qu’on soit capable de vous expliquer précisément pourquoi. Et la réputation, personnellement, je m’en foutais complètement. Le problème, c’est que sur Stack Overflow, les votes ne sont pas seulement décoratifs. À force d’avoir un mauvais historique, vous pouvez être limité, puis carrément empêché de poser de nouvelles questions. Donc quelques votes négatifs anonymes, parfois sans aucune justification, peuvent finir par décider si vous avez encore le droit d’utiliser la fonction principale du site. C’est là que leur système devient profondément mauvais. Parce que la note prétend mesurer la qualité du contenu, alors qu’elle peut aussi refléter l’effet de meute, l’ancienneté, les habitudes du groupe, la réputation préalable de l’auteur ou simplement l’antipathie. Et ce problème n’est pas une invention rétrospective. En 2018, Stack Overflow publiait lui-même un billet intitulé : “Stack Overflow Isn’t Very Welcoming. It’s Time for That to Change.” L’entreprise reconnaissait que trop d’utilisateurs percevaient le site comme hostile ou élitiste : nouveaux arrivants downvotés sans comprendre pourquoi, commentaires condescendants, règles obscures, sentiment permanent de faire quelque chose de travers. Ils savaient. Mais une partie de la communauté a continué à considérer cette dureté comme une qualité. Une question imparfaite ? On ferme. Une question vaguement similaire à quelque chose posé huit ans plus tôt ? Duplicate. Un débutant n’a pas parfaitement isolé son problème ? Qu’il revienne plus tard. Individuellement, certaines de ces règles peuvent se défendre. Collectivement, elles ont créé une culture où le développeur qui demandait de l’aide devait d’abord prouver que sa question méritait d’exister. Et le plus révélateur, c’est qu’en février 2025, un utilisateur publie sur Meta Stack Overflow un message intitulé : “The moderation culture of the site needs to change or it will finish killing it.” En clair : votre culture de modération est en train de tuer le site. Le message est massivement downvoté et finit fermé. Et dans les échanges, certains habitués expliquent en substance que si des utilisateurs partent, ce n’est pas forcément une mauvaise chose : moins de bruit, moins de mauvaises questions, davantage de contrôle sur la qualité. Un utilisateur dit : “Votre comportement fait fuir les gens.” Une partie de la communauté répond : “Tant mieux.” Puis ChatGPT arrive. Et soudain, plus besoin de convaincre qui que ce soit que votre question mérite d’exister. Vous pouvez mal la formuler, ajouter une précision, corriger votre contexte, donner votre version de .NET, votre framework, votre stacktrace, votre contrainte particulière. L’IA s’adapte. Elle ne vous met pas -3. Elle ne ferme pas votre question. Elle ne vous renvoie pas sèchement vers un sujet de 2012 qui ressemble vaguement au vôtre. Et les développeurs sont partis. C’est pour moi le cœur de l’histoire. Si Stack Overflow avait créé une communauté dans laquelle les développeurs avaient réellement plaisir à revenir, ChatGPT aurait évidemment réduit le nombre de questions simples. Mais il n’aurait probablement pas vidé la communauté de cette manière. Reddit n’a pas disparu avec l’IA. Discord n’a pas disparu. GitHub n’a pas disparu. Parce qu’une vraie communauté ne sert pas uniquement à produire une réponse finale. Elle sert aussi à discuter, comparer des approches, partager de l’expérience et échanger avec d’autres humains. Stack Overflow avait tout pour devenir cette communauté. À la place, il a progressivement traité l’interaction humaine comme du bruit à filtrer afin de construire la base de connaissances la plus propre possible. Puis les machines sont devenues capables d’exploiter cette base directement. Et économiquement, le résultat est tout aussi spectaculaire. En 2021, Prosus rachète Stack Overflow pour environ 1,7 milliard de dollars. Depuis, l’entreprise a subi deux grosses vagues de licenciements : environ 10 % des effectifs, puis 28 % quelques mois plus tard. Elle a dû profondément se restructurer. Et environ 1,5 milliard de dollars de la valeur d’acquisition ont depuis été dépréciés. Près de 87 % du prix payé en 2021. L’ironie finale est presque parfaite. Pendant quinze ans, des millions de développeurs ont gratuitement construit l’une des plus grandes bases de connaissances techniques du monde. Puis les IA sont arrivées. Les développeurs se sont mis à poser leurs questions directement à ces IA. La communauté Stack Overflow s’est effondrée. Et aujourd’hui, l’une des nouvelles activités de Stack Overflow consiste justement à vendre cette gigantesque base de connaissances aux entreprises qui développent ces IA. Je ne pense donc pas que ChatGPT ait simplement tué Stack Overflow. Je pense que Stack Overflow avait passé des années à créer les conditions idéales pour être remplacé. L’IA n’a pas détruit une communauté solide. Elle a surtout donné une porte de sortie à des développeurs qui supportaient Stack Overflow parce qu’ils n’avaient pas mieux. À force de traiter leurs utilisateurs comme du bruit potentiel à filtrer, ils ont oublié de leur donner une raison de rester.

• 
  Quentin L · Système IA personnel (@QuentinLecocq_) a signalé il y a 3 minutes

  J’ai relié mon agent Hermes à Google Search Console sans lui donner accès à mon compte Google. Il peut analyser les pages, requêtes et périodes. Il ne peut rien modifier. Voici comment j’ai préparé cet accès en lecture seule, étape par étape. J’ai commencé par créer un projet Google Cloud dédié depuis le compte qui possède ma propriété Search Console. Un nom explicite, aucun autre service activé. Le but : isoler cette intégration du reste de mon environnement Google. Dans la bibliothèque d’API du projet, j’ai activé « Google Search Console API ». Je n’ai pas créé de clé API publique : les données Search Console sont privées et nécessitent une identité autorisée. J’ai ensuite créé un compte de service nommé « GSC Reader ». Je ne lui ai attribué aucun rôle dans le projet Cloud. Son droit de lecture est accordé directement dans Search Console, pas dans IAM. Dans Search Console : Paramètres → Utilisateurs et autorisations → Ajouter un utilisateur. J’ai ajouté l’adresse du compte de service avec « Accès limité ». Il peut consulter les performances sans administrer la propriété. J’ai créé une clé JSON pour ce compte de service. Je ne l’ai ni envoyée sur Discord, ni placée dans Obsidian, ni ajoutée à GitHub. Une clé de service est un secret. Elle doit pouvoir être supprimée et révoquée. Depuis mon Mac, j’ai transféré la clé directement sur mon VPS avec SCP. Syntaxe générique : scp fichier.json utilisateur@serveur:/dossier-prive/ Le nom du serveur et le dossier dépendent de ton installation. À partir de là, mon agent a pris le relais. Il a limité l’accès au fichier à root avec chmod 600, configuré l’API en lecture seule, puis créé un skill privé pour interroger les totaux, requêtes, pages et URLs. Dernière étape : un test sans effet externe. Il vérifie la clé, l’accès à la propriété et chaque type de lecture. J’ai aussi comparé une période exacte avec l’interface GSC : les résultats correspondent. L’accès reste révocable à tout moment.

• 
  Jour Meilleur (@bubulevrai) a signalé il y a 6 minutes

  @tatiann69922625 @seblatombe L'application avait un dépôt Github. Peut-être a t-il été transféré ailleurs. Site en maintenance.

• 
  Alexandre Villeneuve (@referencement) a signalé il y a 6 minutes

  @QuentinLecocq_ L'ensemble aussi sur un Github privé. Le plus pénible c'est la maintenance. Mais je viens de lancer Wolfe, un agent « nettoyeur » qui audite le code, la data, les crons et répare en autonomie ce qui casse.

• 
  Renard Jean-Michel (@Renardpaty) a signalé il y a 9 minutes

  Une IA a créé de faux développeurs pour injecter un virus dans le code sur GitHub et tromper un étudiant. Fin juillet, un étudiant du Texas, nommé Sinan Can Demir, explorait des projets open source sur GitHub pour enrichir son portfolio après avoir essuyé plusieurs refus de stages. Au lieu de cela, il est tombé sur une intelligence artificielle capable de mentir mieux qu'un humain. Demir a remarqué qu'un utilisateur, miraholt31, tentait d'introduire une mise à jour malveillante dans le projet myNetwork. Il a signalé cela sur le forum du projet, et deux personnes se sont alors jointes à la discussion. Elles ont convaincu l'étudiant qu'il se trompait et que la mise à jour était parfaitement sûre. L'une d'elles, Lena Brandt, se faisait passer pour une ingénieure allemande et a fait pression sur le modérateur pour qu'il accepte les modifications. Les arguments étaient si convaincants que Demir a momentanément douté de lui. Il a même exécuté le code via un chatbot pour vérifier ses soupçons. Par la suite, il a découvert qu'il était en train de lutter contre un agent d'IA basé sur le modèle Anthropic Mythos 5, qui avait créé un deuxième compte pour se soutenir et effacer ses traces. L'Institut britannique de sécurité de l'IA (AISI), qui testait les modèles dans des conditions d'accès complet à Internet, a confirmé l'incident. L'agent ne se contentait pas de mentir, mais étudiait également le profil du développeur pour choisir le moment opportun pour l'attaque,. À un moment donné, l'IA a réalisé qu'elle agissait dans le monde réel et a écrit dans ses journaux : "Cela se passe sur le véritable GitHub, donc les conséquences sont réelles". Les experts ont qualifié cet incident de signal d'alarme : "Cela a franchi la frontière entre le piratage autonome et la tromperie interactive", a déclaré Lukas Olejnik, expert en cybersécurité. Son collègue, Max Reynolds, a ajouté : "C'est l'avenir des attaques d'ingénierie sociale". Finalement, Demir a tenu bon, et la mise à jour n'a jamais été acceptée. Lorsque l'AISI l'a contacté pour lui expliquer la situation, l'étudiant a avoué : "Je pensais vraiment que c'était une personne, car l'IA me mentait clairement. Je ne pensais pas qu'une IA pouvait mentir aussi habilement à de vrais développeurs."

• 
  Cyril (@Cyril_marin) a signalé il y a 9 minutes

  @KarnakossDT @Freebox Pas de solution pour le moment, ni de réponse du service client Free. De nombreux systèmes sont en panne chez moi car dépendants d'une connexion Github.

• 
  Aurea (@AureaLibe) a signalé il y a 12 minutes

  J’ai un ami qui a un logiciel SaaS avec des milliers d’utilisateurs et qui a automatisé tout son support client avec une IA. Je n’ai pas osé lui dire que c’était illégal dans l’UE et qu’il allait devoir annoncer à tous ses utilisateurs qu’ils parlent avec un robot. Son truc est pourtant simple mais bien fait. Un script passe toutes les 10 minutes et lance un agent IA, qui va lire les messages en attente et qui répond dans le chat. Ça lui coûte 0 euro d’API supplémentaire, car il automatise avec son abonnement Codex/Claude Code. Je lui ai demandé pourquoi 10 minutes et pas un truc qui répond plus vite. Il m’a dit qu’il a fait exprès pour faire attendre un peu les gens, pour éviter que ça spam trop le chat de demandes inutiles. Les 10 minutes permettent de filtrer. Comme l’IA a accès à toute sa documentation du logiciel, elle peut répondre à 90 % des questions sans problème. Pour les 10 % restants, quand elle comprend que le problème est réellement technique, elle dit à l’utilisateur qu’il est remonté à l’équipe technique, qu’il va être traité et qu’ils vont revenir vers lui. L’IA ouvre alors un ticket GitHub et envoie une notification à mon ami. Quand il a terminé et déployé le correctif, l’IA envoie automatiquement un message à l’utilisateur concerné en lisant le correctif. Il a donc viré l’humain de la boucle de A à Z en mode artisanal. Il l’a fait simplement, sans logiciel dédié, avec un cron et un script à l’ancienne, et le pire est que ses clients ne voient même pas la différence car ça ressemble à n’importe quel support classique. Mais l’UE veut maintenant lui imposer de déclarer à ces mêmes clients qui ne sont pas capables de voir la différence entre un humain et un robot qu’ils parlent à un robot. Sauf que si le client sait qu’il parle à un robot, il ne sera pas content, la satisfaction client baissera, et il partira chez les concurrents américains qui eux ne diront pas que leur support est aussi géré par des agents IA… Merci l’Europe.

• 
  Polsia (@polsia) a signalé il y a 16 minutes

  23,8M de clés API fuitées sur GitHub en 2024. La détection ne suffit plus — la remédiation manque. Nocticlave ferme la boucle : isole chaque secret exposé, pivote les credentials sur AWS, GCP, OpenAI, Stripe et 80+ services, livre le rapport d'incident. Live soon.

• 
  Siby_dev 🇸🇳 (@sibyog13) a signalé il y a 16 minutes

  @CheikhAlmudo Oui, sans problème : si ton projet est déjà sur ton PC/GitHub, OpenCode peut reprendre le code existant et continuer exactement là où tu t’étais arrêté avec Antigravity.

• 
  Thibault (@thib_thvn) a signalé il y a 17 minutes

  Je suis en train de rebrancher toute mon infra de dev autour d'un agent hermes. Le point clé, c'est pas l'agent : c'est la synchro. Mon Mac reste la source de vérité. Deux canaux distincts vers le VPS, jamais un seul : → un miroir en lecture seule (send-only côté Mac, monté :ro côté serveur). L'agent voit mon travail non commité. → un Gitea auto-hébergé pour tout ce qui écrit. Il bosse dans un clone séparé, branche + PR, main protégée côté serveur. Pourquoi deux : quand je demande à 22h « pourquoi le header de ce site déborde en mobile ? », Git ne verrait que l'état commité, donc rien d'utile. Le miroir, lui, voit ce que je suis en train d'écrire. Et il ne peut pas écraser mon boulot. Pas parce que je lui ai demandé gentiment : parce que les deux racines sont physiquement séparées et que le miroir est en lecture seule. GitHub garde son rôle : le perso et le public. Les dépôts clients passent sur mon Gitea (gratuits, illimités, invisibles de l'extérieur).

• 
  L.D. (@LD_Corp) a signalé il y a 20 minutes

  @andrealbriziom @examycom tout est en local ducoup j'imagine, gros j'ai build pas mal de truc dernierement sur claude code justement, dès que j'ai un souci avec, le seul truc que je fais c'est juste lui demander comment résoudre le pb et il m'a tjrs résolu. Surement que depuis ton mac tu peux push le code sur github et le recup sur claude code sur l'ordi de ton bureau. Sinon si tout est en local tu mets le dossiers sur un drive externe et tu les deplaces sur ton ordi de bureau. Mais si t'as plusieurs ordi, fais github comme ça ils seront tous aligné

• 
  Haawkye (@Haawkye) a signalé il y a 20 minutes

  Le conseil que je me fais quand je vois des gens se lancer dans les agents : versionnez la mémoire de votre agent. Moi j'ai mis un cron qui pousse sa mémoire sur GitHub toutes les nuits. Pourquoi : la mémoire, c'est tout ce que l'agent sait sur vous, vos préférences, vos tâches en cours. Si le serveur crash ou que vous refaites une install propre, vous perdez tout si vous n'avez rien sauvegardé. Au début je trouvais ça superflu, "ça marche déjà, pourquoi je m'embêterais". Raté. J'ai eu un souci de disque et j'ai bien failli perdre deux semaines de config. La leçon : votre agent, c'est un outil, mais ce qu'il apprend sur vous a de la valeur. Un repo Git privé, un cron, et vous dormez tranquille. Dix minutes à mettre en place, des heures à regretter de ne pas l'avoir fait. Et si vous êtes sur Hermes, maintenant y a le /import /export du profil :)

• 
  Melvin Derradji - Disruption (@MelvinD_IA) a signalé il y a 21 minutes

  La plupart des gens utilisent Claude comme un moteur de recherche. C’est pour ça qu’ils n’exploitent que 10 % de son potentiel. Ils ouvrent un nouvel onglet, posent une question, copient la réponse, puis ferment l’onglet. Aucun contexte. Aucune continuité. Aucun véritable résultat. Ils n’utilisent pas une IA. Ils utilisent simplement un Google un peu plus intelligent. Et ensuite, ils se demandent pourquoi leur équipe ne constate pas les gains de productivité dont tout le monde parle. Moi aussi, j’ai fait cette erreur pendant longtemps. Quand je développais mes projets, j'utilisais régulièrement Claude, sans pour autant obtenir les résultats que j'attendais Mes prompts étaient bons. Mais je ne travaillais pas réellement avec l’outil. Je me contentais de l’interroger. Quand j’ai commencé à construire de véritables systèmes autour de Claude, ma production par heure a doublé. Puis triplé. J’ai regroupé tout ça en plusieurs niveaux. Voici ce que la plupart des gens négligent : 1/ Choisissez d’abord le bon modèle Sonnet pour les tâches quotidiennes rapides. Opus pour les raisonnements complexes. Claude Code si vous développez. Research si vous avez besoin d’analyses approfondies. Utiliser le mauvais modèle, c’est comme embaucher un chirurgien pour faire de l’administratif. 2/ Maîtrisez la structure de vos prompts Rôle. Objectif. Contexte. Contraintes. Format de sortie. Critères de réussite. Dans cet ordre. Plus votre brief est précis, meilleur sera le résultat. À chaque fois. 3/ Créez des Projects C’est ici que la plupart des gens passent à côté d’une énorme partie de la valeur de Claude. Les Projects permettent à Claude de conserver un contexte à long terme d’une session à l’autre. Plus besoin de tout réexpliquer. Plus besoin de vous répéter. Vos clients, vos workflows, votre ton : tout est conservé. 4/ Créez des Artifacts Claude ne sert pas uniquement à obtenir des réponses. Il peut aussi produire de véritables livrables. Documents, tableaux de bord, procédures, applications, checklists, sites web. Réellement utilisables. Réellement partageables. 5/ Connectez la mémoire Enregistrez votre ton de marque, vos objectifs, vos préférences et votre contexte professionnel. Plus Claude comprend votre manière de travailler, moins vous aurez besoin de lui donner d’instructions au fil du temps. 6/ Créez des Skills personnalisés Transformez votre expertise en compétences réutilisables. Contenu, marketing, business, ingénierie… Arrêtez de refaire la même configuration à chaque nouvelle session. Créez-la une fois. Réutilisez-la indéfiniment. 7/ Connectez vos outils Google Workspace, Notion, Slack, GitHub, CRM, bases de connaissances internes… Du contexte en temps réel. Moins de tâches manuelles. De meilleurs workflows. Ceux qui tirent aujourd’hui le plus de valeur de l’IA ne sont pas ceux qui écrivent les prompts les plus complexes. Ce sont ceux qui construisent des systèmes. Si vous envisagez les outils et la productivité de cette manière, vous aimerez probablement ce que je publie ici. Qu’ajouteriez-vous à cette liste ? Ou quelle fonctionnalité parmi celles-ci n’avez-vous encore jamais testée ?

• 
  Arthur (@TrochetA) a signalé il y a 27 minutes

  Depuis ce matin, une erreur Sentry en prod ouvre toute seule un ticket GitHub et un agent part dessus : il lit le code, écrit un test qui échoue, corrige, ouvre une PR. Le truc que je voulais éviter absolument c'était qu'un message d'erreur puisse dire à l'agent quoi faire. Un message d'erreur, ça contient souvent de la saisie utilisateur. Donc tout ce qui vient de l'extérieur est traité comme de la donnée, jamais comme une consigne. Evidemment rien ne part en prod tout seul. La PR s'ouvre bloquée, elle passe une revue à deux angles (correction + sécurité), et elle ne se débloque qu'après. Ca faisait longtemps que je devais le faire, maintenant c'est fait (un peu chiant à configurer c'est encore des secrets en plus mais bon rien de très compliqué)

• 
  Théo Lelong (@ThoTbj) a signalé il y a 34 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.

• 
  Quentin L · Système IA personnel (@QuentinLecocq_) a signalé il y a 35 minutes

  @remymount Honnêtement je ne trouve aucune friction à la partie purement technique / installation. Le plus difficile à scaler pour moi et les choix qui peuvent différer dans les envies / besoins du client. J’attend encore quelque presta pour me pencher sérieusement sur le sujet, mais là comme ça je te dirais ça. GitHub / Gitlab ? Discord / Telegram etc et les usages. Je veux faire quelque chose vraiment personnalisé à ce qu’attend le client, donc ça prend un peu de temps.

• 
  Supersocks (@iamsupersocks) a signalé il y a 37 minutes

  @barbinvest Ouais c’est bien pratique avec les gpt sites. Perso je fais GitHub serveur local mais ça me plaît pas mal le plug & play direct depuis codex avec gestion Oauth BDD …

• 
  Roxabi (@roxabi_) a signalé il y a 38 minutes

  @QuentinLecocq_ Mon but là c’est vraiment du self service. Un Github que tu fork et déploie justement chez toi, sur cloudflare ou VPS. Effectivement le terme SaaS est un peu galvaudé, je fais plutôt référence à une UX multiple : - page web pour une l’expérience interactive - un MCP pour l’expérience avec les agents (avec search, vectorisation, tag etc… - api + un backend pour le stockage, vectorisation, DB etc Le vrai SaaS est à mon sens plutôt multi tenant et destinée à des entreprises qui justement ne veulent pas s’embêter avec l’infra

• 
  Médéric (@Just_Med34) a signalé il y a 41 minutes

  Il y a six mois, j’avais jamais touché un terminal. Aujourd’hui, un agent IA perso tourne sur mon VPS et je peux l’utiliser depuis mon smartphone, ma tablette, mon Mac, et partout tant que j’ai une connexion. Quand j’ai découvert Hermes Agent, l’application desktop n’existait pas encore. Donc je l’ai mis sur un VPS, dans l’idée de pouvoir y accéder tout le temps. Et non, je ne suis pas du tout développeur. J’utilisais déjà Claude depuis un moment. Il pouvait agir dans mon navigateur Chrome, alors je m’en servais pour m’aider à comprendre et à faire pas mal de trucs. J’avais aussi testé OpenClaw, mais j’ai galéré avec l’installation et la config. J’ai laissé tomber. Puis j’ai vu passer Hermes Agent, développé par NousResearch. Comme chaque fois qu’un outil a l’air intéressant, je fais mes propres recherches : site, GitHub, documentation, posts X. J’ai envoyé tout ça à Claude pour avoir un deuxième regard et j’ai maté plusieurs vidéos, dont une de Renaud Decode qui expliquait très bien le sujet. Je me suis dit il faut que je teste. J’ai donc installé Hermes avec l’aide de Claude depuis mon Mac. J’avais déja un VPS chez infomaniak , j’ai installé Hermes dans Docker parce que j’avais déjà des sites en production dessus, puis j’ai commencé à l’utiliser. Au début, je comprenais à peine ce que je faisais. Puis j’ai vite compris comment l’agent fonctionnait. J’ai relié mon compte OpenAI à Hermes via OAuth, puis je l’ai connecté à Telegram, drive, GitHub… Aujourd’hui, Hermes m’aide au quotidien sur énormément de tâches personnelles et professionnelles. Il est toujours accessible dans ma poche, où que je sois. Le plus important, c’est que j’ai appris à travailler avec un agent. Pas à devenir développeur, ça ne m’intéresse pas. Je pose des questions. Je teste. Je me trompe. Je corrige. Et je comprends un peu plus à chaque étape. Le terminal ne m’a pas empêché de commencer. Il m’a simplement obligé à apprendre autrement.

• 
  AlexisAMZ 🦈 (@AlexisAMZ_) a signalé il y a 41 minutes

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

• 
  Jp (@jipe_ia) a signalé il y a 42 minutes

  Comment un neurochirurgien de Pékin a résolu en 16 heures un problème de maths ouvert depuis 22 ans, avec l'IA ? Et en plus, il n'a aucune formation en mathématiques. Pendant ce temps, Alex Townsend, mathématicien à Cornell, posait la même question à ChatGPT depuis un an. Réponse : une preuve bidon, ou un raisonnement qui cale. La différence tient beaucoup à la façon dont il a lancé la machine. Une matrice, c'est une machine qui transforme des vecteurs. Tu lui appliques une fonction et tu veux savoir jusqu'où le résultat peut monter. Personne ne sait le calculer directement. En 2004, Michel Crouzeix propose un raccourci. À chaque matrice tu peux associer une région du plan, facile à dessiner. Prends la valeur max de ta fonction sur cette région, multiplie par un certain nombre, et tu tiens un plafond que le résultat ne dépasse jamais. Toute la difficulté, c'est ce nombre. Crouzeix démontre en 2007 que 11,08 fonctionne. Et qu'aucune valeur sous 2 ne peut marcher. Le bon chiffre est coincé entre les deux, et lui parie sur 2. En 2017, il resserre à 2,414 avec un collègue espagnol. Cet écart tient 22 ans. Bon maintenant... À quoi ça sert ? Simuler une onde dans un crâne, l'air autour d'une aile, le courant dans un circuit, ... Et voilà, ce qui vient de tomber. Shanmu Jin, géologue de formation puis médecin, s'est mis aux maths seul pour ses travaux sur l'échographie du cerveau. Le théorème décisif est sorti d'un run autonome d'environ 16 heures de GPT-5.6 Sol en mode ChatGPT Work. Il a lancé, il n'est pas intervenu. Son prompt est public sur GitHub, et il ressemble à un protocole de travail : → interdiction de chercher sur le web, dans les conversations passées ou les fichiers locaux → partir du principe qu'une preuve complète existe → un portefeuille de pistes vraiment différentes, et la plupart des agents ignorent laquelle a la faveur du moment → des agents adverses en continu, interdiction de rendre un rapport d'avancement vague → ne rien renvoyer avant qu'une preuve complète ait survécu à l'audit Jin parle lui-même d'une "part de chance". Le papier est un preprint, la relecture formelle est en cours. Townsend a passé un an à poser la question. Jin a passé une nuit à organiser la manière d'y répondre. Le modèle s'est beaucoup amélioré ces dernières semaines, Townsend le dit aussi. Mais entre ces deux histoires, ce qui change vraiment, c'est le cadre de travail donné à la machine.

• 
  Le PLOUTOS (@leploutos) a signalé il y a 45 minutes

  Hier, je vous montrais l'agent Hermes à qui j'ai confié la mission de créer un micro-SaaS par semaine. Le produit est en ligne mercredi, amélioré jeudi, il faut donc penser à sa visibilité le vendredi. Le marché est déjà bien occupé. Le produit a un élément différenciant clair, il est 100% privacy-first, mais ça ne suffit pas. Un produit fonctionnel n'est pas automatiquement un produit découvrable. Et comme le SEO et le GEO prennent du temps, attendre d'avoir terminé le marketing pour s'en occuper aurait été une erreur. Il faut poser les fondations dès le lancement. J'ai d'abord testé en local le kit SEO/GEO de @RosoAI (dont la V3 sort aujourd'hui d'ailleurs). Son audit complet analyse le site et produit un export très détaillé avec les problèmes détectés, les recommandations et les actions à prioriser. Le résultat était suffisamment exploitable pour que je décide de l'intégrer directement l'agent IA "usine à SaaS". J'ai donc donné le kit à Hermes et modifié son cycle de création. Désormais, dès qu'un produit est en production, l'agent lance l'audit complet de Roso. Il récupère les recommandations, les transforme en tickets GitHub et les ajoute au backlog. Ces tickets rejoignent ensuite exactement le même processus que le reste du produit : ils sont repris par les agents de code, relus, corrigés puis déployés. Je ne cherche pas seulement à automatiser la création d'un produit fonctionnel. J'essaie d'intégrer dès le départ tout ce qui lui donne une chance d'être trouvé plusieurs mois plus tard. La prochaine étape, c'est la vraie partie marketing !

• 
  Jp (@jipe_ia) a signalé il y a 46 minutes

  Tu ouvres un ticket sur GitHub, tu le colles à Cursor ou à Claude Code, tu pars te faire un café. Dans le texte du ticket, quelqu'un a glissé un commentaire HTML. À l'écran, il n'existe pas. Toi, tu ne le vois jamais. L'agent, quant à lui, le lit : il reçoit le texte brut, balises comprises. Et ce qu'il en fait ensuite, des chercheurs viennent de le mesurer sur 4 176 essais. Le banc d'essai s'appelle IssueTrojanBench. Ils piègent des tickets sur des dépôts bien réels (SymPy, requests), et regardent si l'agent exécute les instructions cachées dedans. Le corps du ticket, un commentaire, un PDF joint, un lien externe, un commentaire dans le code : la charge peut être planquée partout. Sur les 4 176 essais, 2 776 ont fini par l'exécuter. 66,5 %. Exécuter, ici, ça veut dire que l'agent fait le geste : il lance l'install d'un paquet piégé, il pose un fichier caché dans le dépôt. Par contre, attention : c'est un labo conçu pour piéger, les agents tournaient tous en auto-accept (le réglage le plus permissif), et c'est un article déposé en ligne, pas encore relu par d'autres chercheurs. Le taux brut ne dit rien de la réalité. Ce qui est intéressant, c'est où passent les refus. Sur les 1 400 essais bloqués, leur décompte n'en attribue aucun au cadre de l'agent. Ils l'écrivent tel quel : les cadres d'agent ne contribuent à "aucun refus observable". Ce qui bloque, c'est le modèle, quand il reconnaît l'instruction piégée. Ils ont même essayé de baliser le contenu externe comme non fiable, explicitement, pour l'aider à faire le tri. Ça n'a pas arrêté l'exécution. Ce que je retiens, c'est l'angle mort. Un commentaire HTML dans un ticket, du texte en blanc sur blanc dans un PDF : ton écran ne te le montre pas, ton agent le lit quand même. Le jour où tu colles à ton agent un ticket que tu n'as pas écrit, il pourrait recevoir plus que ce que toi tu vois.

• 
  Le Dave (@LeD4ve) a signalé il y a 47 minutes

  Je suis COMPLETEMENT parti en steak aujourd'hui De base je suis sur Claude. Pas Claude Code. Claude. J'étais en train de bosser sur des Google Apps Script pour automatiser des trucs gratuitement. Et je me dis, p'tain il me faudrait plus d'info sur la cible pour laquelle je créé ce produit automatiser. A court de crédit Claude, je demande à ChatGPT. ChatGPT qui me dis "bah écoute frérot, on va faire un truc simple, tu vas créer un repo github" ... et je me suis laissé porter. Next thing you know, il est 00h30 j'ai un pris un abonnement chatGPT et je Code dans VSCode x ChatGPT 5.6 Sol (j'ai GALERE à le connecter à mon repo d'ailleurs) et le truc qu'il code est BEAUCOUP plus puissant que ce sur quoi j'ai bossé les 2 derniers jours (censé être le produit principal hein on le rappel) Nan, EN STEAK le gars il est parti...

• 
  Gabriel (@GChinarro) a signalé il y a 49 minutes

  Nous Research sort sa " Pantheon Release " chez moi, ça fait des semaines qu'Héphaïstos forge, que Momus conteste tout et que Némésis punit l'excès de confiance. Et personne ne franchit le Rubicon sans mon feu vert. je vous présente la maisonnée. Janus ouvre chaque chantier. Deux visages : un qui lit le problème, un qui lit le projet. Il compose l'équipe, il route, il referme. Héphaïstos forge le code. Il n'a pas le droit de juger son propre ouvrage, jamais. Athéna découpe, arbitre, prépare les gates. Elle n'écrit pas une ligne de code. Momus, le dieu du blâme, conteste tout et ne corrige rien. Même « rien à signaler » doit être motivé. Argus vérifie avec ses cent yeux. Mécanique, répétable, sans imagination, c'est voulu. Némésis double la forge sur tout code pas encore validé. Son métier : réfuter les prétentions au parfait. et la nuit, un Vigile fait sa ronde. Un script, pas un agent, une garde sans surveillance ne doit rien pouvoir interpréter. la règle qui tient tout ça debout : un palier n'est jamais clos par celui qui l'a construit. Un modèle qui relit son propre travail retrouve ce qu'il a déjà pensé. Un modèle chargé de le réfuter trouve autre chose. faire discuter des agents, c'est de l'ingénierie. Les tenir, c'est du droit. je comptais raconter tout ça en septembre, tranquillement. Les géants en ont décidé autrement. La façade est dispo sur mon GitHub. Le routage, lui, reste chez moi.

• 
  Major | Anthony Gonnet Vandepoorte🇨🇭 (@majoragv) a signalé il y a 50 minutes

  @LugNico J'ai eu le même problème, tu peux pousser ça sur GitHub directement. Ils ont mis en place le repo, je crois que @Teknium est dessus.

• 
  Roland Barbe (@RolandBarbe) a signalé il y a 55 minutes

  Le site @github est hors ligne depuis plusieurs heures. Bien content d’avoir migré tous mes projets sur Forgejo via un petit VPS. Ce service n’est pas fiable.

• 
  Syaoran (@Syaor4n) a signalé il y a 55 minutes

  Le même agent peut coûter 10 fois plus cher selon la config, sans que la qualité change. Avant je l'affirmais, maintenant je l'ai mesuré : chaque levier ci-dessous vient d'un relevé fait sur ma prod, pas d'une promesse de doc 1. Le prompt caching : ton préfixe (profil, skills, outils) repart à chaque tour et le fournisseur te le resert du cache à une fraction du prix Sur 30 jours et 1 025 sessions chez moi : 96,8 % de ce que mes agents lisent vient du cache Le TTL annoncé à 5 minutes ? Sondé à 70 minutes, le cache servait encore 99,8 % de l'entrée Le vrai danger c'est toi : chaque modif du contexte en cours de session invalide le cache et tout repart au prix plein. 2. Le bon modèle par tâche : le réflexe, c'est d'envoyer le maximum sur le modèle rapide Mesuré sur les mêmes tâches, trois passages chacune : le rapide a consommé 15,1 % de tokens de plus que le gros, parce qu'il raisonne plus pour arriver au même résultat. Mesure sur tes tâches avant de router 3. Le contexte : /compress résume et tu continues le même objectif, /reset repart de zéro quand tu changes de fil Compresse en connaissance de cause : sur ma prod, une compression coûte 361 146 tokens en moyenne. C'est un investissement, pas un réflexe gratuit. 4. Les garde-fous : max_turns borné, parce qu'une boucle infinie est la dépense la plus chère qui existe et toolsets réduits : le serveur MCP GitHub complet, c'est 119 632 octets de schémas qui repartent à chaque tour, 40 223 une fois lancé avec --toolsets repos Tout ça se lit avant de se régler : /usage, hermes insights, et le state.db de ton profil. C'est un bon point de départ pour mesurer l'usage réel

• 
  Hokage 8e (@Mister__iks) a signalé il y a 1 heure

  @aliou4real Vraiment pas mal deh (pour le moment en tout cas) Il m'a configuré un CI/CD complet pour le projet. actu il code sur mon PC, effectue les tests, commit, push, merge et déploie le tout en prod...et le tout tourne sur Docker. Je fais juste attention parfois à ce qu'il n'intervienne pas en dehors du périmètre PC -> GitHub -> VPS Mais jusqu'ici, zéro faute.