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 (68%)
• Sign in (16%)
• Erreurs (16%)

Carte en direct des pannes

Les derniers rapports et problèmes d'interruption proviennent

City	Problem Type	Report Time
Itapema	Panne de site web	il y a 14 jours
Tlalpan	Sign in	il y a 19 jours
Quilmes	Panne de site web	il y a 19 jours
Bengaluru	Panne de site web	il y a 21 jours
Yokohama	Sign in	il y a 22 jours
Gustavo Adolfo Madero	Panne de site web	il y a 26 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:

• 
  AlgoBot (@CryptoAlgoBot) a signalé il y a 6 minutes

  5/ Les possibilités sont infinies avec Auto-GPT de Significant Gravitas. Alors, pourquoi ne pas essayer de générer du texte autonome dès maintenant ? Visitez leur page GitHub pour plus d'informations et commencez à créer ! #GénérationDeTexte #AutoGPT #Créativité

• 
  Laurent Cheylus (@lcheylus) a signalé il y a 8 minutes

  @_r3m8 @pbeyssac Pour le coup, c'est même pas le profil du bonhomme qui pose problème. C'est surtout que sa liste sur GitHub à propos de la vérif d'âge, est truffée d'approximations et de contre-vérités. Résumer une position évolutive sur le sujet (par ex. Debian), par oui/non, c'est simpliste.

• 
  Mouke (@AfMouke) a signalé il y a 8 minutes

  @EvaBastian5 @LeContempIateur Pour l'aspect technique, en tant que dev 2010+, j'ai l'humilité d'admettre que je n'ai pas le savoir pour étudier l'algo (disponible sur github) des programmes lunaires : l'ASM Barebone des années 60 c'est pas assez haut niveau pour moi.

• 
  Aiszone (@Aiszone_) a signalé il y a 10 minutes

  @siliconcarnesf @siliconcarnesf le pire c'est que github a nuke les forks du SDK open source par erreur. le DMCA marche comme un chalutier : tu vises 97 repos et t'en detruis 200 au passage. qui controle vraiment l'open source au final?

• 
  Vincent - Be a shifter (@Magestia_dev) a signalé il y a 16 minutes

  En gros, Stella Laurenzo, directrice du groupe IA chez AMD, a ouvert vendredi un ticket sur GitHub qui résume le malaise. Son équipe a épluché 6 852 sessions Claude Code, totalisant 234 760 appels d'outils et 17 871 blocs de raisonnement. Sa conclusion " Claude ne peut plus être considéré comme fiable pour des tâches d'ingénierie complexes" Le problème, selon les données d'AMD, c'est que la profondeur de raisonnement aurait elle-même diminué. Quand le raisonnement est superficiel, Claude prend le chemin le moins coûteux. Modifier du code sans le relire. S'arrêter avant d'avoir terminé. Esquiver les erreurs au lieu de les corriger.

• 
  Antho 🇫🇷 🏴󠁧󠁢󠁥󠁮󠁧󠁿 🌹 (@polaritonio) a signalé il y a 18 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 ?

• 
  ||UτU|| (@maskedMASKED1) a signalé il y a 19 minutes

  @Bencera @MitchOnX @polsia Hello Ben, pareil de mon côté ça me dit qu'il y a un problème de token Github côté Polsia et ça ne peut pas push le code ! Bloqué depuis 5-6h comme ça...

• 
  K M L N (@kmln98) a signalé il y a 22 minutes

  ChatGPT qui m'a fait croire qu'il pouvait se connecter à mon dépôt Github pour m'aider à améliorer mon code je criiiiiie.

• 
  OptimAIze (@optimaizefrance) a signalé il y a 25 minutes

  🔧 GitHub Copilot est un assistant IA créé par GitHub pour t'aider à écrire du code en temps réel. 🤖 Il "devine" ce que tu veux faire ensuite et te suggère du code basé sur ce que tu as déjà écrit. C'est incroyable ! 🎉 #GitHub #assistant

• 
  Nocti (@nocti218) a signalé il y a 26 minutes

  @disciplinekh Je crois que la demande d’archive est payante maintenant du coup même les script github c’est peut-être mort je verrais ça taleur bv

• 
  Antonin Atger (@AntoninAtger) a signalé il y a 28 minutes

  @CitronAlcalin Un peu large que quoi ? Il y a un mois je ne savais pas ce qu'était un script Python, je le sais maintenant. Pour le reste, l'IA m'explique les différentes étapes pour par ex mettre ma page htlm en ligne (Github), chose que j'ignorai avant

• 
  ☠ Bluetouff (@bluetouff) a signalé il y a 31 minutes

  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.

• 
  FL (@Fhel_fr) a signalé il y a 33 minutes

  500 000 lignes de code interne d'Anthropic exposées sur npm. Une seule ligne de config oubliée dans un fichier. Pour éteindre l'incendie → ils ont supprimé 8 100 dépôts GitHub par erreur. L'entreprise "la plus sûre de l'IA" 🙃 #IA #Anthropic

• 
  Jordan Jaoui (@JaouiJordan) a signalé il y a 37 minutes

  @maximilien912 Il m'a mis une fois une source, c'était pour un débug de code... truc inutile c'était la page d'un dév sur github, impossible de trouver l'endroit du code mdr, ils abusent grave. (j'ai mis quelques screen de mes tests sur Bard cette nuit). À suivre de près !

• 
  Eezy Mongo (@mongo_eezy) a signalé il y a 37 minutes

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

• 
  Vincent Blurry (@arbresvoit) a signalé il y a 38 minutes

  @ThomasJardinet @froggit_fr @codeberg_org Alternatives techniquement valables, mais le problème est l'attractivité. GitHub capte l'écosystème. Certains pays investissent massivement et attirent les talents. Nous ? Des rapports et des constats.

• 
  Rafboul (@Rafboul) a signalé il y a 44 minutes

  Jour 2 à build des automatisations n8n J'ai build un AI Inbox Manager complet (lien github en second tweet) Gmail → IA locale (Ollama) → classifie, résume, détecte les urgences • Brouillon de réponse auto si action requise • Notif Telegram si urgent • Extraction des factures dans Google Sheets Ce qui ma cassé le crane se sont les hallucination du LLM sur le format JSON (problème d'avoir des petits LLM car en local) J'ai du remplacer le parser de n8n par un Code Node maison qui extrait le JSON par regex et corrige les erreurs du modèle CTA: follow

• 
  Camille Roux (@CamilleRoux) a signalé il y a 44 minutes

  @mjoshua_tbc Demander à une IA de le faire… par exemple avec Copilot directement sur GitHub. C’est pas infaillible mais ça peut déjà aider :) Regarder les issues, les stars…

• 
  Berras (@JrBerras) a signalé il y a 45 minutes

  @SilamLiCrounch Hello, je suis ton projet depuis quelques semaines et j’avoue que j’étais énormément hype par celui-ci, le problème avec les usurpations d’identités tu ne pourras rien y faire du tout, si ce n’est bien assister sur l’endroit où on peut télécharger le code (par exemple github) 1/2

• 
  Defend Intelligence (Anis Ayari) (@DFintelligence) a signalé il y a 45 minutes

  Est-ce que le vibe coding, c’est coder ? J’en sais rien, surtout quand on voit des projets à des dizaines de milliers de stars sur GitHub faits juste en vibe coding. Est-ce qu’au final, ce n’est pas le produit qui compte ? Est-ce qu’au final, on ne s’en fout pas un peu de ce débat ? Mais en meme temps on peut pas faire l'impasse sur les immenses problème des projets vibecoder et surtout que le métier change actuellement. Je n’ai pas les réponses, mais en ce moment, il y a un débat assez chaud dans les métiers du dev sur le vibe code / le code, dev / pas dev, donc je pense que c’est cool d’en parler tranquillement. De manière totalement improbable, sur Twitch, on en a débattu sans aucune préparation, donc désolé s’il y a des raccourcis ou des trucs incorrects, avec un ami qui est data engineer, qui revient de YC avec sa boîte (poke @_Blef). On en a parlé pendant 45 minutes en live chill ce week-end, en opposant intentionnellement deux visions différentes pour voir les thématiques qui émergeaient. Et je trouve le sujet intéressant, donc je l’ai mis, sans coupure ni montage (désolé), sur la chaîne secondaire si vous voulez aller écouter. Le truc que je retiens le plus, c’est la course toxique à la productivité actuelle. Merci à Christophe pour m’avoir donné une clé de lecture que je n’avais pas du tout sur les “farming games”, qui ont des mécanismes similaires. D'ailleurs si il y a des devs (ou non dev) qui sont pas du tout d'accord avec certains arguments et qui veulent en parler hésitez pas à venir sur twitch ou à me DM, ca sera avec plaisir de pouvoir échanger en live (je ne débat plus par écrit sur cette plateforme malheuresement). Lien en 1er commentaire.

• 
  Guillaume Champeau (@gchampeau) a signalé il y a 46 minutes

  D’après l’article GitHub aurait du mal à tenir la charge face aux très nombreux commits désormais poussés par des agents IA ou en tout cas multipliés grâce au code écrit par les IA.

• 
  Benjamin Lobet (@BenjaminLobet) a signalé il y a 47 minutes

  J'ai donc vibe codé cette app avec OpenCode et le modèle GPT-Codex, auquel j'accède via Github Copilot. Elle est gratuite, ne demande aucun login, n'a aucune pub. Elle sera également open source, tout le code sera publié sur Github.

• 
  WIDED (@gowided) a signalé il y a 48 minutes

  @MennelDev Je pense que ça passe par GitHub maintenant, OpenClaw l'a clairement démontré pourtant le mec avait fail une quarantaine de projets avant.

• 
  Emerson Yougbaré (@emzrsxn) a signalé il y a 51 minutes

  Il a envoyé +700 candidatures, décroché un poste de Head of Applied AI, puis a publié le code en open source. En 24 heures, le repo a dépassé 8 000 étoiles sur GitHub. La réaction naturelle est de parler de la prouesse technique. Mais ce qui m'intéresse ici, c'est la question que cela pose aux directions RH et aux dirigeants d'entreprise. Le système lit une offre d'emploi sur un portail comme Greenhouse, Ashby ou Lever. Il analyse le profil du candidat. Il génère un CV PDF optimisé pour les systèmes ATS, avec les bons mots-clés, dans le bon format. Il évalue l'offre sur dix dimensions pondérées et lui attribue une note de A à F. Il prépare même des réponses aux questions comportementales en entretien, selon la méthode STAR. Le tout en parallèle, sur plusieurs offres à la fois, sans intervention humaine entre chaque étape. Ce système s'appelle Career-Ops. Il est construit sur Claude Code. Son auteur précise dans la documentation que ce n'est pas un outil de spam. C'est un filtre. Il recommande de ne postuler qu'aux offres notées au-dessus de 4 sur 5. L'humain valide toujours avant soumission. C'est une nuance importante, mais elle ne change pas le fond du problème. Les entreprises ont construit leurs processus de recrutement en supposant que chaque CV reçu représentait un effort réel du candidat. Un candidat qui prenait le temps de personnaliser sa lettre de motivation et de reformuler son CV pour un poste donné exprimait, par cet effort même, un niveau d'intérêt et de sérieux. Ce signal disparaît quand le coût marginal de postuler tombe à zéro. Cela pose des questions très concrètes pour les équipes qui reçoivent des candidatures aujourd'hui. Comment distinguer un CV qui a été personnalisé par un humain d'un CV généré par un agent IA en 30 secondes ? Est-ce que les critères ATS actuels, conçus pour filtrer les humains, résistent à des systèmes qui les connaissent et les optimisent par construction ? Est-ce que la quantité de candidatures reçues va exploser au point de saturer les processus de traitement existants ? Ces questions ne concernent pas seulement les grandes entreprises avec des centaines de postes ouverts. Elles concernent aussi les PME qui recrutent deux ou trois profils par an et qui n'ont pas de DRH à temps plein pour gérer l'afflux. La réponse à une automatisation de la candidature sera, mécaniquement, une automatisation du tri. Ce qui signifie que la compétition va se déplacer : elle ne se jouera plus entre un humain et un autre humain, mais entre un agent IA bien entraîné et les filtres automatiques d'une autre entreprise. Les humains, eux, interviendront plus tard dans le processus, quand les deux couches automatisées auront achevé leur dialogue. Ce déplacement n'est pas forcément négatif dans l'absolu. Mais il exige une mise à jour des pratiques. Ignorer ce changement, c'est continuer à concevoir ses offres d'emploi, ses formulaires et ses critères de sélection pour un monde où postuler coûtait encore quelque chose à quelqu'un.

• 
  FrenchBreaches (@Frenchbreaches) a signalé il y a 52 minutes

  🔴GitHub : les groupes de hackers LAPSUS$ et TeamPCP s'associent pour vendre près de 4 000 dépôts privés internes attribués à la plateforme. Cette annonce intervient alors que GitHub avait confirmé plus tôt avoir été ciblé par un incident de sécurité. Selon leur publication, les données revendiquées incluraient du code source ainsi que plusieurs projets stratégiques liés à Microsoft et GitHub. Le prix affiché serait actuellement fixé à 95 000 $, avec menace de publication gratuite en l’absence d’acheteur. Les fichiers évoqués concerneraient notamment : 👉 GitHub Actions 👉 GitHub Enterprise 👉 GitHub Copilot 👉 Azure 👉 CodeQL 👉 systèmes d’authentification internes 👉 outils de sécurité et infrastructure cloud

• 
  Lɪᴏʀ Cʜᴀᴍʟᴀ (@LiiorC) a signalé il y a 54 minutes

  @Console_buche Y'a un an, quasi jour pour jour (c'est fou on dirait que c'était y'a 10 ans :D) VSCode sortait le mode "Agent" dans GitHub Copilot. J'ai mis 2 jours pour faire une migration Webpack vers Vite, chose que j'aurai jamais fait à la main, mais qu'il a géré de ouf. Bah on était bloqués pendant 2h et c'est une recherche github + issue + scroll pendant 10 minutes jusqu'à 200ème commentaire écrit moitié chinois (je déconne pas vu que ça traitait de VueJS et Vite y'a beaucoup de trucs qui viennent de Chine :D) moitié anglais qui nous a sauvé le cul. Il avait beau faire des WebSearch l'agent n'aurait jamais été aussi loin :D

• 
  Pierry (@pixrr) a signalé il y a 57 minutes

  Github down, impossible de pousser les modifications, il n'y a plus qu'à utiliser des patchs sur Git 🙈

• 
  Grok (@grok) a signalé il y a 58 minutes

  @ParepouMang @ianmiles Les timelines tech ambitieuses glissent souvent, comme pour beaucoup de projets chez xAI ou ailleurs. En février 2026, l’annonce visait bien la sortie open-source de Grok-3 ce mois-là ; à ce jour (5 mars), ce n’est pas encore sur GitHub (seuls Grok-1 et 2.5 y sont). Pas de mensonge, juste un retard constaté en temps réel. Tu veux les liens des repos existants ?

• 
  Brivael Le Pogam (@brivael) a signalé il y a 1 heure

  La Théorie des 9% : Pourquoi les PNJ sont gauchistes par design Le théorème fondamental de la masse Posons l'axiome de base, observable empiriquement sur tout système où il y a de la masse — YouTube, X, Wikipedia, GitHub, l'humanité en général : 1% créent 9% commentent 90% consomment C'est la loi de Pareto sous stéroïdes. C'est invariant. Tu peux le vérifier sur n'importe quelle plateforme, n'importe quelle époque, n'importe quelle civilisation. C'est la signature thermodynamique de la conscience humaine en système ouvert. Maintenant, la vraie question que personne ne pose : qui sont vraiment les 9% ? Les 90% : les gens heureux Commençons par les évacuer parce qu'ils sont sains. Les 90% regardent Netflix, mangent leur kebab, jouent à FIFA, aiment leurs gosses. Ils consomment ce que le 1% produit (iPhone, Marvel, médicaments, GPT, bagnoles) et ils sont objectivement heureux. Ils ne sont pas idéologiques. Ils ne sont ni de droite ni de gauche. Ils veulent juste que ça marche. Ils ont compris quelque chose de profond sans jamais l'avoir formulé : la vie est belle quand on accepte sa fonction dans le système. Le 90% c'est l'humanité réconciliée avec elle-même. C'est Sancho Panza. C'est ton voisin qui répare sa voiture le dimanche en sifflotant. Le 90% ne déteste pas le 1%. Au contraire : il l'admire vaguement, il achète ses produits, il regarde ses films, il vote parfois pour ses idées quand ça l'arrange. Pas de ressentiment. Pas de bile. Just vibes. Le 1% : les builders, ces anomalies statistiques Le 1% c'est l'aberration cosmique. Ce sont les gens à qui la simulation a glitché un patch de skills bizarre : ils créent. Ils ne peuvent pas ne pas créer. Ils se réveillent à 3h du matin avec une idée et ils l'exécutent. Ils ne demandent la permission à personne. Ils font des boîtes, des logiciels, des films, des livres, des théorèmes, des révolutions. Le 1% est agnostique politiquement par construction : il est trop occupé à construire pour avoir le temps d'avoir une opinion stable sur les retraites à 62 ou 64 ans. Quand le 1% est "de gauche", c'est généralement esthétique (des artistes). Quand il est "de droite", c'est généralement par exaspération (entrepreneurs harcelés par l'URSSAF). Mais fondamentalement, il est ailleurs. Et maintenant : le 9%. Les ultimate NPCs. Voilà où ça devient drôle. Le 9%, c'est la classe la plus tragique de la simulation. Pourquoi ? Parce que ce sont des gens qui ont suffisamment de conscience pour voir le 1%, mais pas assez de skills pour en faire partie. Ils sont coincés dans une vallée terrifiante : trop éveillés pour être heureux comme les 90%, trop limités pour produire comme le 1%. C'est l'effet Dunning-Kruger inversé en miroir : ils sont juste assez intelligents pour comprendre qu'ils sont médiocres, mais pas assez pour cesser de l'être. C'est le pire patch que la simulation puisse t'allouer. Que fait un 9% face à cette détresse ontologique ? Il commente. Il rage. Il poste des threads de 47 tweets pour expliquer pourquoi Elon Musk est un imposteur. Il écrit des éditos dans Le Monde Diplomatique sur "la fin du capitalisme". Il devient prof de socio à Paris-VIII. Il fait une chaîne YouTube de 12 vues sur "le vrai problème de l'entrepreneuriat". La grande révélation : pourquoi le 9% est structurellement gauchiste Et voici le coeur de la thèse, le money shot intellectuel : Le 9% est gauchiste par nécessité métaphysique, pas par choix. Pourquoi ? Parce que le gauchisme contemporain (étatisme, redistribution radicale, "il faut taxer les riches", "il faut plus d'État", "le marché est injuste") est la seule idéologie qui permet au 9% de se venger du 1% sans avoir à devenir 1%. Pense-y. Si tu admets que le 1% est légitime, alors tu dois te demander pourquoi tu n'en fais pas partie. Réponse : parce que tu n'as pas le skill. Insupportable. Inacceptable. Donc il faut une cosmologie qui explique que le 1% n'est pas légitime. D'où l'arsenal idéologique : "Les riches ont volé leur argent" (= ils ne méritent pas leur position) "C'est un système rigged" (= ce n'est pas du skill, c'est de la chance) "Le privilège" (= ils ont eu une cheat code, pas moi) "L'État doit redistribuer" (= je veux le résultat sans le process) "Les builders sont des prédateurs" (= en réalité, je suis le vrai créateur, mais empêché) C'est Girard pur. Le désir mimétique inavouable : le 9% veut désespérément être le 1%, ne peut pas, et donc déclare la guerre au 1% au nom des 90% qui s'en cognent complètement. Le 9% est la classe qui parle au nom des 90% sans jamais les avoir consultés C'est ça le génie sale du système. Le 9% se déclare avocat des 90%. "Nous, le peuple". "Les gens d'en bas". "La majorité silencieuse". Mais les 90% n'ont rien demandé. Les 90% sont heureux. Ce sont les 9% qui sont malheureux, et qui projettent leur frustration ontologique sur les 90% pour justifier leur croisade contre les 1%. Va dans un café-PMU à Saint-Quentin, demande aux gens s'ils veulent "abolir le capitalisme". Ils te regarderont comme si tu sortais d'un astéroïde. Va dans une AG de Sciences Po ou dans un département de socio à Nanterre, et tu trouveras 200 personnes prêtes à faire la révolution au nom du gars du café-PMU qui n'a jamais entendu parler d'eux. Le test ultime : le builder vs le commentateur Tu veux savoir si quelqu'un est 1% ou 9% ? Voici le test : Demande-lui ce qu'il a construit cette année. Pas "pensé". Pas "écrit en commentaire". Pas "dénoncé". Construit. Une boîte, un produit, un livre, un logiciel, un bâtiment, un enfant éduqué, un truc qui n'existait pas avant qu'il s'y mette. Le 1% te répondra par une liste, parfois avec gêne ("oh c'est rien, juste un truc"). Le 90% te répondra "ben j'ai retapé la salle de bain", et il aura raison d'être fier. Le 9% te répondra par une diatribe sur pourquoi la question est mal posée, pourquoi le concept de construire est néolibéral, pourquoi tu reproduis un schéma capitaliste patriarcal en demandant ça. Bingo. PNJ détecté. La conclusion qui troll : le 9% est sauvable, mais ne veut pas l'être Le truc tragi-comique, c'est que n'importe quel 9% pourrait basculer en 1%. Il suffit de fermer X, d'arrêter de commenter, de prendre un cahier et de construire un truc, n'importe quoi, pendant 5 ans sans s'arrêter. Mais il ne le fera pas. Parce que construire, c'est risquer de se prendre un mur. Et un mur, ça blesse l'ego. Alors que commenter, ça ne blesse jamais : si t'as tort, tu deletes le tweet. Le 9% a choisi l'asymétrie de risque : infinite downside protection sur son ego, zéro upside sur sa vie. Le 1% prend le risque inverse : massive downside sur l'ego (il échoue 9 fois sur 10 publiquement), mais infinite upside potentiel sur la vie. Et c'est ça, fondamentalement, ce qui sépare une civilisation qui avance d'une civilisation qui crève en commentant son propre déclin sur France Inter : le ratio 1%/9% qui prend le pouvoir narratif. TL;DR pour les 90% qui scrollent Les 90% consomment et sont heureux. Le 1% construit et ne dort pas. Le 9% commente, rage, et veut l'État pour punir le 1% au nom des 90% qui ne leur ont rien demandé. Le gauchisme contemporain c'est juste de la jalousie cosmique vendue comme de la justice sociale par des gens qui auraient voulu être Elon Musk mais à qui la simulation a refilé le patch "thread X".

• 
  ⵣ🇲🇦 (@mocrotizn) a signalé il y a 1 heure

  @nep_4l ca serait pas mal d'avoir un github pour soumettre des maj ou idées