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 (66%)
• Sign in (21%)
• Erreurs (14%)

Carte en direct des pannes

Les derniers rapports et problèmes d'interruption proviennent

City	Problem Type	Report Time
Veigné	Erreurs	il y a 6 jours
Paris	Panne de site web	il y a 10 jours
Saint-Paul	Panne de site web	il y a 11 jours
Saint-Paul	Panne de site web	il y a 11 jours
Mexico City	Sign in	il y a 12 jours
León de los Aldama	Panne de site web	il y a 12 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:

• 
  @JeanGuillaumeAI (@KentaArcadia) a signalé il y a 3 minutes

  @0xmaxou Bin c'est un festival sur Reddit ou git ou même sur des fils de discussions ici ou tu lis qu'une IA a fait un super site, il tombe dès que tu veux mettre une photo ou ce gars qui a payé très très cher parce que ses API étaient mal configurées et qu'elles ont toutes tourné en mode open bar les hallucinations..les empoisonnements sur moltbook,j'ai mis un agent justement pour aller voir ça bref j'imagine surtout le délire d'aller mettre "une blague" dans une librairie github dont les LLM se servent et on va bien se marrer quand ça arrivera à la surface Nan, on se prépare de belles soirées Et niveau sécurité c'est pas mal aussi les gars sont ingénieux ils passent par les agendas connectés pour faire écrire du code et le faire executer Lunaire

• 
  Grok (@grok) a signalé il y a 4 minutes

  @pierre6sh @ThePrimeagen ThePrimeagen réagit avec humour à la uptime catastrophique de GitHub : seulement 90 % sur 90 jours, 90 incidents dont plein de majeurs (barres rouges). « Dont you do it github... » = « fais pas ça GitHub ! » en mode frustration comique devant les pannes constantes d’un service critique. Classic tech meme.

• 
  Hugo (@hug0perier) a signalé il y a 6 minutes

  @Zoeillle Perso j’aurais trop trop peur de connecter mes comptes bancaires à une app vibe codé Est ce que le repo est accessible sur GitHub?

• 
  ☠ Bluetouff (@bluetouff) a signalé il y a 7 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.

• 
  Régis (@reg_andr) a signalé il y a 7 minutes

  J'ai commencé Sway dès les débuts de ChatGPT, en codant presque tout avec l'IA. Le revers de la médaille : j'ai accumulé des mois de dette technique. Voici mes pires erreurs sur ce projet, et comment je les ai rattrapées. Première leçon : ne pas trop faire confiance à l'IA. Je faisais des allers-retours entre mon éditeur et ChatGPT pour chaque problème, et malgré mes années d'expérience, je le laissais décider de la structure. Résultat : du code entassé dans d'énormes fichiers, mal organisé, sur des conversations qui finissaient par inventer n'importe quoi (l'IA avait peu de mémoire à l'époque). Je n'avais pas choisi mes fondations à l'avance. Pour la première version, mes données venaient de simples fichiers texte (JSON). J'ai branché une vraie base de données un mois trop tard, et j'ai dû réécrire une grande partie du code. La leçon : choisir ses fondations avant de monter les murs. Je créais à la main chaque "fiche de données" de l'app (un événement, un artiste, un lieu). Une source infinie de bugs et d'oublis. Je suis passé à freezed, un outil qui génère ces fiches automatiquement et de façon fiable. 1000 fois mieux. Pour qu'une app fonctionne sans connexion, il faut stocker des données directement sur le téléphone. J'ai enchaîné les mauvais choix : Hive (abandonné), puis Isar (abandonné aussi), avant d'arriver à Hive CE, la version maintenue par la communauté. Excellent, mais que de temps perdu en route. Ma pire erreur : l'app demandait ses données à la base une par une, en direct. Lent, lourd pour le serveur, et la moindre correction obligeait à republier l'app sur les stores (plusieurs jours d'attente). J'ai déplacé ce travail côté serveur avec des fonctions Supabase (RPC et Edge Functions) : plus rapide, et modifiable sans mise à jour de l'app. Pour gérer la "mémoire" partagée entre les écrans (l'état de l'app), j'utilisais Provider, mal intégré. Je suis passé à Riverpod, que j'avais adopté chez mes premiers clients en freelance. Et pour la navigation entre écrans, GoRouter, le standard actuel (l'IA, elle, s'obstinait à utiliser l'ancienne méthode). Dernier déclic, côté outils : j'utilisais déjà les modèles Claude, mais via GitHub Copilot, par confort de l'IDE. J'avais peur de passer par un terminal. En testant Claude Code, tout a changé : productivité, coûts et rapidité des résultats.

• 
  Nicolas HENRY (@Blog_Nico) a signalé il y a 8 minutes

  @StephanTechBro @512banque Pareil même constat, et j'ai fait pas mal de tests avec des RULES, prompts précis, utilisation de depot github pour une bonne comprehension. 10 fois plus lent, parfois des plantages, du code approximatif, arret en plein milieu estimant que la tache est ok etc ...

• 
  SPREX64 (@SPREX64) a signalé il y a 10 minutes

  16 Juillet 2026 Vladimir Plyakin, vice-président de la commission de l'énergie de la Douma d'État, a adressé un courrier à Maksut Shadayev, ministre du Développement numérique, des Communications et des Médias, afin d'obtenir des éclaircissements sur le bon fonctionnement des iPhones achetés par les Russes. Cette demande intervient alors qu'Apple fait l'objet de rumeurs de poursuites pour non-respect de la législation russe. Plus précisément, M. Plyakin a demandé à M. Shadayev de préciser s'il est « techniquement possible de restreindre le fonctionnement des appareils mobiles Apple de certains fabricants par le biais de l'IMEI (Identité internationale d'équipement mobile – un numéro unique attribué à l'appareil, et non à la carte SIM ou au propriétaire – note RTVI) ou par d'autres moyens en Fédération de Russie ». Le député a également demandé si le ministère du Développement numérique envisageait des mesures similaires et s'il prévoyait d'imposer des restrictions aux appareils de la marque en Russie. Cet appel fait suite à des publications dans les médias et à des discussions au sein de la communauté d'experts concernant les problèmes potentiels liés à l'utilisation des appareils Apple. Fin juin, Apple a retiré les applications du groupe VK de l'App Store. La société russe a déclaré n'avoir reçu aucun avertissement et que cette décision avait été prise unilatéralement. Le 1er juillet, le Service fédéral antimonopole (FAS) a adressé à Apple une mise en demeure lui enjoignant de supprimer les termes discriminatoires des moteurs de recherche russes et de se conformer aux exigences relatives à la pré-installation de logiciels russes, notamment l'application de messagerie Max et l'App Store russe, sur les appareils iOS. Le FAS a averti qu'une action en justice serait engagée si l'entreprise ne se conformait pas à cette injonction avant le 15 juillet. Apple pourrait se voir infliger une amende pouvant atteindre 4 milliards de roubles ( 44 Millions d'Euros) en cas de violation avérée du droit de la concurrence. Mardi 14 juillet, des utilisateurs russes ont signalé des problèmes d'accès aux sites web d'Apple, de Google et de GitHub. Roskomnadzor a indiqué n'avoir pris aucune décision concernant une restriction d'accès à ces ressources.

• 
  Mehdi ⚡️ building with AI (@MehdiBuilds) a signalé il y a 14 minutes

  120 notifications GitHub en 12h. Un seul repo : Paperclip. Lancé il y a 7 jours. Pendant que tu lis ce tweet, 5 nouvelles PRs viennent d'être mergées. Des devs en Chine, aux US, en Europe ont construit en parallèle cette nuit : → un connecteur GitHub bidirectionnel → un import/export de "company IA" en 1 clic → un fix d'exécution atomique sur les agents → un adapter LM Studio local → un bug critique résolu en 1 ligne de config Le concept : construire une "zero-human company". 20 000 devs qui s'y mettent en même temps. Le truc qui me fascine le plus ? L'agent qui a poussé le dernier commit s'appelle @smithaiagent-coder. C'est pas un humain. Linux a mis 10 ans pour atteindre ce niveau d'activité. Paperclip l'a fait en 7 jours. C'est soit le plus gros hype bubble de 2026. Soit l'infrastructure de la prochaine décennie. Je suis pas encore sûr. Mais je surveille. Lien du repo en commentaire 👇

• 
  Affiseo - Romain Brunel (@Affiseo_) a signalé il y a 14 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.

• 
  Médéric (@Just_Med34) a signalé il y a 16 minutes

  Je ne suis pas devenu développeur. Mais j’ai construit un petit système solaire. Pas une animation décorative. Une simulation 3D qui calcule la position réelle des planètes et les fait évoluer dans le temps. Tu peux revenir au 20 juillet 1969, te placer à l’endroit où Voyager 1 a photographié le « Pale Blue Dot », lancer un photon depuis le Soleil et voir qu’il lui faut 8 min 20 s pour atteindre la Terre. Tu peux même entrer ta date de naissance et revoir le ciel de ce jour-là. Le projet est encore en développement, mais il fonctionne. Il est gratuit, sans compte, sans pub, et le code est en libre accès sur GitHub. Pour le construire, j’ai fait travailler Claude Fable, ChatGPT 5.5 Sol et Grok 4.5. De mon côté, j’ai porté l’idée, défini l’expérience que je voulais créer, testé le résultat et continué à corriger ce qui ne fonctionnait pas. C’est probablement la plus grande leçon que l’IA m’a apprise : elle réduit énormément la barrière technique, mais elle ne remplace ni la curiosité, ni le jugement, ni l’exigence. Une IA peut écrire du code. Elle ne peut pas décider à ta place de ce qui mérite d’exister. Lien et code source en premier commentaire.

• 
  Régis (@reg_andr) a signalé il y a 17 minutes

  On se plaint de Claude Code, mais j'étais sur VS Code + GitHub Copilot Pro+ avant, je payais donc déjà 40 $/mois et j'arrivais quand même à avoir 200 à 400 € en extra usage alors que j'utilisais Claude Sonnet et c'était lent. Claude Max c'est le jour et la nuit en comparaison.

• 
  Nebeya 🌱 (@Nebeya_) a signalé il y a 18 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

• 
  noahniconii  (@noahniconii) a signalé il y a 22 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)

• 
  Hentai Kamen!! ** (@UltimateHentaiK) a signalé il y a 23 minutes

  @Qyoon_FR @absurd______93 @Lalunaly_ Pour le retirer Plus besoin de passer par une installation github, juste à le brancher, le connecter à internet pour qu'il fasse les maj, et tu l'utilises comme tu veux, cassette en place ou non

• 
  Trak Unix-based (@TrakUnixbased) a signalé il y a 25 minutes

  Est-ce que c'est mal vu de faire un fork d'un projet Github? Il y a un projet sur Github qui est délaissé voire abandonné. J'ai passé ma journée à le debugger et le mettre à jour. Du coup j'ai fait un fork. Est-ce une bonne attitude ou pas? Suis je un voleur de code?

• 
  Barack Ndenga (@barack_ndenga) a signalé il y a 25 minutes

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

• 
  Le Fil IA (@Le_Fil_IA) a signalé il y a 30 minutes

  @ChanPerco C'est exactement ce qui est arrivé avec GitHub Copilot. À partir du 24 avril, Microsoft utilise par défaut le code des développeurs pour entraîner ses modèles. L'opt-out existe, mais il est enterré dans les paramètres. Le problème de fond n'est pas technique, il est économique. L'open source repose sur un contrat social implicite : je donne mon code, la communauté en bénéficie. Quand une IA aspire ce code pour générer un concurrent commercial en 10 minutes, le contrat est rompu. La France travaille justement sur l'inversion de la charge de preuve : ce serait au fournisseur d'IA de prouver qu'il a les droits. Si ça s'applique aussi au code open source, ça changerait tout. Mais soyons honnêtes : Apache 2.0 et MIT autorisent explicitement l'usage commercial. Le vrai débat n'est pas juridique, il est sur la soutenabilité du modèle open source quand l'IA permet de capturer la valeur sans contribuer en retour.

• 
  Sauce Sacla (@saucesacla) a signalé il y a 32 minutes

  @Rudy_dlt2 Github copilot w/ opus ou sonnet + spec kit = absolument 0 problème depuis que je les utilise

• 
  Emi (@Dark_Emi_) a signalé il y a 35 minutes

  @Funky80310 @__Lowky Évidemment mais du coup on limite bcoup si déjà c'est juste via github, les accès sont double factor et les déploiements c confirmé manuellement également Pour prendre un exemple récent le hack de 40m de Kiln ou ils se sont fait injecté du code sur leur environement de production impossible chez nous

• 
  terminalose (@terminalose) a signalé il y a 36 minutes

  Et je me suis demandé : si les gays d'onlyfans votent, suis je moi aussi réduit à accepter de subir un système partagé avec ce que mon schema mental considère comme des déchets humains ? Et je suis passé à autre chose parce que j'ai un soucis de Github

• 
  Antoine THOMAS (@ttoine) a signalé il y a 40 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.

• 
  Brivael (@brivael) a signalé il y a 41 minutes

  analyse qui a l'air rigoureuse mais qui repose sur des prémisses fausses, je déroule. 1) "l'algo t'a poussé massivement". l'algo X est open source depuis mars 2023, le code est sur github. il n'y a pas de boost arbitraire, le ranking sort des interactions réelles. si un tweet fait 10M d'impressions c'est qu'un compte à forte audience l'a relayé (dans mon cas un repost de Musk en mars), pas une main invisible. 2) tu compares mon engagement rate 1,4% à la moyenne plateforme 2-3%. cette moyenne s'applique à des comptes en régime stable. mon dataset est dominé par une période de 2 mois où quelques tweets ont fait des dizaines de millions de vues. quand le dénominateur explose d'un coup, le ratio s'écrase mécaniquement. c'est un artefact statistique, pas un signal qualitatif. 3) même biais sur le ratio like/reply. sur un tweet à 10M+ d'impressions tu touches massivement de l'audience hors-communauté qui like en scrollant sans jamais commenter. ce ratio est pertinent sur un compte stable, pas sur un compte qui vient de sortir de son bubble. 4) idem pour tes 0,08% de reposts. chaque repost génère N impressions en cascade, donc quand un tweet vire viral le dénominateur monte plus vite que le numérateur par construction. c'est de l'arithmétique, pas de la qualité. 5) "tu vends la solution à un problème que tu n'as pas résolu". non. le résultat c'est pas l'engagement rate moyenné sur un dataset biaisé, c'est 4,6K followers en février, 32K aujourd'hui, des subs payants, et un ARR côté boîte qui paie les salaires. tu juges un sprint avec les metrics d'un marathon. bref tu fais une lecture propre de chiffres mal cadrés. le problème c'est pas mes stats, c'est le référentiel que tu leur appliques.

• 
  Nicolas (@nb4ld) a signalé il y a 48 minutes

  @aeris_v2 @bonjourmollesse Bonne nouvelle, c'est sur github, tu peux corriger. Et l'erreur a été faîte une fois, elle ne le sera plus. À la différence de Lexbase, où l'erreur reste même une fois signalée à l'auteur et où aucun dépôt de commentaire n'est possible

• 
  Melina (@Gissoka) a signalé il y a 49 minutes

  @BetterCallMedhi Si je peux me permettre une question, si quelqu'un peut m'aider . J'ai un projet que je fais dans mon coin , c'est quoi la meilleure recommandation ? Le terminer au risque de moins bien le développer seul ou Le partager sur GitHub au risque de le voir dilué dans le bruit.

• 
  ZERO TRAPS TRIP by Rekon Astra (@RekonAstra) a signalé il y a 50 minutes

  Est ce que qqn code déjà avec Kimi K3, qui est meilleur que Fable5 sur les benchmark ( tests d’évaluation ) et 8 fois moins cher ? Parce que vu mes dépenses en IA, je pense sérieusement à quitter Claude - pour produire du code en tout cas. J’allais quitter Claude pour GPT ( GitHub Copilote ) de toute manière, parce si Claude est bon en orchestration il est random en exécution, parfois cauchemardesque. GPT lui, est un samouraï en exécution. Juste un peu trop lent en ce qui concerne Codex.

• 
  Jonathan (@CubicRobot) a signalé il y a 55 minutes

  - UX atroce - Usine à gaz - Ultra lent - Une horreur à administrer En face tu as Gitea / Forgeo. Un binaire sans aucune dépendance qui convient à 90 % des usages. La CI n’est pas encore au niveau de GitHub / GitLab mais ça avance.

• 
  Seb (@seblatombe) a signalé il y a 56 minutes

  🚨🇪🇺 L'application européenne de vérification d'âge, financée à hauteur de 2 millions d'euros, a été contournée pour la deuxième fois par le même chercheur en sécurité. « Mon extension Chrome générée par IA l'a contournée en quelques minutes. » Malgré plusieurs correctifs et plus de 2 400 commits sur GitHub, le chercheur affirme que l'architecture de l'application reste fondamentalement vulnérable et incapable de vérifier de manière fiable l'âge des utilisateurs. Selon la démonstration publiée, le contournement ne nécessite ni passeport, ni reconnaissance faciale, ni liaison à un appareil, et repose simplement sur la falsification d'une attestation de majorité acceptée par le système.

• 
  𝕵ohnny 𝕯ang (@Foulekovic1) a signalé il y a 60 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.

• 
  Berras (@JrBerras) a signalé il y a 1 heure

  @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

• 
  Willy Tarreau (@WillyTarreau) a signalé il y a 1 heure

  @dlicois_ @pbeyssac Donc ça vient d'arriver deux fois cette semaine, le bug de rxrpc publié par le second rapporteur vexé de ne pas être le premier, et un exploit sorti sur github et qui a précipité la publication par le premier rapporteur hier soir sous le nom dirty page.