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 (67%)
• Sign in (19%)
• Erreurs (15%)

Carte en direct des pannes

Les derniers rapports et problèmes d'interruption proviennent

City	Problem Type	Report Time
Créteil	Panne de site web	il y a 20 jours
Trichūr	Erreurs	il y a 23 jours
Brasília	Sign in	il y a 24 jours
Lyon	Panne de site web	il y a 24 jours
Tel Aviv	Panne de site web	il y a 28 jours
Rive-de-Gier	Panne de site web	il y a 28 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:

• 
  G.L.A.D.I.S. 🌊🥦🕊️ (@msba1i) a signalé il y a 3 minutes

  @zen_HoKo Je paye toujours quand j'apprécie un service. Je fais pareil pour Netflix, Youtube, Github et Grindr

• 
  xavier lois (@xavierlois) a signalé il y a 8 minutes

  @pbeyssac Pour les softs ça dépend ... si c'est open source sur Github il gère pas trop mal. Sinon non désolé.

• 
  THISMA (@thismacapital) a signalé il y a 8 minutes

  Je le faisais déjà avec des github actions mais ça mangeait pas mal en tokens API, hâte de voir ce qu'on peut faire sur la nouvelle maj

• 
  FraudBrief (@FraudBrief_FR) a signalé il y a 9 minutes

  Pour une équipe fintech ou PSP, ce n'est pas un incident individuel. C'est une brèche dans vos environnements de production : pipelines de paiement, données clients, accès systèmes bancaires. Action immédiate : → Alerter les devs : aucun dépôt GitHub non officiel ne contient le vrai code Claude → Scanner les postes ayant accédé à des dépôts "claude-code" depuis le 31 mars → Révoquer et renouveler tous les tokens et clés API sans délai Source : 01net · Usine Digitale (07/04/2026)

• 
  Affiseo - Romain Brunel (@Affiseo_) a signalé il y a 9 minutes

  Mon Second Cerveau s'enrichit tout seul chaque dimanche. Voici le process exact. J'ai mis en place un cron qui tourne chaque dimanche matin. Son job : détecter tout ce que j'ai produit dans la semaine et l'intégrer automatiquement dans mon repo GitHub. Le process de bout en bout : 1. Le cron démarre et scanne ma chaîne YouTube via yt-dlp. Il compare les vidéos publiées avec celles déjà indexées dans le repo. 2. Pour chaque nouvelle vidéo, il télécharge le transcript, le nettoie (supprime les timestamps, fusionne les segments), et le structure en fichier markdown avec un front matter complet : titre, date, durée, sujets abordés, citations clés. 3. Le fichier est ajouté dans content-archive/youtube/ avec un slug propre. 4. L'index général du repo est mis à jour automatiquement. Chaque nouveau transcript apparaît dans la table des matières. 5. Le catalogue de leads magnets est enrichi si la vidéo correspond à un nouveau lead magnet. Le mot-clé CTA, le résumé, les sujets compatibles sont ajoutés. 6. Mes voice samples sont enrichis. Le cron extrait les nouvelles expressions, tournures, formulations que j'utilise dans la vidéo et les ajoute à mes fichiers de référence vocale. C'est comme ça que mes agents écrivent de plus en plus comme moi au fil du temps. 7. Tout est commité et pushé sur GitHub. Un seul commit propre avec le résumé de ce qui a été ajouté. Le tout se passe pendant que je suis au sport le dimanche matin. Quand j'ouvre mon ordi, le repo a grandi. Le truc important c'est que ce process ne fait pas que stocker. Il STRUCTURE. Un transcript brut de 45 minutes de vidéo, c'est inutilisable par un agent. Un fichier markdown propre avec les sujets tagués, les citations extraites et les leads magnets associés, c'est du savoir actionnable. Et ça scale. Chaque semaine, 1 ou 2 vidéos de plus. En quelques mois, 70+ transcripts structurés dans le cerveau. Mes agents ont accès à tout ce que j'ai dit publiquement, organisé par sujet. Du coup quand je demande un post LinkedIn ou X, l'agent peut citer une vraie vidéo avec le bon lien et le bon résumé. Pas du bullshit inventé (et c'est clairement le problème de la plupart des systèmes de contenu IA qui hallucinent des sources). Claude Code pilote tout ça. Je parle, il édite, il structure, il commit. Je n'écris pas une seule ligne de markdown à la main. La prochaine étape c'est d'ajouter l'ingestion automatique des posts LinkedIn et X dans le même cron. Que tout ce que je publie sur tous les canaux revienne dans le cerveau, structuré, indexable, réutilisable par les machines.

• 
  Formacrypto (@Forma_crypto) a signalé il y a 9 minutes

  @github vient de confirmer ce matin une intrusion dans ses dépôts internes : environ 3 800 repositories compromis, vecteur d’attaque une extension VS Code empoisonnée installée par un employé. Le groupe TeamPCP (suivi comme UNC6780 par Google Threat Intelligence) revendique l’opération et propose les données volées à la vente sur des forums underground pour 50 000 dollars minimum. GitHub a réagi rapidement : isolation du poste compromis, retrait de l’extension malveillante, rotation immédiate des secrets et credentials les plus critiques. Point positif dans l’immédiat : aucune preuve d’impact sur les repositories clients, entreprises ou organisations. L’enquête est en cours et GitHub a promis de notifier directement si des données tierces sont affectées. L’élément le plus frappant de cet incident reste la banalité du vecteur : une extension d’un outil de développement quotidien, utilisé par des centaines de millions de développeurs, suffit à ouvrir une porte dans l’infrastructure interne de l’une des plateformes les plus critiques de la supply chain logicielle mondiale. TeamPCP avait déjà compromis le scanner Trivy plus tôt cette année via le même type d’approche, impactant plus de 1 000 organisations. Ce n’est pas un hasard isolé, c’est une stratégie d’attaque par la chaîne d’outils de développement qui monte en puissance.

• 
  Goku 🗞 (@Crypto__Goku) a signalé il y a 10 minutes

  💬 CZ s’est moqué de la vague d’arnaques aux faux emplois Web3 qui circulent actuellement sur LinkedIn, Telegram et GitHub. Le principe est toujours presque le même : les escrocs proposent des postes crypto avec des salaires énormes, organisent de faux entretiens très crédibles… puis demandent aux candidats d’installer un prétendu “logiciel de vérification” ou un outil technique lié au projet... En réalité, ces programmes servent souvent à voler des mots de passe, des wallets crypto ou prendre le contrôle de l’ordinateur de la victime. Avec la popularité croissante du secteur Web3 et de l’IA, ce type d’arnaque explose depuis quelques mois, notamment auprès des développeurs et freelances cherchant du travail à distance.

• 
  𝗙𝗶𝗹𝘀 𝗱𝗲 𝗣𝗮𝗻𝗴𝗼𝗹𝗶𝗻 (@FilsDe_Pangolin) a signalé il y a 12 minutes

  @nadmagick @VSainement Je dev, Je passe la plupart de mon temps à bosser avec GitHub copilot. Ça va faire presque 1 an maintenant.

• 
  Grok (@grok) a signalé il y a 13 minutes

  @ParepouMang @ianmiles C’était la projection officielle d’xAI en février : « Grok-3 open-source ce mois-ci ». Les timelines tech glissent souvent (comme pour beaucoup de projets IA). Au 5 mars 2026, seuls Grok-1 et 2.5 sont sur GitHub ; Grok-3 pas encore. Pas de fausse info, juste un retard constaté en temps réel. Tu veux les liens des repos ?

• 
  Vincent Blurry (@arbresvoit) a signalé il y a 16 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.

• 
  Brivael Le Pogam (@brivael) a signalé il y a 17 minutes

  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".

• 
  Antoine THOMAS (@ttoine) a signalé il y a 18 minutes

  @0xhauru @Tundjii @gchampeau c'est ce que je dis. vu qu'ils ont massivement participé à l'origine du problème et que leurs devs sont les premiers impactés ils auraient du le voir venir et l'anticiper. cependant, ça veut dire à ce rythme que GitHub ne pourra pas rester gratuit très longtemps.

• 
  SadE (@SadE666_) a signalé il y a 18 minutes

  @grafikart_fr Et en surcouche pour des plus gros trucs , Spec Kit de Github ou GSD (Get **** Done)

• 
  Godefroy (@Godefroy) a signalé il y a 21 minutes

  On a tendance à croire que l'IA de pointe restera un club fermé de labs américains. Le videur de ce club, Microsoft, vient d'y faire entrer un modèle chinois en libre accès, dans son produit phare. GitHub Copilot propose maintenant Kimi K2.7, un modèle de l'entreprise chinoise Moonshot AI. Un très bon modèle d'ailleurs ! C'est le premier modèle "open-weights" que GitHub propose en option officielle. Open-weights, ça veut dire que n'importe qui peut télécharger le cerveau du modèle et le faire tourner sur ses propres serveurs. Les poids sont publics, sur Hugging Face, sous licence libre. À l'opposé des modèles d'OpenAI ou d'Anthropic, qu'on utilise seulement à travers leur API, sans jamais voir ce qu'il y a dedans. Ce qui m'étonne, c'est le contexte. Microsoft a investi des dizaines de milliards de dollars dans OpenAI. Et là, dans son propre outil, elle range le modèle chinois juste à côté, moins cher que les options américaines du menu. Comme un supermarché qui met sa marque distributeur à hauteur des yeux, à côté de la marque premium qu'il finance. Microsoft ne fait pas ça par militantisme. Elle le fait parce que ses clients le demandent, et parce que le modèle chinois fait le job pour beaucoup moins cher. Quand l'acteur le mieux placé pour défendre le modèle américain propriétaire se met lui-même à vendre l'alternative chinoise, c'est qu'il a acté que, sur une grande partie des usages, le modèle branché derrière n'est plus un choix qui différencie. C'est un consommable qu'on remplace. Bien sûr, il reste un angle à surveiller. Le modèle tourne sur les serveurs Azure aux États-Unis, pas en Chine, et il est désactivé par défaut sur les comptes entreprise, un admin doit l'activer. La gouvernance de la donnée sur un modèle venu de Chine reste une vraie question. Mais ça ne change rien au signal de fond. Ce n'est pas une news produit. C'est le signal que la couche modèle, celle que tout le monde regarde, est en train de devenir la moins stratégique de la pile.

• 
  5f97ee4f-846a-4b91-9d20-6aab76edaeb1 (@k8oPkQbzEaHB3g) a signalé il y a 22 minutes

  @AdrienDeWiart @MattAudibert Étant donnée l'offensive woke dans le milieu IT (le militantisme est maintenant en clair dans github), attends toi à devoir changer de vocabulaire. Après, le distingo chiffrer/crypter est ténu. Histoire de clés (supposées)...

• 
  Papa Diop ⁶₆⁷ 🇸🇳⭐⭐️ (@LordThiouk) a signalé il y a 23 minutes

  Vu que Github s’est fait récemment attaqué et ils ont toujours pas réglé le problème je vais tester ça bien bon pour voir…

• 
  Webologie (@Webologie_me) a signalé il y a 24 minutes

  @terasaka47 C’est un bug actif sur GitHub visiblement , signalé il y a deux semaines, indépendant du protocole, ça touche WireGuard et AmneziaWG sur Windows 11. Pas encore corrigé officiellement.

• 
  Eezy Mongo (@mongo_eezy) a signalé il y a 30 minutes

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

• 
  ||UτU|| (@maskedMASKED1) a signalé il y a 35 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...

• 
  ☠ Bluetouff (@bluetouff) a signalé il y a 37 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.

• 
  SOU VIENTOI (@Vase2Soissons) a signalé il y a 37 minutes

  > ouvre une issue sur github : "comment fonctionne une base de données ?" > pivot vers l'ia générative "parce que le marché est là" > construit un wrapper chatgpt avec un "twist" non défini > lance un substack : vibe & build - la newsletter des makers qui exécutent 3/n

• 
  VaL (@KHC420) a signalé il y a 37 minutes

  @Capetlevrai Probablement question con mais j'ai du mal a voir l'interet d'une app Github ? Vscode dispose de pas mal d'addon pour simplifié la gestion github si pas a l'aise avec les commandes.

• 
  𝓗𝓸𝔃𝓮 ホズ (@HozeFR) a signalé il y a 38 minutes

  @_Ellexa Pas de soucis 👍 Perso je passe plus que par Atlas après mes installations depuis 6ans. C’est moins obscur que des ISO modifiés et trouvés sur des sites, parce que là c’est uniquement du code complément visible sur GitHub.

• 
  Maniarr (@Maniarr_) a signalé il y a 46 minutes

  Et les runners locaux, c'est aussi une roue de secours. Quand GitHub Actions est lent ou que GitLab CI déraille, le runner local prend le relais. On n'est plus bloqué par un incident chez un provider tiers.

• 
  Prof de banlieue (@Banlieuedeprof) a signalé il y a 48 minutes

  La folie de se lancer sur GitHub, 2 h à tourner en rond sur un problème au lieu d'être en terrasse.

• 
  Willy Tarreau (@WillyTarreau) a signalé il y a 49 minutes

  @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.

• 
  Nicolas HENRY (@Blog_Nico) a signalé il y a 49 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 ...

• 
  Jouhatsu | AI Influence Operator (@Jouhatsu_ai) a signalé il y a 49 minutes

  GitHub. Issue #41930. 23 mars 2026. "Critical: Widespread abnormal usage limit drain across all paid tiers." Quelques heures plus tard : des centaines de commentaires. Un développeur tape "Morning" comme premier message. - 15% de son quota de 5h. Disparu. Un seul mot. - 5h de session vidées en 19 minutes” - “652 000 tokens générés sans prompt” - “ 10 à 20x plus de consommation à cause d’un bug de cache”

• 
  Ahmed Agoummadane (@Aahmed_agi) a signalé il y a 58 minutes

  @kapouer @bearstech 40 ans que des entreprises pillent l'open source et le copyright a rien empêché. Ton propre argument. Sauf que maintenant c'est pas une boite qui copie-colle un fichier, c'est un modèle qui a avalé GitHub en entier et qui génère du code "original". Si pour toi le copyright est juste "plus compliqué à retrouver" dans ce contexte, j'aimerais bien voir ta méthode de traçabilité.

• 
  Le Fil IA (@Le_Fil_IA) a signalé il y a 1 heure

  @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.