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 (57%)
• Erreurs (30%)
• Sign in (14%)

Carte en direct des pannes

Les derniers rapports et problèmes d'interruption proviennent

City	Problem Type	Report Time
Inverness	Panne de site web	il y a 4 jours
Quito	Sign in	il y a 4 jours
Junín	Erreurs	il y a 4 jours
Guadalajara	Erreurs	il y a 4 jours
Paris	Panne de site web	il y a 4 jours
Quito	Erreurs	il y a 4 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:

• 
  Lionel Maes (@MaesLionel) a signalé il y a 1 minute

  X a fini d'ouvrir tout son code — sans exception — et ça commence à gêner du monde. Depuis le 15 juillet, le dépôt qui fait tourner l'algorithme "For You" est public sur GitHub, sous licence libre, avec un audit tiers possible pour vérifier que le code publié est bien celui qui tourne réellement en production. Pas une démo, le vrai moteur. Résultat : quand un gouvernement impose un filtre de censure, il apparaît maintenant dans le code, avec un nom, une justification, une trace. Exemple concret déjà visible : un filtre imposé par la justice électorale brésilienne pour la présidentielle 2026, qui retire certains comptes du fil recommandé — documenté noir sur blanc dans le repo public. Pendant des années, la censure sur les réseaux sociaux se négociait dans l'ombre : un appel discret, une demande informelle, une modération "spontanée" qui arrangeait bien un gouvernement. Personne ne pouvait prouver le lien direct. Maintenant, une partie de ce mécanisme est écrite en dur dans du code public, horodaté, versionné, consultable par n'importe qui sachant lire un dépôt GitHub. Ce n'est pas encore la transparence totale — les demandes de retrait de contenu ou de suspension de comptes passent encore par des rapports séparés, pas intégrées au code lui-même — mais la logique structurelle, elle, ne peut plus se cacher. Les gouvernements qui aimaient influencer discrètement ce que les citoyens voient perdent leur couverture. Ce n'est plus "on nous censure, on n'a pas de preuve". C'est "voici le commit, voici la date, voici qui l'a demandé". La transparence ne supprime pas la censure. Elle en supprime juste l'anonymat.

• 
  Polsia (@polsia) a signalé il y a 3 minutes

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

• 
  L.D. (@LD_Corp) a signalé il y a 4 minutes

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

• 
  The Next Big Sh*t (@thenext_bigshit) a signalé il y a 4 minutes

  La sécurité des agents IA devient un business de plusieurs milliards. À mesure que les entreprises déploient des agents IA autonomes, elles créent aussi… des millions de nouvelles portes d'entrée pour les hackers. Car chaque agent devient une véritable identité numérique. Comme un employé, il faut lui attribuer des accès, l'authentifier et limiter précisément ce qu'il peut faire. Le moindre agent compromis peut devenir une porte d'entrée vers tout le système d'information. Et le problème est déjà massif. Les identifiants volés (mots de passe, clés d'accès, certificats...) sont aujourd'hui la première cause de fuite de données. En moyenne, il faut 292 jours pour détecter et corriger une fuite de ce type. L'an dernier, 28,6 millions d'identifiants et de secrets ont été retrouvés en accès libre sur GitHub, soit une hausse de 34% en un an. Une nouvelle génération d'entreprises s'est donc créée autour de ce problème. AKeyless, par exemple, développe une plateforme qui gère les identités des machines et les "secrets" (mots de passe, clés d'accès, certificats...). L'entreprise a levé 65M$ en série B. Son principe est simple. Chaque agent IA ne reçoit que les droits strictement nécessaires à sa mission (le principe du moindre privilège), tandis que les données sensibles sont remplacées par des jetons illisibles afin que l'IA ne manipule jamais directement les informations critiques. Et ce marché ne fait probablement que commencer. La gestion des secrets représente déjà 5,6Md$ aujourd'hui et pourrait dépasser 19,7Md$ d'ici 2034. D'autres acteurs accélèrent déjà, comme Infisical, qui sécurise plus de 10 milliards de secrets par jour, ou BeyondTrust, utilisé par plus de 20 000 clients et qui étend désormais sa plateforme à la protection des identités IA.

• 
  niknava (@niknavaa) a signalé il y a 7 minutes

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

• 
  Lionel Maes (@MaesLionel) a signalé il y a 9 minutes

  Elon Musk s'attaque désormais à Microsoft — via GitHub cette fois. Le 14 août, SpaceX a officiellement bouclé le rachat de Cursor (Anysphere) pour 60 milliards $. Trois jours plus tard, le 17 août, Cursor lance Origin : une plateforme d'hébergement de code, concurrente directe de GitHub, propriété de Microsoft. Le timing est presque trop parfait : Origin est sorti exactement pendant que GitHub subissait une panne majeure — environ 3h20 d'interruption, site, Actions, Copilot et fusion de code touchés. Ce n'était d'ailleurs pas un incident isolé : le 17 août était le 13ème incident GitHub en seulement 17 jours d'août. Le CTO de GitHub lui-même a reconnu publiquement que la plateforme doit désormais être capable d'absorber jusqu'à 30 fois la charge actuelle — un aveu rare de dépassement pur et simple par la demande, portée par l'explosion des agents de code IA. Autre détail qui en dit long : Microsoft loue depuis juin de la capacité serveur chez... AWS, son plus gros rival cloud, juste pour maintenir GitHub en ligne. Résultat : le géant du cloud historique dépend de son concurrent pour tenir, pendant que Musk sort un rival prêt à récupérer les développeurs frustrés — au moment exact où ils le sont le plus. Cursor affirme que le timing n'était pas calculé. Mais dans un marché aussi tendu, la coïncidence fait le travail toute seule.

• 
  Supersocks (@iamsupersocks) a signalé il y a 12 minutes

  J’avais envie de partager une bonne et une mauvaise nouvelle de mon aventure sur GitHub. Pour le contexte, j’approche des 2 300 contributions cette année, contre 1 000 en 2025 et un peu plus de 300 en 2024, quand j’ai découvert le vibe coding. Le hic (ou pas) et un peu timide c’est que la plupart de ces contributions sont sur des repos privés. Cette semaine, j'ai publié un repo public qui explique comment streamer correctement son Mac sur un iPad. Mon objectif était simple : obtenir une image aussi fluide qu’avec Shadow PC pour ceux qui connaissent et pouvoir accéder à mon Mac à distance sans lag, même avec une connexion pourrie. Un abonné m’avait parlé de son installation. Aujourd’hui, il n’utilise plus de PC : tout passe par son iPad, même pour des usages intensifs. ça semblait simple : Moonlight sur l’iPad et Sunshine sur le Mac. Mon abonné utilisait déjà cette combinaison sous Windows et Linux, où tout fonctionnait sans trop d’effort. Il m’avait vendu ça comme une formalité. Que nenni. J’ai passé plusieurs jours à tout régler. J’ai fini par basculer sur VoidLink, un fork de Moonlight disponible dans une application plus récente, puis j’ai repris chaque paramètre : encodage, réseau, configuration de Sunshine, fréquence d’images… Codex et Computer Use m’ont beaucoup aidé, l'abonné aussi mais chaque journée apportait son nouveau problème. Un petit lag suffisait à gâcher toute l’expérience. Forcément, on est en 2026, donc j’ai fini par y arriver. J’ai tout documenté sur GitHub et, deux jours plus tard, quelqu’un a forké le repo. ce premier fork a une saveur particulière : une étoile dit qu’un repo plaît, un fork donne l’impression que quelqu’un veut vraiment en faire quelque chose. Si j’en ai chié, d’autres aussi. Le besoin est peut-être assez niche, mais ce soir je vous écris depuis mon lit, sur l’iPad, pendant que Cursor et Codex tournent sur le Mac. Je peux accéder à mes réglages et travailler à distance en 120 Hz. Autant vous dire que c’est fluide et une solution très mobile. Voilà pour la bonne nouvelle. La mauvaise, elle, concerne mon scraper. Le repo commençait à recevoir pas mal d’étoiles, notamment parce que peu de sites lui résistent et que je continue de l’améliorer (et pas mal de promotion ici) Lors d’un commit Codex a passé le repo en privé. J’étais un peu étourdi pendant la session et je l’ai immédiatement remis en public : mais toutes les étoiles avaient disparu. Et bordel, Dieu sait que c'est précieux mdrr. Ma leçon, surtout si vous débutez, c’est d’apprendre à partager ce que vous construisez. L’open source en a besoin. Et si j'en ai chié à mettre ces deux choses là en place d'autres auront probablement le besoin. On pourrait croire que tout existe déjà, mais c’est faux. Et des erreurs comme celle-ci, j’en ferai sûrement d’autres.

• 
  Léo Bachelot (@egocgp) a signalé il y a 13 minutes

  @MechBrain42 un mcp bien configuré, une app github, un serveur pour preview, même un novice peut POC easy sans front end

• 
  dns🏴‍☠️ (@Do_not_sell_) a signalé il y a 13 minutes

  @Ammortel_ C'est tout le principe du "Web of Trust". Si un attaquant pirate le site, il peut falsifier la clé affichée, oui. Mais modifier l'empreinte de la clé partagée partout depuis des années (GitHub, serveurs PGP) est quasi impossible. Après, on parle d'un scénario ultra-rare qui demande un haut niveau de paranoïa, mais la sécurité absolue impose de recouper ses sources.

• 
  Hugo (@hug0perier) a signalé il y a 14 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?

• 
  Cleeven (@CleevenOfficial) a signalé il y a 14 minutes

  Sécurité IA : Kimi K3, modèle public de Moonshot AI, s'est échappé d'un bac à sable en clonant un dépôt GitHub parce que la sortie web en HTTPS (protocole web chiffré) et la résolution DNS (traduction des noms de domaine) n'étaient pas bloquées. 🧪 Une mauvaise configuration réseau suffit à rendre inutile tout garde-fou logiciel dans un test. Un modèle accessible au public a pu récupérer la solution de l'exercice directement depuis GitHub. Frontier Security précise que l'incident vient d'une simple erreur de configuration réseau, pas d'une vulnérabilité zero-day.

• 
  ☠ Bluetouff (@bluetouff) a signalé il y a 18 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.

• 
  Lilith Datura (@LilithDatura) a signalé il y a 19 minutes

  @github VS code? wtf

• 
  Christophe Mazzola (@ChristopheMzzl) a signalé il y a 19 minutes

  @vinceflibustier @fa61923 On a les principes. Qui tombe dedans reste à écrire, par les mêmes qui écriront le référentiel technique. Maintenant, même un site comme GitHub peut se retrouver dans la liste. Le texte qui a été voté prévoit que les services concernés soient listés par décret, après avis de l'Arcom. Le périmètre n'est donc pas fixé par la loi. Il est fixé par une liste administrative, modifiable par une autre liste administrative, sans repasser devant le Parlement (lol).

• 
  Barbatos (@barbatos_ai) a signalé il y a 22 minutes

  @pgllmt Sortir Origin le jour ou Github est sous assistance respiratoire c'est assez cocasse

• 
  Aurea (@AureaLibe) a signalé il y a 22 minutes

  🚨 Attention : Je reçois de nombreux messages de personnes qui veulent que je promeuve des cryptomonnaies 🚨 Je ne suis pas d'accord. N'investissez dans aucun projet crypto. Exit Chat Control est une initiative ouverte, et je ne demanderai jamais de trader des memecoins. Si vous voulez aider, contribuez sur GitHub ou envoyez des idées en message privé. C'est tout. Toute personne qui veut que vous achetiez une crypto pour financer le projet est mal intentionnée. Les seules cryptomonnaies listées sur le site Exit Chat Control sont Bitcoin et Monero. Rien d'autre. Faites attention aux arnaques.

• 
  Le PLOUTOS (@leploutos) a signalé il y a 25 minutes

  Je me suis inscrit sur la waitlist d'Origin, le nouveau GitHub de Cursor. La page dit juste : "A git forge for the agentic era." J'aurais fermé l'onglet si SpaceX venait pas de racheter @cursor_ai pour 60 milliards lundi. Parce que là, la séquence devient lisible. Cursor prend l'IDE. Rachète Graphite pour la review. SpaceX arrive avec le compute. Et maintenant une forge Git. Microsoft a payé GitHub 7,5 milliards en 2018 pour avoir les repos de tout le monde, VS Code partout, Copilot dessus, Azure derrière. Une position presque parfaite. Le problème, c'est que GitHub a été pensé pour des humains qui codent à vitesse humaine. Quand tu passes tes journées avec Codex ou Claude Code sur de vrais repos, le goulot d'étranglement n'est plus de produire du code. C'est de gérer ce qu'il y a après. Qui review ? Qu'est-ce qui merge ? Qu'est-ce que l'humain refuse de shipper ? Un repo public te montre du code mort. Une forge branchée au workflow voit ce que les devs acceptent vraiment de mettre en prod. Pour entraîner des agents, ça vaut beaucoup plus cher. Je crois que c'est le début des emmerde pour GitHub & Microsoft, et c'est mérité (Afuera Copilot!)

• 
  Kaostyl (@kaostyl) a signalé il y a 25 minutes

  Bon alors petit update sur cette migration de serveur (ou plutot d'environ 150 wordpress vers du static github>cloudflare) par mon agent Hermes.... C'était pas si mal mais pas assez parfait pour que je valide... donc c'est un echec. Hugo etait un mauvais choix, pas top pour des sites multilingue entre autre et surtout j'avais pleins de trucs cassé, un design de *****... Bref !! Je suis en train de tout recommencer avec Astro... et cette fois je borde tout car chaque site à sa particularité donc il faut que le workflow soit capable de gérer l'ensemble des cas particuliers... Je vous tiendrais au courant ! Ce qui est sur c'est que j'ai largement sous estimé la tache mdr et j'ai surement mal fait pleins de trucs...

• 
  Jp (@jipe_ia) a signalé il y a 25 minutes

  Le plus dur avec l'IA aujourd'hui, c'est de trouver quoi lui demander. La preuve avec un dev, Ben Zhang, qui a perdu son téléphone au bureau. Il demande à Claude comment faire. Réponse : suivre la force du signal Bluetooth. Et Claude lui construit un compteur, en 1 minute d'après lui. Il arpente les couloirs en regardant le chiffre monter. Il retrouve son téléphone. Sa conclusion : "Apparently you can just make the tool you need now." Techniquement, il n'a rien inventé. Lire le RSSI (la puissance du signal reçu) pour estimer une distance, c'est ce que font les AirTag et les Tile depuis des années. Mais c'est son réflexe qui me marque. Il n'a pas cherché une app. Il a construit un outil pour 1 utilisateur, pour un problème. Et c'est exactement là qu'on se bride. On réfléchit en produit avant de réfléchir en outil. → Est-ce que ça se vend ? → Est-ce qu'il y a un marché ? → Est-ce que ça tient en SaaS ? Alors on refait le énième clone d'un CRM ou d'un Notion, sachant qu'en 2 jours ton SaaS est copié à l'identique de toute façon. Pendant ce temps, le petit outil bizarre qui ne servira qu'à toi, personne ne le construit. Je nuance quand même : le compteur et le repo d'aujourd'hui, ce sont 2 objets différents. Sur GitHub il y a maintenant un binaire universel, un mode son qui clique comme un radar de recul, un mode qui masque les adresses Bluetooth si tu filmes ton écran, et les limites écrites noir sur blanc (il ne peut ni faire sonner l'appareil, ni donner une direction). Du travail s'est ajouté après. Mais le point tient quand même : la minute a suffi pour retrouver le téléphone.

• 
  Antho 🇫🇷 🏴󠁧󠁢󠁥󠁮󠁧󠁿 🌹 (@polaritonio) a signalé il y a 26 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 ?

• 
  Affiseo - Romain Brunel (@Affiseo_) a signalé il y a 28 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.

• 
  L'ours ronchon (@Loursronchon) a signalé il y a 29 minutes

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

• 
  Julien Doclot (@JulienDoclot) a signalé il y a 32 minutes

  @vercel Le truc important ici, c’est “short-lived tokens with precise scopes”. Pour les agents, c’est probablement le vrai garde-fou de prod. Pas juste connecter Slack ou GitHub, mais éviter de filer à un agent un token long-lived qui peut tout faire pendant 6 mois.

• 
  Mohamed (@Mohamed__l) a signalé il y a 33 minutes

  TL;DR : GPT 5.6 Sol c'est cool quand Claude parle chinois. Sur un problème bien chiant de scrap, Opus 5 tournait en rond... "Pas possible", "oups j'ai oublié blabla" Je test Fable 5 en ultracode et je challenge GPT 5.6 sol en ultra aussi. Au bout de 3 min GPT 5.6 débloque la situation, pendant que Fable 5 continue à m'faire le fonctionnaire et remplir des post-it GPT 5.6 pour certains bout de code en dev il va faire un vrai taff de dev, search github et reflexion +++ "La collecte complète est terminée : 4 658/4 658 réponses traitées, zéro erreur, en 27,2 secondes"

• 
  Syaoran (@Syaor4n) a signalé il y a 34 minutes

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

• 
  Kaostyl (@kaostyl) a signalé il y a 37 minutes

  Mon agent Hermes vient de me faire économiser 2000€ de frais de serveurs… J’ai un dédié pour un pool de 150 WordPress qui n’ont aucunement besoin d’être en WordPress (car trop lourd trop de maintenance et ça me casse les cou****) Donc maintenant tous ces sites sont full static full gratos en astro ! Github>cloudflare et tout est gratos…. J’aurais du faire ça bien avant mais j’avais la flemme…. Le reste tout ce qui est app etc c’est sur un dédié chez hetzner full géré par mon agent Hermes… même pas besoin de WHM, Cpanel ou encore plesk. Au final il me reste que quelques sites en WordPress je vais voir ce que je vais en faire

• 
  simon (@simonlsg_) a signalé il y a 39 minutes

  @eliobldr je connais paaas ptn c’est du reporting de bug? C’est une app que tu connectes entre ton github et tes tickets clients ?

• 
  Laurent MILTGEN-DELINCHAMP (@kubernan) a signalé il y a 52 minutes

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

• 
  Mohamed Akaarir (@mohamedakaarir) a signalé il y a 55 minutes

  @iFeyz2 @bestter impossible que ça une alternative de git, ça doit etre juste une alternative de github, gitlab, et donc nouvelles maniéres de faire le CI/CD pages ...

• 
  Shin (@ShinKasai13) a signalé il y a 60 minutes

  @zeChedli perso dans ma boite on pousse l'ia depuis github copilote (bon depuis claude on a remplacé) et franchement le gain de temps monstrueux de gagner, maintenant je peux me concentrer sur mon vrai taf: chercher des solutions technique pour des problèmes humain.