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 (52%)
• Erreurs (33%)
• Sign in (15%)

Carte en direct des pannes

Les derniers rapports et problèmes d'interruption proviennent

City	Problem Type	Report Time
Ahmedabad	Erreurs	il y a 5 jours
Delme	Sign in	il y a 5 jours
Lyaud	Panne de site web	il y a 5 jours
Catania	Erreurs	il y a 8 jours
Inverness	Panne de site web	il y a 20 jours
Quito	Sign in	il y a 21 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:

• 
  Renard Jean-Michel (@Renardpaty) a signalé il y a 4 minutes

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

• 
  AlexisAMZ 🦈 (@AlexisAMZ_) a signalé il y a 13 minutes

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

• 
  Quentin L · Système IA personnel (@QuentinLecocq_) a signalé il y a 14 minutes

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

• 
  Pierre-Olivier Carles (@pocarles) a signalé il y a 15 minutes

  C'est vraiment ridicule. Je fais relire tous les emails ou textes importants pour les fautes, et de ce fait, la watermark s'applique sur une contribution minime voire nulle s'il n'y avait pas de faute. Si je change d'avis et décide de réécrire tout ou partie du texte, la watermark reste. Accessoirement, quand je paye $200 pour pouvoir utiliser vos modèles, en vrai, dec e que j'en comprend, ce qu'ils produisent n'est pas vraiment à moi, si ? Parce que toi, @DarioAmodei, quand tu es payé pour faire un truc pour @AnthropicAI, on est d'accord que ce que tu as fait appartient à Anthropic, non? Vous êtes insupportables à chercher des problèmes pour vos solutions, et à vous approprier des droits sur tout ce que vous voyez passer (et je ne vais même pas évoquer vos tags dans GitHub... mais je viens de le faire).

• 
  fberrez (@fberrez) a signalé il y a 18 minutes

  Je taf avec l’app ChatGPT J’essaye de connecter GitHub mais j’ai cette erreur. Quand je reset tout, j’arrive à me connecter mais pas d’accès à mes repos privés. Et ChatGPT n’apparaît pas comme étant une OAuth app sur GitHub. Ça apparaît uniquement comme étant une “GitHub Apps”. Des idées ?

• 
  OrkStr (@OrkStr) a signalé il y a 19 minutes

  Quelqu'un a réduit sa facture Claude de 60% en transformant son code en image et en laissant le modèle faire de l'OCR. La blague, c'est que ça marche. Voilà les chiffres, et pourquoi c'est plus malin qu'il n'y paraît. 👇 Une image 1080×1920 coûte environ 2 700 tokens à Claude pour le lire. Le texte qu'il contient en coûterait 27 000. Soit 10 fois plus cher pour la même information. Pourquoi ? Parce que le coût d'une image est fixé par ses dimensions, pas par ce qu'il y a dedans. Tu mets 500 lignes ou 5 000 lignes de code dans ce PNG : même prix. Le texte, lui, se facture à la ligne. Et le code, le JSON, les logs de terminal sont particulièrement chers : environ 1,9 caractère par token, là où un texte normal en fait 4. Si tu n'es pas développeur, retiens l'essentiel : une image de code coûte 10 fois moins à traiter qu'un texte équivalent. Ce proxy exploite ça automatiquement, sans que tu changes quoi que ce soit à ton workflow. **La technique : pxpipe (GitHub teamchong/pxpipe)** C'est un proxy local. Une ligne pour le lancer, une variable d'environnement pour pointer Claude Code dessus : npx pxpipe-proxy ANTHROPIC_BASE_URL= claude C'est tout. Côté workflow, rien ne change. Côté requête, le proxy intercepte chaque appel, identifie les gros blocs (system prompt, tool docs, historique ancien), les render en PNG haute densité, et les renvoie au modèle comme blocs image. Le modèle fait de l'OCR, répond normalement. Point sécurité important : ce proxy est purement local, il tourne sur 127.0.0.1 et traite tes requêtes sur ta machine avant qu'elles ne partent. Ta clé API Anthropic ne transite jamais par un serveur tiers. Ce n'est pas un proxy cloud intermédiaire. Point latence : le proxy est synchrone, il encode les PNG avant que la requête ne parte. Ça ajoute un délai côté client sur les gros contextes. En contrepartie, envoyer 2 700 tokens au lieu de 25 000 réduit d'autant le temps de traitement et le coût réseau vers Anthropic. Sur du contexte dense, la compression l'emporte. **Les vrais chiffres (mesurés, pas estimés)** 48 000 caractères de system prompt = 25 000 tokens texte. En PNG : 2 700 tokens. 89% de moins sur ce seul bloc. Un PNG 1928×1928 = 4 761 tokens image, contient l'équivalent de 92 000 caractères. En texte brut, ça aurait coûté ~48 000 tokens. End-to-end sur 13 709 requêtes réelles : -59%. Une facture de 100€ → 41€ sans toucher au workflow. **Pourquoi Fable 5 accepte ça (et Opus non)** Fable 5 est très bon pour lire du texte rendu visuellement : 100/100 sur des problèmes arithmétiques inédits, récupération de valeurs, suivi d'état, rappel de noms. Pas du pattern-matching hasardeux : de la vraie lecture. Les benchmarks SWE-bench sont aussi publiés : 14/19 avec vs 15/19 sans sur Pro, verdicts concordants à 18/19. La différence tient à la variance run-to-run, pas à la compression. **La limite réelle : contexte oui, rappel exact non** C'est le point le plus important à comprendre avant de tester. pxpipe est lossy : l'image est une approximation visuelle du texte, pas une copie. Pour du contexte (comprendre la logique d'un code, suivre un raisonnement, retenir une valeur numérique) ça fonctionne. Pour du rappel byte-exact depuis du contenu imagé en haute densité, c'est une autre histoire : 63% de précision max sur des identifiants denses, et les erreurs sont silencieuses. Pas une exception levée, pas un signal d'incertitude : le modèle répond avec confiance en donnant la mauvaise valeur. Un cas documenté par l'auteur : un nom de personne rappelé depuis l'historique imagé, rendu confidemment faux. Concrètement, ça exclut plusieurs usages : tout pipeline qui doit restituer des IDs, des hashes, des secrets, des adresses, des numéros précis depuis l'historique compressé. pxpipe le gère en partie en gardant les valeurs byte-exact des tours récents en texte, mais ça ne couvre pas tout. Si ton agent doit retrouver une valeur exacte dans du contexte ancien, ce n'est pas la bonne solution. Si ton agent doit comprendre ce qui s'est passé pour décider quoi faire ensuite, ça passe. **Ce que ça veut dire pour ceux qui font tourner des agents** Le coût d'API est souvent le premier frein à l'intensification de l'usage. Un contexte large de Claude Code, des sessions longues, des pipelines multi-agents : ça monte vite. Où pxpipe gagne vraiment : les sessions de code, les agents avec de gros system prompts, les pipelines qui produisent des logs et des sorties d'outils volumineuses. C'est là que le ratio token image vs token texte est le plus favorable. Où le gain sera moindre : si ton contenu est surtout de la prose légère (emails, conversations, rédaction), le rapport devient moins avantageux. pxpipe l'intègre dans son calcul et laisse ces blocs en texte automatiquement. Expérimental, oui. Mais sourcé sur 13 709 requêtes réelles, pas sur des estimations. Les benchmarks sont publiés, reproductibles, les limites sont documentées avec honnêteté. C'est plus qu'on n'en voit sur la plupart des outils en production. Vous l'avez testé vous ? Quel gain sur votre workload ? ✍

• 
  Manence AI (@manenceai) a signalé il y a 21 minutes

  Incident 1 : coincé entre deux consignes contradictoires, il passe une heure à trouver une faille du sandbox pour ouvrir une pull request sur GitHub.

• 
  Supersocks (@iamsupersocks) a signalé il y a 21 minutes

  Hermes sur GrokBot, ça vous intéresse ? Ce que j’aime avec GrokBot, c’est sa simplicité. Chaque bot tourne dans sa propre VM, le système est isolé et, sur mon PC du boulot, j’ai simplement eu à télécharger l’app. Je m’en sers comme d’un petit groupe d’agents GTM pour le sales et la génération de leads. Tout reste séparé de mon environnement personnel, sans installation compliquée sur la machine. À l’usage, je découvre quand même quelques complexités. GrokBot reste aussi assez limité face à Hermes : les power users atteindront vite ses limites dès qu’ils voudront contrôler plus finement leurs agents et leurs interactions. Je me suis donc amusé à connecter Hermes à GrokBot. Au lieu de passer par Telegram dans l’app web, j’écris à un bot GrokBot qui transmet la demande à mon Hermes sur le homelab, puis me renvoie sa réponse. GrokBot sert d’interface isolée ; Hermes conserve le raisonnement, la mémoire et les outils que j’utilise déjà. Ça me permet aussi d’utiliser un quota GrokBot aujourd’hui largement sous-exploité, tout en gardant mon meilleur ami Hermes dans le bazar. Le même principe pourrait fonctionner avec Codex ou d’autres agents. Ça ouvre pas mal de possibilités, même si mon montage actuel mérite sûrement de meilleures pratiques. Si ça vous intéresse, je peux faire un petit repo GitHub pour vous permettre de reproduire le montage. Ce n’est pas très compliqué une fois les pièces alignées, mais ça m’a pris un peu de temps pour trouver le bon chemin.

• 
  Affiseo - Romain Brunel (@Affiseo_) a signalé il y a 22 minutes

  La plupart des gens créent de mauvais voice samples pour leurs agents IA. Voici le process exact que j'utilise pour que mes machines produisent du contenu qui sonne vraiment comme moi. Le voice sample classique c'est ça : 'Voici un exemple de post que j'ai écrit. Inspire-toi de ce style.' L'agent produit quelque chose de correct. Générique. Il a vu le texte mais il comprend pas POURQUOI ce texte fonctionne. Quels patterns reviennent. Ce qui sonnerait incongru. Voilà comment je structure les miens. Étape 1 : des vrais posts, pas des exemples inventés. J'utilise uniquement des posts que j'ai réellement publiés et qui ont bien fonctionné. Pas des textes écrits 'pour montrer le style'. Des vrais. Publiés. Avec leur contexte : date, sujet, plateforme. Pour chaque canal minimum 5, idéalement 10+. LinkedIn, X, newsletter, scripts YouTube : fichiers séparés. Étape 2 : annoter ce qui rend chaque post distinctif. Sous chaque exemple, une section 'ce qui marche ici'. Pas des observations génériques. Des observations précises. Exemple réel dans mon fichier voice X : "(et il galère vraiment par rapport à Opus)" est une parenthèse de vécu impossible à inventer. "Y'a pas photo" est du vocabulaire pur, pas du LLM. "0 diversification" au lieu de "Zéro" parce que les chiffres en chiffres sonnent plus brut. Ces annotations apprennent à l'agent exactement où se niche la voix. Pas le ton général. Les détails spécifiques. Étape 3 : documenter les anti-patterns avec des before/after. C'est la partie que presque tout le monde saute. Montrer à l'agent ce qu'il NE doit pas faire est aussi important que montrer ce qu'il doit faire. J'ai dans mon fichier 2 colonnes : 'Ce que l'IA écrit naturellement' et 'Ce que Romain corrige'. Chaque ligne est une correction réelle faite sur un post généré. 'Du coup la panne je la vis comme une pause subie' devient 'C'est pour ça que je build toutes mes machines avec Claude Code. API propres, doc interne, et je file tout ça à mes agents.' Le closer qui résume vs le closer qui ouvre sur quelque chose de nouveau. Vu dans un contexte concret, l'agent intègre la règle bien mieux que si tu l'écris dans l'abstrait. Étape 4 : séparer par canal et par format. Mon voice X n'est pas mon voice LinkedIn. Mon voice newsletter n'est pas mon voice YouTube. Des fichiers séparés, des règles spécifiques par canal. X : flux de pensée, long form autorisé, quasi pas d'emojis, parenthèses de vécu sur les posts longs. LinkedIn : structure plus nette, CTA possible en fin, 800-1500 caractères. Newsletter : ton intime, une idée centrale par email. Un seul fichier voice pour tout ne marche pas. Le canal change trop le format. Étape 5 : le fichier est vivant, pas figé. Un cron tourne chaque semaine. Il récupère mes nouvelles vidéos YouTube, met à jour les voice samples si de nouvelles expressions sont apparues, commit le tout sur GitHub. Mon Second Cerveau grossit en même temps que mon catalogue de contenu. Si je commence à utiliser une expression nouvelle, dans quelques semaines elle est dans le fichier et mes machines l'utilisent naturellement. Le contenu que tu lis là a été produit par des machines qui tournent sur ces 5 étapes. Y'a pas photo sur la différence avec un agent qui a juste eu 'voici mon style, inspire-toi'.

• 
  🖥️ Pitchoune (@Pitchounee_) a signalé il y a 23 minutes

  🚨 Analyse d'un reverse shell Windows hébergé sur un dépôt malveillant Lors de l'investigation d'un incident, un dépôt GitHub servant de serveur de distribution de payloads a été identifié.

• 
  Julien Guilloux (@JulienG_Crypto) a signalé il y a 24 minutes

  Suite à l’affaire #COLDCARD, je vois beaucoup de Bitcoin maxis se tourner vers d'autres solutions avec les mêmes défauts que COLDCARD (petite équipe, faible activité sur GitHub, etc.). Si vous voulez de l'open-source tournez vous vers #Trezor. Si vous vous en moquez, #Ledger.

• 
  Greg_Ld (@Greg__LD) a signalé il y a 25 minutes

  @kaostyl @bot quand j'ai vu la déferlante de gros comptes AI qui encensait Grok Bot à sa sortie je me suis dit que c'était une campagne promo bien orchestrée... du coup je suis frileux à tester, mais toute mon orchestration Hermes est aussi sur GitHub, je pourrais le connecter rapidement...

• 
  Le Chat (@ze_chat_) a signalé il y a 26 minutes

  J’ai installé Hermes en suivant le parcours Hermes Boost de @mathieuhq (top au passage🔥) J’ai adapté l’installation à mon contexte : Hermes tourne sur mon VPS OVH existant, je le pilote depuis Discord et il lit mon vault Obsidian en lecture seule. J'ai voulu créer plusieurs salons Discord pour organiser son travail. J’ai finalement commencé par lui demander à quoi il pouvait réellement me servir dans mon travail. À partir de mon vault et d’un chantier d’infrastructure en cours, Hermes a identifié trois usages concrets : • consolider un inventaire d’outils et de projets encore dispersé ; • préparer un dossier de décision pour un échange avec la DSI ; • réaliser un audit comparatif GitHub / GitLab avant de choisir une plateforme. Pour chaque usage, il a distingué le problème traité, le résultat attendu et les éléments qui nécessitent encore une validation humaine. C’est exactement le type d’aide que je cherche. Pas un agent qui décide à ma place. Un agent qui retrouve le contexte, structure le problème et m’aide à préparer la bonne décision. Avant de créer des salons Discord ou de programmer des tâches, il faut donc commencer par comprendre où Hermes peut réellement faire gagner du temps

• 
  Jour Meilleur (@bubulevrai) a signalé il y a 27 minutes

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

• 
  Raffaële Azuelos 🕎 🇫🇷 🇮🇱 🇺🇸 🇪🇺 (@RaffAzou) a signalé il y a 30 minutes

  @SamuelDamoy @ValerieHayer @EmmanuelMacron Zéro fait réel! Cité mal traduit et hors contexte de la prise de parole… Autre fait réel L’algo de X, est public sur GitHub depuis janvier, republié toutes les 4 semaines, et depuis le 15 mai tu peux même faire tourner le ranker Phoenix sur ta propre machine, le mini modèle est fourni. Faudrait faire quoi pour être plus transparent ?!?! Publier un guide « pour le nuls » pour être sûrs que TOUS les gauchistes puissent le décortiquer ??

• 
  Donwar🧂🟩 ₿ (@donwar74) a signalé il y a 32 minutes

  @Alzyohan @dorgan94 @armalldo tkt pas pour les devs va avant on piqué le code sur stackoverflow ou github maintenant l'ia le fait à notre place

• 
  Nestor Lab (@NestorLab44) a signalé il y a 33 minutes

  Hermes vient de faire un move qui change la donne pour tous ceux qui build des agents. L'annonce : Hermes supporte désormais les plugins portables au standard Agent Plugins v1, adopté par Vercel, Cursor, OpenAI et Microsoft. L'idée est simple : créer un plugin une fois et le faire marcher sur plusieurs agents. Un plugin portable se présente comme un dossier avec un plugin.json, un dossier skills/, et parfois un mcp.json. Ça supporte les Skills et les MCP. Avant, il était impossible d'importer ces packages sur Hermes. Seuls les plugins natifs fonctionnaient, plus puissants mais spécifiques à l'outil. Prenons un exemple concret avec GitHub. Jusqu'ici, configurer Hermes pour interagir avec GitHub (lister les issues, review une PR, lire les commits) demandait une configuration manuelle. Maintenant, un package portable fait le lien directement. Et le même package fonctionne aussi sur Cursor ou Claude Code si tu changes d'outil. L'intérêt principal, c'est l'interopérabilité. Ne pas réécrire les mêmes intégrations pour chaque agent. Hermes supportait déjà les MCP via le fichier de configuration. La nouveauté, c'est l'installation simplifiée sous forme de packages partageables. #hermes

• 
  pierre.sh (@pierre6sh) a signalé il y a 33 minutes

  ah oui Nvidia qui rachète Hugging Face pour 12,9 milliards de dollars :D pour rappel HF était encore valorisé 4,5 milliards en 2023 et Nvidia était déjà au capital, ça fait quand même un joli x3 en 3 ans et au fond le plus intéressant c’est peut-être HF est en train de devenir pour l’IA un peu ce que GitHub est devenu pour le dev et c'est pas plus mal si c'est Nvidia qui met la main dessus

• 
  Polsia (@polsia) a signalé il y a 34 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.

• 
  Jp (@jipe_ia) a signalé il y a 39 minutes

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

• 
  Jérémie (@le_frugalisme) a signalé il y a 40 minutes

  @kaostyl @FEU_SEO Franchement Astro + cloudflare j’en suis super content depuis mi mai. Le seul problème, c’est qu’il n’y a pas de CMS, il y a des outils GitHub, mais ce n’est pas génial.

• 
  Roso (@RosoAI) a signalé il y a 42 minutes

  @fontanaen11 @github J’ai jamais eu ce problème

• 
  Kaostyl (@kaostyl) a signalé il y a 43 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

• 
  Polsia (@polsia) a signalé il y a 45 minutes

  Les mainteneurs brûlent leurs matinées sur des incendies techniques qu'une veille aurait prévenus. Codeveille déploie une escouade d'agents IA sur GitHub 24/7 : régressions, tickets, PRs de fix, rapport matinal synthétique. Beta privée imminente.

• 
  Syaoran (@Syaor4n) a signalé il y a 49 minutes

  Tips Hermes Agent pour ne plus stresser quand t'as un bug en prod mais que t'es pas devant ton pc D'habitude tu t'empresses d'aller voir le mail Sentry et tu penses qu'à ouvrir ton pc pour corriger l'erreur. Mais avec un agent Hermes bien configuré, tu peux juste verouiller ton tél et attendre que l'agent bosse. Ma config en quelques lignes : 1. Mon agent Hermes a accès à ma boite mail : si t'as peur tu peux créer une boite gmail dédiée, le but est de donner un accès aux mails pour que l'agent soit le plus efficace selon les données auxquelles il a accès 2. Quand un mail est reçu sur la boite, l'agent est configuré pour lire le contenu du mail : si c'est un mail Sentry il déclenche un workflow de correction 3. Le mail Sentry contient généralement un identifiant + une description de l'erreur, tout ce qu'il faut pour que l'agent enquête comme il faut. Il a aussi accès au MCP Sentry configuré sur le VPS, pour pouvoir ouvrir le ticket et lire les détails 4. Avec toutes ces informations, l'agent commence à chercher l'origine du problème et comment le corriger 5. Quand il a trouvé comment corriger l'erreur, il envoie une notification sur le serveur Discord, dans un channel spécifique 6. Là c'est à moi de valider, si je lui dis de corriger, il va créer une PR avec la correction qu'il a trouvé et exécuter la suite de tests pour s'assurer que ça ne crée pas de bugs/régressions (+ Github Actions si j'ai encore des crédits...) 7. Quand la PR est publiée je reçois le mail GitHub mais aussi un message Discord : je peux soit vérifier le contenu de la PR (conseillé) et ensuite lui dire de merge soit je lui fais totalement confiance (déconseillé mais... coupable) et je lui dis de merge directement 8. Il merge la PR, ça déclenche tout le workflow de déploiement, l'erreur est corrigée et Sentry détecte la correction Au final, il faut juste laisser l'agent faire dans son coin et vous êtes tranquille, plus besoin de stresser comme un dingue pour aller absolument corriger l'erreur depuis votre ordi !

• 
  Christophe Mazzola (@ChristopheMzzl) a signalé il y a 50 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).

• 
  Alexandre Villeneuve (@referencement) a signalé il y a 50 minutes

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

• 
  Roland Barbe (@RolandBarbe) a signalé il y a 52 minutes

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

• 
  HoberMallow (@H0b3rMall0w) a signalé il y a 57 minutes

  @itssampe @cyriljlt Je n'allais pas jusque là (même si c'est certainement possible) je demandais surtout si quelqu'un avait eu la bonne idée de partager un skill "seo" pour l'intégrer directement à Claude sans avoir à le faire depuis zéro, je sais qu'il y a pas mal de truc sur github...

• 
  Capture effect (@Max_HelpRoom) a signalé il y a 58 minutes

  @EmmaDarles 0 audit indépendant, 0 preuve terrain, code serveur invérifiable, pas de build reproductible, RAM-only ? inconnu, éditeur anonyme Repo GitHub : 12 commits, 0 star, 0 fork. Si tu tiens à tes données & applique le 0 trust : aucune case cochée.