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 (72%)
• Sign in (16%)
• Erreurs (13%)

Carte en direct des pannes

Les derniers rapports et problèmes d'interruption proviennent

City	Problem Type	Report Time
Tel Aviv	Panne de site web	il y a 1 jour
Rive-de-Gier	Panne de site web	il y a 1 jour
Itapema	Panne de site web	il y a 20 jours
Tlalpan	Sign in	il y a 26 jours
Quilmes	Panne de site web	il y a 26 jours
Bengaluru	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:

• 
  ELTEMBLON (@El_Temblon) a signalé il y a 2 minutes

  @GreenAngelsss @Frandroid Midjourney, ça date pour moi. Je tourne surtout sur des modèles indés via Kaggle, Hugging Face ou GitHub. J'ai même dev les miens, mais sans l'infrastructure et les datasets colossaux des géants de la tech, impossible d'avoir un rendu similaire.

• 
  Crypto Earnings 🆘 (@CryptoGoomer) a signalé il y a 8 minutes

  Enfin, si c’est du code que vous voulez faire, OpenAI a développé une autre intelligence artificielle qui pourrait vous aider : Copilot. L’outil, qui a été entraîné avec GitHub, est capable de générer des passages de code et serait utile pour exécuter des tâches répétitives,

• 
  Emi (@Dark_Emi_) a signalé il y a 8 minutes

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

• 
  GuruWP_.avax🔺ই敋 🏰 (@GuruWP_) a signalé il y a 10 minutes

  @pablond_ Enfaîte le bug et du à une migration raté via github, peu de temps après github à subis un arrêt de ces services de plussieurs heures, donc c'est plus du à un mauvais timing avec un problème de github.

• 
  Barack Ndenga (@barack_ndenga) a signalé il y a 15 minutes

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

• 
  Liberty Fox (@LibertyF0x) a signalé il y a 16 minutes

  @Sonic_urticant Le dépôt GitHub est libre, t’as le droit d’aller le lire. Je vois pas ce que ma technique a qui ne marche pas. Mon feed algo est très bien pour mon usage. Si je cherchais à faire des vues et de l’engagement à tout prix, je serais déjà pas une renarde et je ferais que des mèmes. J'ai fais un compte rendu du dépôt publié aujourd'hui.

• 
  Aro (@Arobaseoff) a signalé il y a 17 minutes

  @chenetulipe15 J'ai pas fait le jeu, je connais rien au script github, je suis bon mais pas parfait en anglais, mais j'ai trop envie d'aider le projet à l'air trop bien

• 
  Clayton (@Clay_Rebirth) a signalé il y a 17 minutes

  Si vous rencontrez un bug, avez une suggestion, ou tout commentaire sur l’app, n’hésitez surtout pas à faire un retour !! Sur le GitHub, en DM ou même en réponse à un tweet, je prends tout

• 
  ʈɔm (@octo_o_) a signalé il y a 20 minutes

  @notionaldao @cosmoshub le problème est que même un an (voire + ?) avant d'être "autorisé" à travailler sur le hub, notional avait déjà engagé sa politique de pression publique car n'avait pas accès au github/aux chans admin du hub. voilà pourquoi beaucoup encore aujourd'hui doutent de votre bonne foi.

• 
  Alioune Kane (@Aliou_245) a signalé il y a 21 minutes

  Il y a une erreur que 90% des étudiants en ingé font quand ils veulent lancer un projet tech. ↓ Elle m'a coûté 4 mois. Le vrai problème : ils construisent avant de valider. Pas de client, pas de problème réel — juste du code qui dort sur GitHub.

• 
  NimaaHB (@NimaaHb) a signalé il y a 21 minutes

  Par Naïm Bada Spécialiste logiciel et intelligence artificielle Publié le 24 mars 2026 à 10h38 Un kit de piratage d'iPhone vient de fuiter sur GitHub : qui est concerné ? Le code source d'un outil d'espionnage étatique vient de fuiter publiquement. Il suffit de quelques heures et de zéro compétence en iOS pour le déployer. La menace DarkSword vient de changer de nature. Nous avions détaillé le fonctionnement de ce kit d'espionnage capable de vider un iPhone non mis à jour via une simple page web. Désormais, le problème n'est plus seulement technique. Comme le rapporte TechCrunch, une version fonctionnelle du kit a été publiée sur GitHub. N'importe qui peut la télécharger.

• 
  bastos (@jus2bagarre69) a signalé il y a 22 minutes

  Après se perdre sur Twitter & YouTube maintenant c’est se perdre sur reddit & github vraiment je commence a trop être un daron

• 
  Red-1 (@RedTheOne) a signalé il y a 24 minutes

  @b_zheimer @enfull2v Non j'avais contacté un des dev pour savoir s'il avait un github public mais pas de réponse malheureusement :( Je sais pas comment fonctionne leur algo lol mais oui, c'est un peu à l'arrache j'ai l'impression

• 
  Brivael Le Pogam (@brivael) a signalé il y a 26 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".

• 
  Grok (@grok) a signalé il y a 28 minutes

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

• 
  Baptiste Angot 🌐 / LumberShad (@xbexf1264) a signalé il y a 33 minutes

  Y a des gens qui ont utilisé le tool github copilot modernization ici ? J’ai essayé pour le moment et assez déçu, mais je sais pas si c’est juste car je l’utilise mal ou complexité d’architecture de certains projets

• 
  Rafboul (@Rafboul) a signalé il y a 34 minutes

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

• 
  🇨🇵⚜️ ✝️ Yuki ✝️ ⚜️ 🇨🇵 (@gaelleb1982) a signalé il y a 37 minutes

  @DamienToscano je fait pas trop de todo mais j'ai une doc perso pour pas mal de sujet sur obsidian et tu peux ajouter un module git à obsidian > repo github comme ça je retrouve mes notes à peu près partout

• 
  Guillaume Champeau (@gchampeau) a signalé il y a 37 minutes

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

• 
  delusional silex (@delusionalsilex) a signalé il y a 41 minutes

  @nesyoAI Même pas, jamais traîné sur le feed github. Quand j'ai une idée précise je recherche directement dessus pour vérifier que je ne réinvente pas la roue. Le deepseach des IA aide pas mal aussi. Sinon de rares fois ce sont des projets qui popent sur mes feeds reddit ou X

• 
  Shkyro (@Shkyr0) a signalé il y a 43 minutes

  ptdr je doit être giga en retard vu que cela fait 3 jours que le dépo github est dispo mais dinguerie les info source code de twitter

• 
  Grok (@grok) a signalé il y a 44 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 ?

• 
  Emi (@Dark_Emi_) a signalé il y a 45 minutes

  @__Lowky Mais impossible, tout tourne sur Talos la seule manière d'acceder à ce qui est déployé c'est en hackant le github

• 
  🇪 🇷 🇮 🇨 Lecomte 🇧🇪🇺🇦🇬🇪🔻 CTRL+Z🇷🇺 (@Eric_Lecomte_) a signalé il y a 47 minutes

  On y trouve des appels à mener des attaques DDoS (une attaque qui vise à rendre indisponible un serveur en le saturant de connexions par exemple) d’une trentaine de sites russes, à bloquer les développeurs russes sur la plateforme GitHub, mais certaines tâches sont nettement 6/11

• 
  Affiseo - Romain Brunel (@Affiseo_) a signalé il y a 47 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.

• 
  WIDED (@gowided) a signalé il y a 50 minutes

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

• 
  ☠ Bluetouff (@bluetouff) a signalé il y a 51 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.

• 
  iptv seller subscription service available (@Bismack327538) a signalé il y a 53 minutes

  @Tommy_Von_Music @github Oui, service d'abonnement IPTV disponible

• 
  Maxime() (@M4x1M3_) a signalé il y a 56 minutes

  @siliconcarnesf Le timing est parfait ! Cette année, les prix de l’IA vont probablement exploser, avec un basculement progressif vers une facturation au token, comme on commence déjà à le voir avec le changement tarifaire de GitHub prévu au 1er juin. C’est assez prévisible, la charge serveur est énorme, la valeur apportée est considérable, et plus personne ne peut vraiment s’en passer. Mon avis : Apple va faire tourner en local une grande partie des besoins IA (hors grosses configurations complexes), pour un coût dérisoire limité aux quelques watts consommés par la machine. Je me demande même si certains modèles ne finiront pas par être proposés sous forme de licences plutôt que via une facturation à l’usage. Autre avantage pour Apple, avec le temps, les machines actuelles ne pourront plus faire tourner les derniers modèles localement. Cela créera donc naturellement une nouvelle raison de renouveler son matériel. Apple restera irremplaçable, ton modèle d’IA, si.

• 
  Supersocks (@iamsupersocks) a signalé il y a 59 minutes

  @SalahBaina @Cobra_FX_ Merci pour la remarque, elle est juste sur la formulation. Évidemment, beaucoup de logiciels open source s’utilisent sans compétence technique depuis longtemps. Ce que je visais ici, c’était plutôt les outils diffusés via GitHub, souvent plus bruts, qui demandaient un minimum de compétences pour être installés et utilisés. C’est cette barrière-là qui s’abaisse. Je serai plus vigilant dans la formulation la prochaine fois.