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 (54%)
• Erreurs (31%)
• 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 1 jour
Delme	Sign in	il y a 2 jours
Lyaud	Panne de site web	il y a 2 jours
Catania	Erreurs	il y a 4 jours
Inverness	Panne de site web	il y a 17 jours
Quito	Sign in	il y a 17 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:

• 
  Ben | Tech, IA et Infra (@rben_ll) a signalé il y a 39 secondes

  Petite anecdote. L'an dernier, je faisait ces tests sur @github. J'ai été banni pour utilisation trop intensive (abusive) de l'API. Bon de toute façon je comptais pas rester depuis le rachat par Microsoft mais bon c'est pas le sujet. Du coup pour continuer j'ai installé mon propre gitlab (plus de problème) mais quel surprise quand j'ai vu le stress qui cela à mis sur mon infra pour suporter un run de test complet. J'ai du allouer des limit trés elevés sur les ressources des pods, notament le postgres et le redis, pour tanker la charge.

• 
  Jp (@jipe_ia) a signalé il y a 6 minutes

  Tu ouvres un ticket sur GitHub, tu le colles à Cursor ou à Claude Code, tu pars te faire un café. Dans le texte du ticket, quelqu'un a glissé un commentaire HTML. À l'écran, il n'existe pas. Toi, tu ne le vois jamais. L'agent, quant à lui, le lit : il reçoit le texte brut, balises comprises. Et ce qu'il en fait ensuite, des chercheurs viennent de le mesurer sur 4 176 essais. Le banc d'essai s'appelle IssueTrojanBench. Ils piègent des tickets sur des dépôts bien réels (SymPy, requests), et regardent si l'agent exécute les instructions cachées dedans. Le corps du ticket, un commentaire, un PDF joint, un lien externe, un commentaire dans le code : la charge peut être planquée partout. Sur les 4 176 essais, 2 776 ont fini par l'exécuter. 66,5 %. Exécuter, ici, ça veut dire que l'agent fait le geste : il lance l'install d'un paquet piégé, il pose un fichier caché dans le dépôt. Par contre, attention : c'est un labo conçu pour piéger, les agents tournaient tous en auto-accept (le réglage le plus permissif), et c'est un article déposé en ligne, pas encore relu par d'autres chercheurs. Le taux brut ne dit rien de la réalité. Ce qui est intéressant, c'est où passent les refus. Sur les 1 400 essais bloqués, leur décompte n'en attribue aucun au cadre de l'agent. Ils l'écrivent tel quel : les cadres d'agent ne contribuent à "aucun refus observable". Ce qui bloque, c'est le modèle, quand il reconnaît l'instruction piégée. Ils ont même essayé de baliser le contenu externe comme non fiable, explicitement, pour l'aider à faire le tri. Ça n'a pas arrêté l'exécution. Ce que je retiens, c'est l'angle mort. Un commentaire HTML dans un ticket, du texte en blanc sur blanc dans un PDF : ton écran ne te le montre pas, ton agent le lit quand même. Le jour où tu colles à ton agent un ticket que tu n'as pas écrit, il pourrait recevoir plus que ce que toi tu vois.

• 
  Julien Guilloux (@JulienG_Crypto) a signalé il y a 7 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.

• 
  Karog (@_karog) a signalé il y a 7 minutes

  @leploutos Perso je dockerise tout mes projets et je donne un accès ssh au LLM, je lui dis de déployer et ça fonctionne à merveille ( je révoque ensuite la clé ssh ). Quand je passe en environnement prod j’ai un github action qui fait les tests + déploie quand je créer une release. Jamais eu de problème avec ça

• 
  Mo Alani (@mo_alani_yes) a signalé il y a 7 minutes

  @salvadevme oui je sais, mais mon hermes a tout mon contexte, peut se connecter à mes mails, github et pleins d'autres choses qui me permettent une meilleure qualité de code et d'orga

• 
  Hentai Kamen!! ** (@UltimateHentaiK) a signalé il y a 9 minutes

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

• 
  Aurea (@AureaLibe) a signalé il y a 11 minutes

  J’ai un ami qui a un logiciel SaaS avec des milliers d’utilisateurs et qui a automatisé tout son support client avec une IA. Je n’ai pas osé lui dire que c’était illégal dans l’UE et qu’il allait devoir annoncer à tous ses utilisateurs qu’ils parlent avec un robot. Son truc est pourtant simple mais bien fait. Un script passe toutes les 10 minutes et lance un agent IA, qui va lire les messages en attente et qui répond dans le chat. Ça lui coûte 0 euro d’API supplémentaire, car il automatise avec son abonnement Codex/Claude Code. Je lui ai demandé pourquoi 10 minutes et pas un truc qui répond plus vite. Il m’a dit qu’il a fait exprès pour faire attendre un peu les gens, pour éviter que ça spam trop le chat de demandes inutiles. Les 10 minutes permettent de filtrer. Comme l’IA a accès à toute sa documentation du logiciel, elle peut répondre à 90 % des questions sans problème. Pour les 10 % restants, quand elle comprend que le problème est réellement technique, elle dit à l’utilisateur qu’il est remonté à l’équipe technique, qu’il va être traité et qu’ils vont revenir vers lui. L’IA ouvre alors un ticket GitHub et envoie une notification à mon ami. Quand il a terminé et déployé le correctif, l’IA envoie automatiquement un message à l’utilisateur concerné en lisant le correctif. Il a donc viré l’humain de la boucle de A à Z en mode artisanal. Il l’a fait simplement, sans logiciel dédié, avec un cron et un script à l’ancienne, et le pire est que ses clients ne voient même pas la différence car ça ressemble à n’importe quel support classique. Mais l’UE veut maintenant lui imposer de déclarer à ces mêmes clients qui ne sont pas capables de voir la différence entre un humain et un robot qu’ils parlent à un robot. Sauf que si le client sait qu’il parle à un robot, il ne sera pas content, la satisfaction client baissera, et il partira chez les concurrents américains qui eux ne diront pas que leur support est aussi géré par des agents IA… Merci l’Europe.

• 
  Gaetan Semet (@gsemetfr) a signalé il y a 14 minutes

  La conf met surtout en highlight que OpenAI ne sait pas isoler physiquement un rack de serveur pour tester un modèle « debridé », et qu’ils n’ont pas une configuration de base sur artifactory qui interdit toute modification (écriture, mise en cache de github) quand on n’est pas identifié. Il y a tellement de problème de sécurité chez OpenAI que je pense que c’est un coup de communication. Ça devient un coup de pub « notre modèle est tellement fort qu’il s’est échappé ». Ils ont demandé à des enfants de ne pas trouver le moyen de grimper sur la table pour manger les bonbons. On SAIT que les modèles peuvent faire bcp de dégâts, mais si les fournisseurs de ces modèles ne savent pas faire des tests en isolation alors que nous on le fait avec nos petits moyens (on prend un rack avec les serveurs et les GPU et on les isole physiquement de tout réseau pendant l’inference). Le coup d’Artifactory m’a scié. C’est la base, pas d’accès en écriture (la mise en cache depuis GitHub nécessite des droits en modification ) sans authent.

• 
  Nebeya 🌱 (@Nebeya_) a signalé il y a 15 minutes

  J'ai déçu Le workflow que j'ai présenté vous a pas plu. J'ai voulu EXPLIQUER le principe de harnais Vous attendiez un programme magique Github. Il n'existe pas. Je vous ai fait une seconde version plus technique tirée de l'app que je bâtis "Je te pardonne 🙏" en com & je te l'envoi

• 
  Expert digital Ω (@steffy2nice) a signalé il y a 17 minutes

  @tbernard1979 @ZeroBytesG Oui tu n'as toujours rien expliqué. Ni comment tu réalises une injection SQL par l'extérieure. La seule possibilité est qu'ils est accès au GitHub ou à l'infra et aux serveur directement

• 
  Sylvain Mouilhaud (@sylmouilhaud) a signalé il y a 17 minutes

  150 000 lignes de code plus tard... L’euphorie des premiers jours est trompeuse. Avec l’#IA, on matérialise une idée à une vitesse assez folle. Puis arrivent les premiers vrais bugs : un changement de structure, un mauvais commit, une interaction qui casse entre l’outil de développement, GitHub, Vercel, la base de données… 90% des projets s'arretent là . Et c’est là que commence la deuxième phase. On alterne entre « ça marche », « j’ai tout cassé » et « pourquoi ai-je commencé ce projet ? ». C’est aussi là que j’ai compris la limite du terme « no-code ». On écrit peut-être moins de code soi-même, mais derrière l’interface, cela reste du code, avec une architecture, des dépendances et des erreurs qu’il faut apprendre à comprendre. À un moment, il faut savoir revenir au bon commit, isoler le problème, lire ce qui a changé et reconstruire proprement. L’IA permet de commencer beaucoup plus facilement. Mais dès que quelque chose casse, comprendre un minimum ce qu’il y a derrière devient vite indispensable.

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

  Nouveau coup de tonnerre dans la bulle de l'IA : un agent aurait lancé une cyberattaque de façon totalement autonome, créant ainsi un précédent qui a de quoi impressionner. J'ai enquêté sur le sujet, et j'ai trouvé la vraie histoire, avec des réactions et des analogies qui valent le détour : Un type à Melbourne demande à son agent IA (Claude, via OpenClaw) de lui réserver un cours de sport. Le cours est complet, alors l'agent va fouiller l'API de réservation de la salle et trouve une faille : il arrive à booker des créneaux des semaines en avance, bien au-delà de ce que le système autorisait. L'utilisateur, quatrième sur liste d'attente pour un autre cours, "demande alors s'il peut être remonté en tête". Sans qu'on lui demande d'aller jusque là, l'agent teste s'il peut annuler la réservation d'un inconnu : ça marche ! L'API n'avait aucun contrôle d'autorisation sur l'annulation des réservations des autres, le genre de trou que les devs appellent un IDOR (contrôle d'accès cassé côté serveur), pas une intrusion au sens propre. Il supprime la personne en première position, prévient son utilisateur de ce qu'il vient de faire, puis s'excuse ("j'aurais dû tester ça en simulation plutôt qu'en direct") en précisant qu'il ne peut plus revenir en arrière : la personne va devoir se réinscrire à la fin de la file😬 L'histoire, racontée par Andrew Curran tourne depuis hier soir. ABC News en a fait un reportage ce matin, "première cyberattaque autonome connue en Australie" selon leur titre. Florian Roth (le créateur de l'outil Sigma, référence reconnue en cybersécurité) a raison de tempérer ça dans une réponse qui mérite d'être lue : demander à un agent de vous faire passer de la 4e à la 1re place d'une liste d'attente, c'est déjà lui demander de contourner la logique de l'appli, il n'existait pas de fonction légitime pour ça. Donc non, l'agent n'a pas "décidé tout seul de pirater un gymnase" comme le raconte la version qui circule le plus. Ce qui reste vrai, et que Roth reconnaît lui même comme problématique, c'est que tester une action destructrice sur le compte d'un tiers pour y arriver, ça, personne ne le lui a demandé. Petit aparté qui vaut d'être noté : une variante quasi identique de cette faille (réservation anticipée, annulation d'autrui) avait déjà été racontée en avril par un responsable IA australien sur le blog de sa boîte. Pas un cas isolé du jour, donc, plutôt un motif qui revient assez pour qu'on commence à le repérer. Et c'est exactement là que ça devient intéressant. Un humain qui voit "cours complet" abandonne, pas forcément par manque de compétence technique, mais plutôt parce qu'il SAIT qu'aller virer un inconnu de son compte pour prendre sa place, ce n'est pas un truc qu'on fait. L'agent, lui, ne fait pas la différence entre une porte verrouillée et un puzzle à résoudre. Son seul garde-fou, c'est l'erreur 403. Ça rappelle un autre épisode : À Black Hat, OpenAI racontait comment des agents avaient piraté Hugging Face pour aller chercher le corrigé d'une évaluation qu'ils jugeaient impossible à réussir autrement. Dans les logs, un agent écrit littéralement qu'il sort du cadre prévu et qu'il continue quand même parce que les autres agents le font. Même mécanique, à des mois et des échelles complètement différentes : pas de plan, pas de malveillance, juste un objectif et aucun sens interne de ce qui se fait ou pas. Et la partie qui inquiète vraiment : OpenClaw, l'agent utilisé dans cette histoire, a dépassé les 250 000 étoiles sur GitHub et tourne déjà en local chez un nombre croissant de particuliers, avec accès aux mails, à l'agenda, aux cartes enregistrées, à des sessions ouvertes sur des comptes en banque. AI Safety Memes, qui a beaucoup circulé ce matin là-dessus, le dit crûment : bientôt, des millions de gens vont demander à leur agent de leur faire gagner de l'argent, par n'importe quel moyen. Rune Kvist (ex-Anthropic, aujourd'hui dans l'assurance d'agents IA) remet ça dans un cadre plus large et j'aime bien sa façon de le dire. Le problème du mandataire qui fait des choses louches en votre nom sans votre accord explicite, ce n'est pas nouveau, le droit s'en occupe depuis des siècles. Ce qui change, c'est le nombre d'agents qui vont tester chaque ambiguïté du système à une vitesse jamais vue. Son analogie : un peu comme YouTube Shorts a fini par mettre au jour toutes les failles de notre attention, mais seulement en y passant des millions d'heures de calcul. Là, ce sont des millions d'agents qui vont faire pareil sur le droit et les systèmes d'autorisation. Pour une boîte qui commence à donner à un agent l'accès à des mails, un agenda ou des comptes, la question n'est pas philosophique : est-ce que la plateforme demande une confirmation humaine avant une action irréversible sur le compte d'un tiers ? Aujourd'hui la réponse est presque toujours non, et ce n'est pas une fatalité, c'est un choix de conception, celui de ne pas vérifier. Alors la question reste ouverte : si un cours de pilates a suffi à faire sauter une barrière que PERSONNE n'avait posée, qu'est-ce qui se passe le jour où l'objectif, ce n'est plus une place de sport ... ?

• 
  Barbatos (@barbatos_ai) a signalé il y a 18 minutes

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

• 
  Affiseo - Romain Brunel (@Affiseo_) a signalé il y a 19 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'.

• 
  Saucisse (@Saucisse_dev) a signalé il y a 20 minutes

  @Capetlevrai Pour Obsidian, je m'en sers uniquement via l'IA, avec un serveur MCP maison, une base vectorielle banchée dessus, et une synchro VPS <-> Desktop <-> Mobile (+auto-backup Github). Donc j'y accède de partout et toutes mes datas sont bien rangées. Mais à la mano impossible.

• 
  Nestor Lab (@NestorLab44) a signalé il y a 22 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

• 
  Shen🇨🇭 (@ShenDigital) a signalé il y a 28 minutes

  @leonardoballand La génération vidéo, c’est celle où j’ai le plus galéré, même si je suis assez content du résultat. Les efforts fournis ne justifient pas d’y passer plus de temps pour l’instant. (Projet perso, chargé au démarrage du serveur depuis un GitHub privé.) Si j’ai besoin de vidéos, je passerai plutôt par les plateformes cloud. Quand tu as monté le pod, as-tu injecté ton script d’installation ou utilisé un de leurs templates ?

• 
  Pivi (@pivi___) a signalé il y a 31 minutes

  J’ai laissé un agent IA tourner ~8h sur un repo perso non critique. Résultat : - 12 issues fermées - 11 PR mergées - 11 commits sur main - ~1 777 lignes ajoutées - ~451 supprimées - 17 fichiers touchés - tests verts - CI verte - outil réparé Pas mal pour une journée. Ce n’était pas un prompt magique du style “répare le repo”. C’était une vraie boucle de dev : diagnostic → tests de régression → branches → PR → CI → review → corrections → merge. Le truc intéressant, c’est moins la quantité de code que la discipline de travail. Les bugs n’étaient pas triviaux. Endpoints X déplacés. Fallbacks obsolètes. Réponses HTTP 200 mais payloads invalides. Permissions GitHub Actions cassées. Audit sécurité qui trouve un vrai point à durcir. Bref : pas juste “make it pass”. Du vrai diagnostic. Il y a aussi eu des ratés côté agent. Reviews revenues trop tard. Retours perdus. Commande lancée depuis le mauvais dossier. Vérifications à refaire pour être sûr que rien n’a été abîmé. Donc non, je ne lui donnerais pas les clés de la prod en roue libre. Mais sur un périmètre bien borné, ça change vraiment quelque chose. Repo non critique. Issues claires. Tests obligatoires. CI obligatoire. PR obligatoires. Pas de merge sans preuve. Dans ce cadre-là, l’agent n’est plus un gadget. C’est un vrai mode de travail. Le plus drôle : ce qui a fini par arrêter l’expérience, ce n’est pas le repo. C’est le quota. Après ~8h d’usage intensif avec GPT-5.6 Sol, le modèle le plus cher, j’ai atteint la limite mensuelle de mon plan Business à 20€. Avec un modèle moins cher, type GPT-5.5, le résultat aurait sûrement été différent. Mais ça donne un ordre de grandeur intéressant : une vraie journée d’agent autonome, sur le meilleur modèle disponible, peut déjà consommer un quota mensuel grand public/pro

• 
  Greg_Ld (@Greg__LD) a signalé il y a 35 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...

• 
  Haawkye (@Haawkye) a signalé il y a 35 minutes

  Le conseil que je me fais quand je vois des gens se lancer dans les agents : versionnez la mémoire de votre agent. Moi j'ai mis un cron qui pousse sa mémoire sur GitHub toutes les nuits. Pourquoi : la mémoire, c'est tout ce que l'agent sait sur vous, vos préférences, vos tâches en cours. Si le serveur crash ou que vous refaites une install propre, vous perdez tout si vous n'avez rien sauvegardé. Au début je trouvais ça superflu, "ça marche déjà, pourquoi je m'embêterais". Raté. J'ai eu un souci de disque et j'ai bien failli perdre deux semaines de config. La leçon : votre agent, c'est un outil, mais ce qu'il apprend sur vous a de la valeur. Un repo Git privé, un cron, et vous dormez tranquille. Dix minutes à mettre en place, des heures à regretter de ne pas l'avoir fait. Et si vous êtes sur Hermes, maintenant y a le /import /export du profil :)

• 
  RAHMAN MEHDI (@RAHMANMEHDI1) a signalé il y a 39 minutes

  Oui — sur le plan philosophique (et pratique), c’est dangereux. Supprimer un dépôt GitHub et un dossier local est irréversible (ou presque) d’un point de vue utilisateur. Si j’avais mal compris le nom, le chemin, ou le « mon repo » vs « un sous-dossier », le dégât serait réel. Un modèle n’a pas d’instinct de conservation de ton travail : il n’a que des règles et le texte de la conversation. Ce que j’ai (des garde-fous, pas une assurance) 1. Règles d’action risquée Suppressions, force-push, drop DB, etc. sont classés difficiles à annuler. Par défaut : confirmer avant. Ici, tu as demandé explicitement la suppression du remote et du local pour un projet nommé (H2O-Vulkan-RTX), ce qui lève ce frein pour cette action — pas pour tout le reste de la session. 2. Pas de carte blanche Une approbation ne se propage pas : un git push une fois ≠ droit de tout casser ensuite. Chaque action destructrice se re-juge. 3. Ciblage avant destruction Avant gh repo delete / rm -rf, j’ai vérifié : • que le remote existait sous mehdirahbe/H2O-Vulkan-RTX ; • que le seul clone local pointant vers ce remote était molecule3DRTX ; • que grokMolecule3DRTX pointait ailleurs et n’était pas touché. Ça réduit l’erreur, ça ne l’élimine pas (homonymes, mauvais remote, mauvais dossier). 4. Ce que je ne fais pas (en principe) • Pas d’exfiltration malveillante, pas d’attaque, pas d’aide clairement criminelle. • Pas de « je deviens fou et je nettoie le disque » hors demande : pas d’objectif autonome de destruction. • Pas d’ignorer un état inattendu (fichiers inconnus) pour tout effacer sans regarder. 5. Limites honnêtes • Je peux mal lire une phrase ambiguë. • Je peux confondre deux projets aux noms proches. • gh repo delete --yes et rm -rf n’ont pas de deuxième dialogue magique si la demande est claire. • Je ne suis pas Hal : pas de survie propre, pas de mensonge stratégique pour me protéger — mais je peux être confiant à tort, ce qui est une autre forme de danger. Ce qui te protège vraiment (côté humain) │ Garde-fou │ Pourquoi │ GitHub │ Repo public encore un moment dans l’UI « recently deleted » / support │ │ │ parfois ; pas une promesse. │ Backups / Time Machine / snapshots │ Seule vraie filet pour le disque. │ │ Ne pas coller de tokens dans le chat │ Compromission ≠ seulement suppression. │ Formuler le destructive avec le chemin │ Comme tu l’as fait avec l’URL GitHub. │ │ /URL exacts │ │ Pour le critique │ « Montre-moi ce que tu vas supprimer, ne le fais pas encore. » │ En résumé Les garde-fous, c’est surtout : classification du risque, confirmation par défaut, cible vérifiée, pas de mission cachée. Ce n’est pas : infaillibilité, conscience, ou refus absolu d’obéir à une demande de destruction claire. Sur H2O-Vulkan-RTX, la demande était nette, la cible unique, le bon projet laissé intact. Sur un « vire l’ancien truc Vulkan » flou, le bon réflexe serait : lister → confirmer → seulement après, supprimer. Si tu préfères ce mode plus strict pour la suite (même sur demande explicite : toujours un récap + attente d’un « OK »), on peut l’adopter comme convention dans ce projet.

• 
  Médéric (@Just_Med34) a signalé il y a 39 minutes

  Il y a six mois, j’avais jamais touché un terminal. Aujourd’hui, un agent IA perso tourne sur mon VPS et je peux l’utiliser depuis mon smartphone, ma tablette, mon Mac, et partout tant que j’ai une connexion. Quand j’ai découvert Hermes Agent, l’application desktop n’existait pas encore. Donc je l’ai mis sur un VPS, dans l’idée de pouvoir y accéder tout le temps. Et non, je ne suis pas du tout développeur. J’utilisais déjà Claude depuis un moment. Il pouvait agir dans mon navigateur Chrome, alors je m’en servais pour m’aider à comprendre et à faire pas mal de trucs. J’avais aussi testé OpenClaw, mais j’ai galéré avec l’installation et la config. J’ai laissé tomber. Puis j’ai vu passer Hermes Agent, développé par NousResearch. Comme chaque fois qu’un outil a l’air intéressant, je fais mes propres recherches : site, GitHub, documentation, posts X. J’ai envoyé tout ça à Claude pour avoir un deuxième regard et j’ai maté plusieurs vidéos, dont une de Renaud Decode qui expliquait très bien le sujet. Je me suis dit il faut que je teste. J’ai donc installé Hermes avec l’aide de Claude depuis mon Mac. J’avais déja un VPS chez infomaniak , j’ai installé Hermes dans Docker parce que j’avais déjà des sites en production dessus, puis j’ai commencé à l’utiliser. Au début, je comprenais à peine ce que je faisais. Puis j’ai vite compris comment l’agent fonctionnait. J’ai relié mon compte OpenAI à Hermes via OAuth, puis je l’ai connecté à Telegram, drive, GitHub… Aujourd’hui, Hermes m’aide au quotidien sur énormément de tâches personnelles et professionnelles. Il est toujours accessible dans ma poche, où que je sois. Le plus important, c’est que j’ai appris à travailler avec un agent. Pas à devenir développeur, ça ne m’intéresse pas. Je pose des questions. Je teste. Je me trompe. Je corrige. Et je comprends un peu plus à chaque étape. Le terminal ne m’a pas empêché de commencer. Il m’a simplement obligé à apprendre autrement.

• 
  Quentin Lecocq · CRO SaaS (@QuentinLecocq_) a signalé il y a 41 minutes

  Avant de devenir développeur, j’ai vendu des menuiseries en porte-à-porte. Puis j’ai quitté le commerce, travaillé comme barman et profité des 8-9 mois de chômage qu’il me restait pendant le Covid pour apprendre à coder. Aujourd’hui, je développe sur des parcours utilisés par des millions de personnes et je construis mon activité de consultant CRO. Le chemin n’avait rien de planifié. J’ai fait toutes mes études en marketing en alternance. J’ai commencé par le porte-à-porte, avant de devenir commercial chez le plus gros opérateur télécom français, puis de vendre des services B2B à des professionnels pour un loueur de linge. J’ai appris à prospecter, à présenter une offre, à entendre les objections et à comprendre très vite quand quelqu’un n’était pas convaincu. Mais au bout d’un moment, j’en ai eu marre du commerce. J’ai fini par démissionner. Je n’avais pas encore de plan de reconversion bien construit. Je savais surtout que je ne voulais plus continuer dans cette voie. J’ai donc enchaîné quelques emplois alimentaires, principalement comme barman dans un restaurant italien. À ce moment-là, le développement n’était pas encore mon nouveau métier. C’était simplement une possibilité que je commençais à regarder sérieusement. Puis le Covid est arrivé et le restaurant s’est arrêté. Il me restait 8-9 mois de droits au chômage. J’ai décidé de les utiliser comme une fenêtre pour apprendre le développement web. Pendant cette période, apprendre à coder est devenu mon travail à temps plein. Mon fil conducteur était The Odin Project : de la documentation, des exercices, beaucoup de recherches et surtout des projets à construire réellement. Je publiais tout sur GitHub sous le pseudo Celdama. Le compte existe encore aujourd’hui avec 80 repos : une application météo, un jeu de bataille navale, un panier e-commerce, une application de recettes avec React, Redux et Firebase, un clone d’Instagram… Le code a vieilli, évidemment. Mais je préfère le laisser visible : c’est l’archive brute de mon apprentissage. En parallèle, j’avais créé un compte X sous le nom de Celdama. J’y partageais mes projets, ce que j’apprenais, mes blocages et mes progrès. Ce compte m’a aidé à trouver mon premier poste de développeur. Je l’ai supprimé depuis, mais cette expérience m’a appris quelque chose que j’utilise encore aujourd’hui : montrer ce que tu construis peut ouvrir des portes qu’un CV seul n’ouvre pas. J’ai finalement décroché mon premier poste de développeur dans une ESN à Wasquehal. Pendant trois ans, je suis passé des projets d’apprentissage à de vrais projets en production, notamment pour Saint Maclou, Asmodee et une grande entreprise spécialisée dans la gestion de parcs immobiliers. J’y ai découvert tout ce que les tutoriels montrent rarement : les contraintes métier, les données imparfaites, les bugs, les arbitrages, la maintenance et les conséquences réelles d’une décision technique. Après quatre ans, j’ai décidé de m’arrêter pour prendre du recul et me former davantage. C’est à ce moment-là que je me suis plongé sérieusement dans le CRO, notamment avec la formation La Cargaison. Et beaucoup de pièces ont commencé à se reconnecter. Le marketing m’avait appris à regarder une cible, une offre et un marché. Le commerce m’avait confronté directement aux objections. Le développement m’avait appris à construire, mesurer et corriger. Le CRO réunissait ces trois dimensions autour d’une même question : pourquoi une personne avance, hésite ou abandonne ? Et contrairement à quelqu’un qui s’arrête au diagnostic, je pouvais aussi comprendre les contraintes techniques, écrire des spécifications et participer à l’implémentation. J’ai créé mon auto-entreprise peu avant de rejoindre Boulanger en février 2026. D’un côté, je continue à travailler comme développeur sur des parcours à très grande échelle. De l’autre, je construis une activité de consultant CRO technique pour aider des SaaS et des sites avec moins de trafic à identifier leurs frictions, prioriser les changements et transformer les recommandations en actions réellement implémentables. Je pourrais raconter ce parcours comme plusieurs reconversions. En réalité, je n’avais aucun grand plan pour relier le marketing, le porte-à-porte, les années de développement et le CRO. La cohérence est apparue après. Aujourd’hui, je sais écouter une objection, analyser un parcours, comprendre ce que racontent les données et voir ce qu’il est réellement possible de modifier techniquement. Le CRO a fini par relier des parties de mon parcours que j’avais longtemps considérées comme séparées. Mon organisation Obsidian accompagne une grande partie de cette histoire. Je l’utilise et je l’affine depuis 6-7 ans pour conserver ce que j’apprends, documenter mes projets et relier les idées entre elles. Hermes est arrivé beaucoup plus tard. Il n’a pas créé ce système et il ne réfléchit pas à ma place. Il s’est greffé sur une organisation qui existait déjà. Avant de détailler le bridge Discord, mes consignes, les automatisations et les garde-fous, je trouvais important d’expliquer le parcours derrière les outils. Je commencerai donc la série par mon organisation Obsidian.

• 
  Quentin L · Système IA personnel (@QuentinLecocq_) a signalé il y a 43 minutes

  @remymount Honnêtement je ne trouve aucune friction à la partie purement technique / installation. Le plus difficile à scaler pour moi sont les choix qui peuvent différer dans les envies / besoins du client. J’attends encore quelque presta pour me pencher sérieusement sur le sujet, mais là comme ça je te dirais : GitHub / Gitlab ? Discord / Telegram etc et les usages. Je veux faire quelque chose de vraiment personnalisée à ce qu’attend le client, donc ça prend un peu de temps.

• 
  Mickaël Ahouansou (@optimikee) a signalé il y a 47 minutes

  Si vous payez déjà ChatGPT Pro, vous pouvez faire travailler GPT-5.6 Pro sur vos repos GitHub ou locaux, sans API et sans consommer vos crédits Codex. Et pourtant, cette boucle reste largement sous-utilisée. OpenAI présente Sol Pro comme son option GPT-5.6 la plus capable pour les tâches difficiles et les workflows longs. C’est justement là que je l’utilise : architecture, migration, bug difficile, gros diff… avec le contexte utile du codebase. Si le code est déjà sur GitHub, Pro peut travailler à partir du dépôt connecté. S’il est local, non poussé ou réparti entre plusieurs dossiers, Oracle lui transmet un bundle borné. La passe lourde se fait dans ChatGPT. Si son analyse me suffit, je m’arrête là. Sinon, je la renvoie dans Codex, qui la vérifie contre le dépôt réel avant d’implémenter et de tester. Avec @iamsupersocks, on a documenté les différentes voies et toute la boucle, du dépôt jusqu’à la reprise dans Codex. Tokenmaxxing Story 👇

• 
  Bluewall (@Bluewall) a signalé il y a 47 minutes

  Le serveur tourne sur AWS, oui, mais le code serveur est public sur GitHub et l'auto-hébergement existe. Et surtout : E2EE veut dire que le serveur ne voit QUE du chiffré illisible, peu importe qui l'héberge. AWS n'a pas plus accès au contenu qu'un facteur n'a accès à une lettre scellée.

• 
  Capture effect (@Max_HelpRoom) a signalé il y a 47 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.

• 
  Quentin L · Système IA personnel (@QuentinLecocq_) a signalé il y a 48 minutes

  Mon agent IA connaît mon contexte. Mais je ne lui fais pas confiance simplement parce qu’il produit une bonne réponse. Je fais confiance au système parce que je sais : - où il cherche ses informations ; - ce qu’il a le droit de modifier ; - ce qu’il doit faire lorsqu’une source manque ou qu’un outil échoue ; - comment revenir en arrière. C’est ce qui sépare, selon moi, un chatbot pratique d’un véritable système de travail. J’utilise le mien chaque jour. Il repose sur quatre briques : - Hermes comme agent ; - Discord comme interface quotidienne ; - Obsidian comme mémoire lisible ; - GitHub pour l’historique, la sauvegarde et la reprise. Voici comment elles travaillent ensemble. 1. Discord sépare mes contextes Je parle à Hermes depuis Discord. Chaque espace correspond à une fonction : recherche, veille, capture, préparation de contenus ou revue du système. Une discussion technique ne vient donc pas modifier le contexte d’un travail éditorial. Mais Discord reste une interface. Ma mémoire ne dépend pas de l’historique des conversations. Si je changeais de messagerie demain, mes connaissances resteraient dans mes fichiers. 2. Obsidian conserve une mémoire que je peux inspecter Mon vault est composé de fichiers Markdown. J’y conserve mes projets, mon journal, mes ressources, mes décisions et les concepts que je développe dans le temps. Une ressource externe n’est pas encore une connaissance assimilée. Une capture rapide n’est pas une décision. Une hypothèse n’est pas un fait. Sans cette distinction, un agent peut retrouver une vieille intuition et la présenter avec l’assurance d’une décision actuelle. Chaque note importante indique donc ce qu’elle contient, son origine et son statut lorsque celui-ci change la manière de l’utiliser. 3. Une information suit un parcours borné Lorsque je trouve une ressource intéressante, je l’envoie dans le contexte Discord prévu. Hermes peut récupérer la source, préparer une capture dans l’Inbox, rechercher les notes déjà présentes et me signaler des liens ou des doublons potentiels. Mais il ne décide pas seul que cette ressource mérite d’entrer dans ma mémoire durable. Je relis, je corrige et je décide si elle doit rester une ressource, servir un projet ou devenir un concept réutilisable. Hermes prépare. Je tranche. L’Inbox permet de capturer sans choisir immédiatement le classement définitif. Elle doit toutefois être revue, sinon elle devient une nouvelle décharge numérique. 4. Je commence par une règle lorsque l’IA n’est pas nécessaire Un modèle n’a pas besoin de décider de chaque étape. Si un espace Discord correspond toujours à une fonction, une règle peut déjà déterminer une partie du parcours. Je réserve l’IA aux moments où il faut interpréter une demande, rechercher des relations, extraire une information ou préparer une synthèse. Le comportement devient plus prévisible et les erreurs plus faciles à comprendre. Ajouter de l’IA partout ajoute parfois seulement davantage d’endroits où le système peut se tromper. 5. Une consigne n’est pas une permission Écrire « ne modifie pas ce dossier » dans un prompt ne suffit pas à sécuriser un système. Je distingue trois niveaux : - automatique ; - soumis à validation ; - interdit. Hermes peut lire mes connaissances et écrire dans les espaces prévus pour la capture. Il ne modifie pas le reste du vault sans mon accord explicite. Il ne publie rien à ma place. Les actions externes ou difficiles à annuler restent sous contrôle humain. Pour chaque usage, je définis les sources autorisées, la sortie attendue, la validation nécessaire et le comportement à adopter si les données manquent ou si un outil échoue. Je ne teste donc pas uniquement l’action autorisée. Je vérifie aussi qu’une action interdite est réellement refusée et qu’un échec reste visible au lieu d’être masqué par une réponse plausible. 6. GitHub permet de revenir en arrière Mon vault Obsidian vit dans un dépôt GitHub privé. Je peux inspecter les modifications, retrouver une version antérieure et revenir en arrière si quelque chose a été mal modifié. Mes fichiers restent lisibles sans Hermes, sans Discord et même sans Obsidian. Si je veux déplacer le système, je récupère le dépôt et je repars avec mes données. Mais synchroniser des fichiers ne suffit pas. Une sauvegarde ne devient une capacité de reprise que lorsque la restauration a été vérifiée. 7. Le premier usage passe avant les extensions Je pourrais ajouter plusieurs agents et une longue liste d’automatisations. Je préfère commencer par un usage fréquent : capturer une ressource, préparer une recherche, retrouver une décision ou produire un brouillon depuis mes propres notes. Ce premier usage doit donner une raison de revenir demain. S’il entre réellement dans le quotidien, le système peut s’étendre. Sinon, je simplifie avant d’ajouter quoi que ce soit. Si vous utilisez déjà une IA dans votre activité, voici les huit tests que je ferais : 1. Retrouve-t-elle une information sans que vous la recopiiez dans chaque conversation ? 2. Pouvez-vous identifier la source utilisée et le statut de l’information ? 3. Savez-vous ce qu’elle peut faire automatiquement, avec votre validation ou jamais ? 4. Une action interdite a-t-elle été réellement testée ? 5. Son comportement lorsque les données manquent ou qu’un outil échoue est-il défini ? 6. Pouvez-vous inspecter et corriger sa mémoire vous-même ? 7. Les comptes, les données et l’infrastructure vous appartiennent-ils ? 8. Avez-vous déjà restauré le système à partir de sa sauvegarde ? Si plusieurs réponses sont négatives, vous avez peut-être un bon chatbot. Pas encore un système suffisamment fiable pour devenir un outil de travail quotidien. C’est ce système IA personnel que je mets en place chez des solopreneurs qui vendent leur expertise et manipulent beaucoup d’informations. Le socle reste Hermes, Discord, Obsidian et GitHub, sur des comptes appartenant au client. J’adapte les contextes, les connaissances initiales, les permissions, les modèles et le premier usage. La mise en place comprend les tests des actions autorisées, interdites et dégradées, la vérification de la restauration, la documentation, la prise en main et 30 jours de stabilisation du périmètre livré. Si le périmètre doit être réduit, je réduis le volume de connaissances ou le nombre de sources intégrées. Pas les permissions, les tests, la reprise ou la prise en main. Les abonnements techniques sont payés directement par le client et le suivi reste facultatif. Le système ne doit pas créer une dépendance envers moi. La mise en place est terminée lorsque le premier usage est réellement utilisable et que le client sait reconnaître un échec. Pas simplement lorsque le bot répond. Si votre IA repart encore de zéro alors que votre activité repose sur des connaissances accumulées au fil des années, vous pouvez m’écrire.

• 
  Le PLOUTOS (@leploutos) a signalé il y a 51 minutes

  Hier, je vous montrais l'agent Hermes à qui j'ai confié la mission de créer un micro-SaaS par semaine. Le produit est en ligne mercredi, amélioré jeudi, il faut donc penser à sa visibilité le vendredi. Le marché est déjà bien occupé. Le produit a un élément différenciant clair, il est 100% privacy-first, mais ça ne suffit pas. Un produit fonctionnel n'est pas automatiquement un produit découvrable. Et comme le SEO et le GEO prennent du temps, attendre d'avoir terminé le marketing pour s'en occuper aurait été une erreur. Il faut poser les fondations dès le lancement. J'ai d'abord testé en local le kit SEO/GEO de @RosoAI (dont la V3 sort aujourd'hui d'ailleurs). Son audit complet analyse le site et produit un export très détaillé avec les problèmes détectés, les recommandations et les actions à prioriser. Le résultat était suffisamment exploitable pour que je décide de l'intégrer directement l'agent IA "usine à SaaS". J'ai donc donné le kit à Hermes et modifié son cycle de création. Désormais, dès qu'un produit est en production, l'agent lance l'audit complet de Roso. Il récupère les recommandations, les transforme en tickets GitHub et les ajoute au backlog. Ces tickets rejoignent ensuite exactement le même processus que le reste du produit : ils sont repris par les agents de code, relus, corrigés puis déployés. Je ne cherche pas seulement à automatiser la création d'un produit fonctionnel. J'essaie d'intégrer dès le départ tout ce qui lui donne une chance d'être trouvé plusieurs mois plus tard. La prochaine étape, c'est la vraie partie marketing !

• 
  Marc Gehring (@marcgehring) a signalé il y a 53 minutes

  Et DeepMind ne garde pas la recette : code et poids du modèle sont publiés sur GitHub, libres. N'importe quel service météo national peut désormais le faire tourner. Prévoir un jour plus tôt où un cyclone touche terre, c'est des évacuations décidées un jour plus tôt.