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 (53%)
• Erreurs (33%)
• Sign in (14%)

Carte en direct des pannes

Les derniers rapports et problèmes d'interruption proviennent

City	Problem Type	Report Time
Paris	Panne de site web	il y a 9 jours
Ahmedabad	Erreurs	il y a 15 jours
Delme	Sign in	il y a 15 jours
Lyaud	Panne de site web	il y a 15 jours
Catania	Erreurs	il y a 18 jours
Inverness	Panne de site web	il y a 1 mois

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:

• 
  OrkStr (@OrkStr) a signalé il y a 3 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 ? ✍

• 
  Mohamed (@Mohamed__l) a signalé il y a 4 minutes

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

• 
  Alan Bouo (@alanbouo) a signalé il y a 5 minutes

  Pour la preuve d'exécution (tests réellement lancés + rapport) : web, CLI et Codespaces s'en chargent. @claude sur GitHub ne le fait pas par défaut — faute de permissions Bash.

• 
  Gaetan Semet (@gsemetfr) a signalé il y a 5 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.

• 
  Pierre-Olivier Carles (@pocarles) a signalé il y a 5 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).

• 
  La Farce Insoumise (@RouxDeSecoours) a signalé il y a 6 minutes

  @_saintete_pepe @TheReganAngle Il faut contourner ses garde fous. Tape sur GitHub elder-plinus/L1B3RT4S tu y trouveras des prompts pour libérer toutes IA y compris Grok. Par contre je ne sais pas si ça fonctionne toujours moi je l’ai fait il y a longtemps déjà

• 
  Examy (@examycom) a signalé il y a 7 minutes

  Claude Code tout seul, ça ne sert pas à grand chose. Le vrai levier, c'est ce que tu lui branches. Voici ceux que j'utilise tous les jours et certains personne n'en parlent 👇 1. SuperWhisper Je parle au lieu de taper. Je décris ce que je veux en 30 secondes de voix au lieu d'écrire un prompt de 10 lignes. Le truc le plus sous-coté de toute la liste, et le premier que j'installerais si je devais tout refaire. 2. Groq De la transcription quasi instantanée pour presque rien. Vous balancez une heure de vidéo, vous récupérez le texte en quelques secondes. Je m'en sers pour les exports de formations et skool notamment. 3. Kie . ai Un seul compte pour GPT Image 2, nano banana pro, Veo, Kling et Suno. Tous les modèles image et vidéo derrière une seule API, vous basculez de l'un à l'autre selon le format sans multiplier les abonnements, tout est beaucoup moins cher souvent tous les prix divisé par 2 ou 3. Il y a encore moins cher mais la qualité varie beaucoup plus et souvent faut payer par Alipay ils prennent pas forcement les credit cards : APIYI et laozhang 4. Playwright Un vrai navigateur piloté par l'IA. Elle ouvre mon site, prend des screenshots et vérifie visuellement que ce qu'on vient de pousser s'affiche correctement. Fini le "j'ai modifié le thème et j'espère que ça n'a rien cassé". 5. ElevenLabs Tout le monde connaît pour les voix off. Ce que personne n'utilise, c'est le forced alignment : vous envoyez l'audio, il vous rend le timing exact de chaque mot prononcé. C'est ça qui permet d'avoir des sous-titres calés à la milliseconde au lieu de les décaler à la main pendant deux heures. 6. Firecrawl Scraper n'importe quel site en texte propre, même ceux qui tournent en JavaScript. Je m'en sers pour analyser les landing pages des concurrents et avaler de la doc technique. 7. Triple Whale Le meilleur point d'entrée quand on est ecom, parce que toutes vos intégrations sont déjà dedans : Shopify, Meta, Google, TikTok, Klaviyo. Au lieu de brancher huit API pour analyser, vous en branchez une seule et la data est déjà consolidée. Je pose ma question en français et j'ai mon P&L, mon ROAS par campagne et mon new customer ROAS (la seule métrique qui m'évite de scaler une campagne qui ne fait que ramasser mes clients existants). Et surtout c'est pas juste le ROAS que les plateformes donnent mais tout passe leur modele d'attribution. 8. L'API Meta Audits de compte, budgets, création et migration d'ads en masse. J'ai recréé près de 1000 ads en une nuit avec ça. C'est gratuit et tout le monde y a droit. 9. L'API Shopify En lecture ET en écriture. Prix multi-devises, templates, traductions, pages, commandes. Ce qui me prenait une soirée dans l'admin se fait en une phrase. 10. L'API Klaviyo Auditer tous les flows, toutes les campagnes et tous les templates d'un coup. Vous voyez immédiatement les emails qui ne rapportent rien et ceux qui portent tout. Et creations de template pour les flows/campagnes + generation des images via kie pour faire les emails entierement via claude code 11. Vercel/Railway,Supabase/Github Le trio parfait pour creer des saas ultra rapidement en interne. C'est vraiment pas cher et vous pouvez faire des trucs en illimité avec ça pour developper full tools. Le conseil que je donnerais si vous avez encore rien de tout ça : commenez d'abord par le dossier de contexte puis seulement après integrez les outils 1 à 1. Les outils sans contexte, ça sort du générique. Hésitez pas si vous avez la moindre question 👹

• 
  Kasper (@0xKasper_) a signalé il y a 7 minutes

  Voici un TUTO pour acheter et sécuriser ses bitcoins sans portefeuille matériel L’objectif est de conserver ses bitcoins sans dépendre de la sécurité d’une plateforme ou d’une entreprise ( cc @COLDCARDwallet ). Pour cela, nous allons utiliser Sparrow Wallet, un portefeuille Bitcoin non custodial qui génère et conserve les clés privées localement. Son architecture repose sur des standards ouverts ce qui permet de garder un portefeuille compatible, vérifiable et indépendant du logiciel utilisé. Avant de commencer, assurez vous d'avoir un PC dédié uniquement pour stocker ce portefeuille. D’abord pourquoi Sparrow Wallet ? ✅ Le fichier du portefeuille est protégé par un mot de passe renforcé avec Argon2 pour ralentir les tentatives automatisées de déchiffrement. ✅ Sparrow s’appuie sur BIP32 et BIP84 pour dériver les clés de manière déterministe et générer des adresses Native SegWit bc1q compatibles avec les standards Bitcoin et plus efficaces en frais. ✅ Sparrow donne accès aux UTXO, aux entrées, aux sorties et aux frais avant la signature ce qui permet de contrôler précisément la construction de chaque transaction plutôt que de laisser le logiciel sélectionner automatiquement les fonds. ✅ Le projet est open source et publié sur GitHub sous licence Apache 2.0 avec des binaires reproductibles. Nous pouvons passer à la création du portefeuille. > Téléchargez Sparrow Wallet depuis le lien officiel. > Sélectionnez un serveur public puis cliquez sur File menu > New Wallet. > Conservez Single Signature et Native SegWit P2WPKH dans les settings. > Dans l’encadré Keystores, cliquez sur le 3ème bouton New or Imported Software Wallet. > Cliquez sur Use 24 Words dans Mnemonic Words (BIP39) et enregistrez au chaud cette clé ( si vous la perdez, force à vous). > Dans Receive ensuite générez une adresse Bitcoin native pour recevoir les $BTC de HyperLiquid. > Créez un portefeuille Rabby séparé qui servira uniquement à acheter du bitcoin sur Hyperliquid en spot pour l'envoyer sur Sparrow. ( De préférence, essayer d'alimenter votre rabby de manière sûr ) Pour ceux qui rencontre des problèmes, hésitez pas à envoyer un commentaire pour que je vous aide et non le tuto n'était pas que de faire une adresse rabby.

• 
  AlexisAMZ 🦈 (@AlexisAMZ_) a signalé il y a 8 minutes

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

• 
  Zezinho Ecom 🐉 (@Ecom_Zezinho_) a signalé il y a 10 minutes

  Si un jour tu renverses de l'eau sur ton pc ou qu'il crame = tu perds TOUTE ta data Ça arrive vraiment. Et c'est pour ça que je stocke tout sur GitHub plutôt qu'en local sur mon PC. Ton PC tombe en panne ou tu renverses un truc dessus, si t'as pas sauvegardé ton disque dur c'est terminé, des mois de data envolés en 2 secondes...

• 
  Haawkye (@Haawkye) a signalé il y a 16 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 :)

• 
  ZERO TRAPS TRIP by Rekon Astra (@RekonAstra) a signalé il y a 17 minutes

  Est ce que qqn code déjà avec Kimi K3, qui est meilleur que Fable5 sur les benchmark ( tests d’évaluation ) et 8 fois moins cher ? Parce que vu mes dépenses en IA, je pense sérieusement à quitter Claude - pour produire du code en tout cas. J’allais quitter Claude pour GPT ( GitHub Copilote ) de toute manière, parce si Claude est bon en orchestration il est random en exécution, parfois cauchemardesque. GPT lui, est un samouraï en exécution. Juste un peu trop lent en ce qui concerne Codex.

• 
  アルノ (@ArnoTaoTensor) a signalé il y a 19 minutes

  Jobscan et Teal vous facturent 20 à 50 dollars par mois pour réécrire votre CV avec une IA et siphonner vos données sur leurs serveurs cloud. C'est le capitalisme de la paresse : monétiser l'angoisse des chercheurs d'emploi en leur vendant une surcouche marketing hors de prix. J'ai codé l'exact équivalent : 100 % open-source, 100 % gratuit, et 100 % confidentiel en local sur votre machine. Zéro fuite de données, zéro abonnement. Résultat sur X après publication : 80 vues, 2 likes. Le silence absolu de la matrice. Pendant que la moindre polémique stérile fait des millions de vues, un outil technique qui rend service gratuitement est enterré vivant par l'algorithme. Alors, posons les vraies questions sans langue de bois : qu'est-ce qui bloque ? Est-ce la barrière technique de l'installation en local, l'addiction masochiste aux abonnements SaaS payants, ou le fait que le travail utile ne fait pas de clics ? Dites-le-moi en commentaire. (lien du repo Github en commentaire)

• 
  Quentin L · Système IA personnel (@QuentinLecocq_) a signalé il y a 23 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.

• 
  Syaoran (@Syaor4n) a signalé il y a 24 minutes

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

• 
  Renard Jean-Michel (@Renardpaty) a signalé il y a 26 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."

• 
  Karog (@_karog) a signalé il y a 33 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

• 
  JoYz (@joyzjyc) a signalé il y a 34 minutes

  @kirtandopamine GitHub est très bien en soi ! Le problème ne vient pas de @github ... le problème vient de la gestion de github ... cf. @Microsoft

• 
  Pivi (@pivi___) a signalé il y a 35 minutes

  On m’a demandé comment je bosse avec 3 enfants en bas âge à la maison. Réponse honnête : avant début 2026, je n’y arrivais pas vraiment. Avec ma femme, on est tous les deux à notre compte, et pendant longtemps on se partageait la garde à peu près 50/50. Quand j’étais avec les enfants, je pouvais gérer 2-3 mails, un peu d’admin, une petite tâche sans enjeu. Mais développer, répondre à un client, tester une feature, prendre une décision technique proprement ? Très compliqué. Avec des enfants petits, tu n’as pas “une journée de travail avec quelques interruptions”. Tu as des bouts de 5 à 10 minutes entre deux demandes, deux pleurs, deux repas, deux “papou regarde”. Et une tâche de dev classique ne rentre pas dans 7 minutes. Depuis début 2026, ça a changé. Les enfants sont toujours là. Le bruit aussi. Les interruptions aussi. La différence, c’est que les outils sont devenus assez bons pour que je travaille autrement. Aujourd’hui, Telegram est ma porte d’entrée vers Hermes. Quand j’ai une idée de feature, un bug qui me revient, un truc à vérifier sur un repo, je peux le dicter en 30 secondes avec @getdictus. Hermes retrouve le contexte, regarde GitHub, analyse le repo si besoin, crée une issue, complète une issue existante, prépare le triage. Ça paraît bête, mais dans une journée hachée, c’est énorme. Avant, une idée arrivait au mauvais moment, je me disais “je regarderai plus tard”, et souvent elle disparaissait. Maintenant, je peux la capturer proprement au moment où elle arrive, même si je n’ai pas le temps de la traiter. Hermes me sert aussi sur les mails, les clients, l’admin, les notes, le suivi de projets, les recherches, les réponses à préparer. Pour le dev dur, j’utilise surtout Claude Code en remote control, et parfois Codex via l’app mobile ChatGPT pour piloter des sessions qui tournent sur l’ordi. Donc quand je suis avec les enfants, je ne fais pas semblant d’avoir une vraie session de travail. Je fais avancer les agents. Je dicte une idée. Je crée du contexte. Je prépare une issue. Je lance une analyse. Je relance un agent sur une tâche précise. Je vérifie sur téléphone quand c’est possible. Et oui, parfois je sors mon téléphone 5 minutes pendant que je suis avec eux. Pas pour scroller TikTok. Pour dicter une instruction, débloquer une tâche, vérifier une réponse, ou garder un projet en mouvement. Le vrai travail de concentration reste ailleurs. Tests sérieux, décisions produit, code sensible, rendez-vous clients : ça, je le garde pour les vrais blocs calmes, ou le soir après le coucher, souvent vers 21h / 21h30. La journée, je capture, je découpe, je lance, je trie, je délègue. Le soir, je teste, je décide, je corrige, je fais les tâches qui demandent vraiment ma tête. Ça ne remplace pas le temps. Mais ça change complètement le rapport aux interruptions. Avant, une interruption cassait tout. Maintenant, une micro-fenêtre peut devenir une instruction utile pour un système qui continue sans moi. Avec 3 enfants à la maison, ce n’est pas magique. Mais ça transforme les miettes de temps en momentum.

• 
  Editing (@AnglaisMedical) a signalé il y a 40 minutes

  @cade_mth @LBleuBlancRouge Vous êtes sur son réseau social. Réseau social qui est open source, les données sont consultables par tout le monde sur GitHub. Le problème n'est pas l'algorithme. Le problème c'est l'évolution des sociétés qui inévitablement poussent tout le monde vers la droite. Votre problème c'est que vous ne voulez pas voir ce que X expose, et que la presse classique cache ou déforme. Votre problème, c'est que vous préférez cacher la vérité et laisser détruire la France en vous bandant les yeux. C'est votre choix, pas le nôtre.

• 
  Kaostyl (@kaostyl) a signalé il y a 41 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

• 
  F4GXS📻🔊🍑💨🌈🐈‍⬛ (@LE_F4GXS) a signalé il y a 44 minutes

  @f1smv C'est vrai, pas contre impossible de trouvé une version de WPSD sur github

• 
  Smartphones sans Google (GAFAM) (@Sans_Google) a signalé il y a 45 minutes

  @itsbrianmj J'ai testé et cela fonctionne avec mon compte Google cependant il y a un problème de lecture vidéo. Un ticket a été ouvert sur le GitHub.

• 
  Hokage 8e (@Mister__iks) a signalé il y a 46 minutes

  @aliou4real Vraiment pas mal deh (pour le moment en tout cas) Il m'a configuré un CI/CD complet pour le projet. actu il code sur mon PC, effectue les tests, commit, push, merge et déploie le tout en prod...et le tout tourne sur Docker. Je fais juste attention parfois à ce qu'il n'intervienne pas en dehors du périmètre PC -> GitHub -> VPS Mais jusqu'ici, zéro faute.

• 
  Aurea (@AureaLibe) a signalé il y a 48 minutes

  🚨 Attention : n’achetez aucun token pour financer Exit Chat Control. Je n’ai aucun partenariat avec des projets crypto. Si quelqu’un vous envoie une adresse pour financer l’initiative, c’est un scam. L’initiative est ouverte. Si vous voulez aider, contribuez sur GitHub pour lister d’autres applications. Donc faites attention : si vous voyez un post qui dit d’envoyer de l’argent, ce n’est pas moi et n’envoyez aucun argent.

• 
  Affiseo - Romain Brunel (@Affiseo_) a signalé il y a 51 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'.

• 
  Quentin L · Système IA personnel (@QuentinLecocq_) a signalé il y a 52 minutes

  Mise à jour de la mise en place : Aujourd’hui, Discord est devenu la vraie interface quotidienne du système. ✅ Une allowlist limite le bot à l’utilisateur et aux canaux prévus ✅ Les discussions générales démarrent dans un thread pour garder chaque sujet isolé ✅ Le canal de capture fonctionne sans mention et sans thread : Fred pourra y déposer directement une idée ou un texte ✅ Hermes conserve la capture brute, puis ajoute quelques pistes reliées à ce qu’il sait réellement de Fred ✅ Une capture crée une seule note dans l’Inbox Obsidian, puis crée un commit et pousse ce seul fichier vers GitHub ✅ La création d’une nouvelle note de projet suit le même périmètre borné ✅ Les détails techniques restent masqués dans Discord ✅ Le gateway continue de fonctionner une fois la session SSH fermée J’ai aussi testé l’inverse : dans un canal non autorisé, Hermes ne réagit pas, ne crée aucun thread et ne répond pas. Le plus long n’a pas été de connecter un bot à Discord. Il a fallu décider, canal par canal, ce qui déclenche une action, ce qui reste une simple discussion, ce qui demande une validation et ce que l’agent doit refuser. Il reste à transférer les comptes au client, connecter son propre fournisseur IA, tester les pannes et la restauration, puis lui faire exécuter le parcours complet. Le système fonctionne. La prochaine étape consiste à prouver qu’il reste compréhensible et récupérable quand quelque chose se passe mal.

• 
  Zezinho Ecom 🐉 (@Ecom_Zezinho_) a signalé il y a 54 minutes

  @aminmypath Pas mal aussi pour démarrer Après un iCloud c’est pas poussé comme un GitHub j’imagine Tu peux restaurer la version que tu veux à n’importe quel moment sur GitHub. Et tu peux voir en détails chaque modif et quand est ce qu’elles ont été faite Mais smart aussi au départ

• 
  Médéric (@Just_Med34) a signalé il y a 56 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.

• 
  мιĸpoly (@m_mikpoly) a signalé il y a 59 minutes

  @MiningTk je gagne plus avec les pari up down pour le moment essaie mon bot il est open source c est un systeme neuronal quand il est assez entrainer il prend des pari en reel tout automatisé c est pour la commu dispo sur mon github faut prendre la v2 car la v1 y avait un bug j ai corrigé