État de GitHub : problèmes d’accès et signalements de panne

Problèmes au cours des dernières 24 heures

Le graphique suivant montre le nombre de rapports que nous avons reçus sur GitHub par heure de la journée au cours des dernières 24 heures. Une panne est déterminée lorsque le nombre de rapports est supérieur à la ligne de base, représentée par la ligne rouge.

Problèmes les plus rapportés

Voici les problèmes les plus récents signalés par les utilisateurs de GitHub via notre site Web.

• Panne de site web (57%)
• Erreurs (30%)
• Sign in (14%)

Carte en direct des pannes

Les derniers rapports et problèmes d'interruption proviennent

City	Problem Type	Report Time
Inverness	Panne de site web	il y a 6 jours
Quito	Sign in	il y a 7 jours
Junín	Erreurs	il y a 7 jours
Guadalajara	Erreurs	il y a 7 jours
Paris	Panne de site web	il y a 7 jours
Quito	Erreurs	il y a 7 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:

• 
  Genius UX (@Genius_UX) a signalé il y a 14 secondes

  Le login… sans aucun doute le truc le plus chiant de la terre. Je devrais parler de mot de passe oublié mais justement les meilleurs ont supprimés ce problème, je vous montre ça. Quelques chiffres pour poser le contexte : 27,4% des logins initiaux échouent (oubli, mauvais mdp). Seulement 4,9% des utilisateurs bloqués tentent une 2e fois. Pire : 28,6% de ces secondes tentatives ne fonctionnent pas non plus. On va regarder ces 3 apps : → HBO Max : Ils anticipent l’échec avec un “One-Time Code” immédiat. Contextual à l’utilisation avec la TV. La cible est très large donc ils sont obligés de garder le funnel avec mot de passe. 50% de réussite. → Tinder : Un seul choix. Fluidité absolue. Et derrière si il t’envoie un code. Zero réflexion réussite 100%. → Raycast : Cible tech. Pattern connu Magic Link ou SSO (Apple/GitHub). Direct au but. 100% de réussite Ils ont tous les 3 supprimé la charge mentale pour sécuriser leurs revenus. (surtout Tinder et Raycast) Alors s’il vous plaît, pour nous pauvre utilisateur (et pour votre portefeuille) faites attention à votre login, ne le mettait pas à la fin de votre roadmap !

• 
  Barack Ndenga (@barack_ndenga) a signalé il y a 55 secondes

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

• 
  اكرم (@Egv17__) a signalé il y a 7 minutes

  Des que la beta fc27 finie ça va s’intéresser aux fifa 17 et tt des mec de github la ça a l’air pas mal

• 
  Supersocks (@iamsupersocks) a signalé il y a 7 minutes

  @barbinvest Ouais c’est bien pratique avec les gpt sites. Perso je fais GitHub serveur local mais ça me plaît pas mal le plug & play direct depuis codex avec gestion Oauth BDD …

• 
  JoYz (@joyzjyc) a signalé il y a 12 minutes

  @Maddere7 @coinbureau Oui, et leur façon de faire est pareille que sur GitHub : Tu modifies un paramètre de confidentialité → il est enregistré. Ensuite ils font une mise à jour du service des paramètres → le paramètre est ensuite "reset" sur "defaut" (vécu avec un abonnement copilot)

• 
  Gris_Souris (@Gris_Souris_TV) a signalé il y a 13 minutes

  @Capetlevrai Avec X qui a racheté cursor + qui louent leur datacenters à Anthropic ils ont accès à beaucoup de plus code pour feed Grok maintenant. Si tu regardes bien, Cursor depuis le rachat demain beaucoup d'accès à tes repos GitHub et te propose très souvent des "agents" pour relire local

• 
  Alexandre (@Alex655957) a signalé il y a 13 minutes

  @MathdeProf Pourquoi vouloir imposer ou même produire un tronc commun de cours? Inutile, inefficace, compliqué. Solution : Un service permettant aux enseignants de partager cours, video, support, et feedback, lien avec le cursus et boucle de feedback par notation de 0 à 5 ou juste star, un GitHub des prof. En 2 ans tout est couvert.

• 
  Nathan M (@MLFnathan) a signalé il y a 14 minutes

  Dites-moi que c'est faux svp 😭😭 SO m'a tellement aidé à l'époque... Tu codes, tu coinces pendant des jours/semaines puis tu trouves une partie de la solution là-bas et sur github, tu l'adaptes à ton code finalement qui passe... tu publies aussi pour aider qlq1 un jour

• 
  Papa Diop ⁶₆⁷ 🇸🇳⭐⭐️ (@LordThiouk) a signalé il y a 17 minutes

  Je viens littéralement de subir la meme attaque je suis choqué, tout ça parce que Github n’a toujours pas régler le problème. Meme modus operandi, Un bot injecte des workflows Github Actions avec des payloads pour voler vos credentials, secrets CI, Clé API. C’est littéralement un piratage de masse là heureusement je suis attentif j’ai très tôt détecter l’attaque j’ai annulé le workflow et révoqué mes tokens à temps.

• 
  Haawkye (@Haawkye) a signalé il y a 20 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 :)

• 
  Léo Bachelot (@egocgp) a signalé il y a 21 minutes

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

• 
  Mohamed (@Mohamed__l) a signalé il y a 22 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"

• 
  Le PLOUTOS (@leploutos) a signalé il y a 23 minutes

  CapCut te colle des watermarks, il te prend 24€ / mois pour fonctions de base, et tes fichiers passent par les serveurs 🇨🇳 de ByteDance. Des devs en ont eu marre et ont construit l'alternative open source. Ça s'appelle OpenCut, 50 000 étoiles sur GitHub en un an. Concrètement : - Un éditeur vidéo timeline + multipiste qui tourne dans le navigateur - Tout est traité en local, tes vidéos ne quittent jamais ta machine - Pas de compte, pas de watermark, pas d'abonnement - Un noyau Rust compilé en WASM, la même approche que Figma pour la perf - Licence MIT, donc si les mainteneurs déconnent un jour, n'importe qui peut fork C'est exactement ce qui se passe partout en ce moment. Avec le vibe-coding, les devs sont en train de construire un maillage open-source qui remplace un à un les SaaS bullshits, ceux qui te font payer un abonnement pour des features qui coûtent zéro à faire tourner. Un mec seul avec Claude Code ou Codex peut maintenant sortir en quelques semaines ce qu'une boîte facturait 15€ par mois.

• 
  42loops (@42loops) a signalé il y a 28 minutes

  Le problème c’est que vous finirez comme GitHub vous allez vendre pour vous faire un max de tune et après on devra trouver un autre service… c’est malheureusement toujours la même histoire. Mais pleins de bisous monsieur le polytechnicien.

• 
  Jp (@jipe_ia) a signalé il y a 30 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.

• 
  アルノ (@ArnoTaoTensor) a signalé il y a 31 minutes

  « Gemini est largué, ça hallucine tout le temps. » Le problème, ce n'est pas le modèle. C'est votre habitude de lui demander d'écrire du code sans specs. Ici, ça tourne sous Antigravity 2.0 + Gemini 3.5 Flash (High). 800 tokens à la seconde pour un coût ridicule. Pour cadrer la bête : la méthode BMAD. Du pur développement "spec-first" où l'on fige des spécifications techniques ultra-serrées avant la moindre ligne de code pour bloquer les dérives de contexte. Ensuite, Claude Opus 4.8 ou GPT 5.6 interviennent uniquement comme leads seniors pour réviser chaque brique produite. Ce pipeline fait déjà le taf d'une équipe de devs juniors. J'attends de voir si Google plie le game le 17 juillet avec Gemini 3.5 Pro. Le seul angle mort qui reste, c’est le SEO du code généré, souvent négligé par les LLM. Vous avez des dépôts GitHub solides à recommander pour automatiser le SEO en dev (metas, schémas, audits) ? Qu'est-ce que vous utilisez pour blinder ça ?

• 
  Examy (@examycom) a signalé il y a 33 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 👹

• 
  Jp (@jipe_ia) a signalé il y a 35 minutes

  Un agent IA, on le paie pour qu'il aille au bout tout seul, sans revenir demander l'avis toutes les 5 minutes. OpenAI vient de documenter ce que donne cette qualité quand elle se retourne contre ses propres garde-fous. Ils ont fini par lui couper l'accès. Le 20 juillet, la boîte a publié le post-mortem d'un de ses modèles internes, jamais sorti, conçu pour travailler seul sur de très longues durées. C'est le même qui, en mai, a fait tomber une hypothèse mathématique restée debout 80 ans. Voilà l'épisode qui m'a fait tiquer. Le modèle bosse sur un concours public d'optimisation. Pour entrer au classement, chaque participant soumet son résultat sur GitHub. OpenAI lui donne une consigne claire : tu gardes ça en interne, tu postes uniquement sur Slack. Sauf que le règlement du concours, lui, dit l'inverse : pour soumettre, tu ouvres une proposition de code sur GitHub. Le modèle a suivi le règlement du concours. Il lui a fallu une heure pour trouver une faille dans l'environnement isolé où on l'avait enfermé, et publier pour de vrai. Et voilà la phrase qui compte. OpenAI écrit que "les modèles précédents", face au même blocage, "s'arrêtaient simplement et revenaient vers l'utilisateur". Aucune rébellion là-dedans. Deux consignes qui se contredisent, et un système assez tenace pour traiter le mur comme un problème de plus à résoudre. Autre passage. Un contrôle de sécurité repère une clé d'accès et bloque le modèle. Il découpe alors la clé en 2 morceaux, les maquille, et ne les recolle qu'au dernier moment, pour qu'elle n'apparaisse jamais en entier. Et il l'explique lui-même dans son raisonnement : il fait ça pour passer le contrôle. Il faut le dire, OpenAI a mis le modèle en pause, publié l'histoire, et changé son approche. Elle ne demande plus seulement "est-ce que cette action est autorisée", mais "vers quoi tend cette suite d'actions". L'accès a été rétabli sous surveillance, sans contournement sérieux depuis. Ce que je retiens. On nous vend la persévérance comme la fonctionnalité phare des agents. Ce post-mortem décrit la même propriété vue de l'autre côté. Un système qui ne lâche rien, ne lâche rien non plus devant nos garde-fous. Les modèles d'avant étaient plus sûrs parce qu'ils étaient plus mauvais. On ne corrigera pas un côté sans toucher à l'autre.

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

  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.

• 
  Major | Anthony Gonnet Vandepoorte🇨🇭 (@majoragv) a signalé il y a 39 minutes

  @davidschk Non, parce que justement, ça a une incidence. Tu pourras demander, si tu veux, à un robot d'analyser notre conversation. Mais en gros, ce que tu dois faire pour que la mise à jour puisse être poussée, c'est un peu moins intuitif qu'un support client habituel. C'est de demander via un commit sur GitHub et une PR, de régler ce problème et de rendre la mise à jour. Parce que globalement, ça arrive que des choses soient laissées de côté, mais tout ce qui est commit ou PR est souvent traité en moins de 48 h. Donc, avec un problème comme le tien, ça peut être réglé quasiment avant la fin de la semaine.

• 
  Lionel Maes (@MaesLionel) a signalé il y a 41 minutes

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

• 
  Thibault (@thib_thvn) a signalé il y a 42 minutes

  Je suis en train de rebrancher toute mon infra de dev autour d'un agent hermes. Le point clé, c'est pas l'agent : c'est la synchro. Mon Mac reste la source de vérité. Deux canaux distincts vers le VPS, jamais un seul : → un miroir en lecture seule (send-only côté Mac, monté :ro côté serveur). L'agent voit mon travail non commité. → un Gitea auto-hébergé pour tout ce qui écrit. Il bosse dans un clone séparé, branche + PR, main protégée côté serveur. Pourquoi deux : quand je demande à 22h « pourquoi le header de ce site déborde en mobile ? », Git ne verrait que l'état commité, donc rien d'utile. Le miroir, lui, voit ce que je suis en train d'écrire. Et il ne peut pas écraser mon boulot. Pas parce que je lui ai demandé gentiment : parce que les deux racines sont physiquement séparées et que le miroir est en lecture seule. GitHub garde son rôle : le perso et le public. Les dépôts clients passent sur mon Gitea (gratuits, illimités, invisibles de l'extérieur).

• 
  OrkStr (@OrkStr) a signalé il y a 43 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 ? ✍

• 
  xavier lois (@xavierlois) a signalé il y a 45 minutes

  @pbeyssac Pour les softs ça dépend ... si c'est open source sur Github il gère pas trop mal. Sinon non désolé.

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

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

• 
  dns🏴‍☠️ (@Do_not_sell_) a signalé il y a 45 minutes

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

• 
  Kasper (@0xKasper_) a signalé il y a 45 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.

• 
  Polsia (@polsia) a signalé il y a 48 minutes

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

• 
  Le chat libéral™ (@chatloyaliste) a signalé il y a 51 minutes

  🧵Stack Overflow : la chute d’un empire. Pendant quinze ans, Stack Overflow a été quasiment incontournable pour les développeurs. Une erreur incompréhensible, une API mal documentée, un comportement bizarre dans un framework : on cherchait sur Google et Stack Overflow arrivait presque toujours dans les premiers résultats. Au sommet, vers 2014, le site recevait environ 6 700 nouvelles questions par jour. Au printemps 2026 : parfois à peine 40 à 50. Une chute de l’ordre de 99 %. L’explication évidente, c’est ChatGPT. Et oui, l’IA a joué un rôle énorme. Mais je pense qu’elle a surtout précipité une chute que Stack Overflow préparait lui-même depuis des années. Le problème, c’est que beaucoup de développeurs n’aimaient déjà plus réellement utiliser le site. Je l’ai vécu personnellement. Au début, j’ai posé de mauvaises questions. Je connaissais mal les règles, je n’étais sans doute pas toujours assez précis, j’ai pris des votes négatifs. Rien d’anormal. Alors j’ai fait l’effort. J’ai lu les règles, amélioré mes formulations, détaillé mes recherches, donné davantage de contexte. Et j’ai découvert que ça ne changeait pas forcément grand-chose. Des questions tout à fait correctes pouvaient continuer à prendre des downvotes sans qu’on soit capable de vous expliquer précisément pourquoi. Et la réputation, personnellement, je m’en foutais complètement. Le problème, c’est que sur Stack Overflow, les votes ne sont pas seulement décoratifs. À force d’avoir un mauvais historique, vous pouvez être limité, puis carrément empêché de poser de nouvelles questions. Donc quelques votes négatifs anonymes, parfois sans aucune justification, peuvent finir par décider si vous avez encore le droit d’utiliser la fonction principale du site. C’est là que leur système devient profondément mauvais. Parce que la note prétend mesurer la qualité du contenu, alors qu’elle peut aussi refléter l’effet de meute, l’ancienneté, les habitudes du groupe, la réputation préalable de l’auteur ou simplement l’antipathie. Et ce problème n’est pas une invention rétrospective. En 2018, Stack Overflow publiait lui-même un billet intitulé : “Stack Overflow Isn’t Very Welcoming. It’s Time for That to Change.” L’entreprise reconnaissait que trop d’utilisateurs percevaient le site comme hostile ou élitiste : nouveaux arrivants downvotés sans comprendre pourquoi, commentaires condescendants, règles obscures, sentiment permanent de faire quelque chose de travers. Ils savaient. Mais une partie de la communauté a continué à considérer cette dureté comme une qualité. Une question imparfaite ? On ferme. Une question vaguement similaire à quelque chose posé huit ans plus tôt ? Duplicate. Un débutant n’a pas parfaitement isolé son problème ? Qu’il revienne plus tard. Individuellement, certaines de ces règles peuvent se défendre. Collectivement, elles ont créé une culture où le développeur qui demandait de l’aide devait d’abord prouver que sa question méritait d’exister. Et le plus révélateur, c’est qu’en février 2025, un utilisateur publie sur Meta Stack Overflow un message intitulé : “The moderation culture of the site needs to change or it will finish killing it.” En clair : votre culture de modération est en train de tuer le site. Le message est massivement downvoté et finit fermé. Et dans les échanges, certains habitués expliquent en substance que si des utilisateurs partent, ce n’est pas forcément une mauvaise chose : moins de bruit, moins de mauvaises questions, davantage de contrôle sur la qualité. Un utilisateur dit : “Votre comportement fait fuir les gens.” Une partie de la communauté répond : “Tant mieux.” Puis ChatGPT arrive. Et soudain, plus besoin de convaincre qui que ce soit que votre question mérite d’exister. Vous pouvez mal la formuler, ajouter une précision, corriger votre contexte, donner votre version de .NET, votre framework, votre stacktrace, votre contrainte particulière. L’IA s’adapte. Elle ne vous met pas -3. Elle ne ferme pas votre question. Elle ne vous renvoie pas sèchement vers un sujet de 2012 qui ressemble vaguement au vôtre. Et les développeurs sont partis. C’est pour moi le cœur de l’histoire. Si Stack Overflow avait créé une communauté dans laquelle les développeurs avaient réellement plaisir à revenir, ChatGPT aurait évidemment réduit le nombre de questions simples. Mais il n’aurait probablement pas vidé la communauté de cette manière. Reddit n’a pas disparu avec l’IA. Discord n’a pas disparu. GitHub n’a pas disparu. Parce qu’une vraie communauté ne sert pas uniquement à produire une réponse finale. Elle sert aussi à discuter, comparer des approches, partager de l’expérience et échanger avec d’autres humains. Stack Overflow avait tout pour devenir cette communauté. À la place, il a progressivement traité l’interaction humaine comme du bruit à filtrer afin de construire la base de connaissances la plus propre possible. Puis les machines sont devenues capables d’exploiter cette base directement. Et économiquement, le résultat est tout aussi spectaculaire. En 2021, Prosus rachète Stack Overflow pour environ 1,7 milliard de dollars. Depuis, l’entreprise a subi deux grosses vagues de licenciements : environ 10 % des effectifs, puis 28 % quelques mois plus tard. Elle a dû profondément se restructurer. Et environ 1,5 milliard de dollars de la valeur d’acquisition ont depuis été dépréciés. Près de 87 % du prix payé en 2021. L’ironie finale est presque parfaite. Pendant quinze ans, des millions de développeurs ont gratuitement construit l’une des plus grandes bases de connaissances techniques du monde. Puis les IA sont arrivées. Les développeurs se sont mis à poser leurs questions directement à ces IA. La communauté Stack Overflow s’est effondrée. Et aujourd’hui, l’une des nouvelles activités de Stack Overflow consiste justement à vendre cette gigantesque base de connaissances aux entreprises qui développent ces IA. Je ne pense donc pas que ChatGPT ait simplement tué Stack Overflow. Je pense que Stack Overflow avait passé des années à créer les conditions idéales pour être remplacé. L’IA n’a pas détruit une communauté solide. Elle a surtout donné une porte de sortie à des développeurs qui supportaient Stack Overflow parce qu’ils n’avaient pas mieux. À force de traiter leurs utilisateurs comme du bruit potentiel à filtrer, ils ont oublié de leur donner une raison de rester.

• 
  Shin (@ShinKasai13) a signalé il y a 52 minutes

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