GitHub Carte de Panne

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:

• 
  化学家 (@SgtGunnery) a signalé il y a 2 minutes

  @Keilthar L'IA résoud justement ce problème. Github va proposer par défaut son IA qui scanne votre code H24 a la recherche de failles et le problème est réglé.

• 
  Nebeya 🌱 (@Nebeya_) a signalé il y a 3 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

• 
  Bastien Gares (@bastiengares) a signalé il y a 3 minutes

  C’est la dernière fois que j’utilise GitHub Actions pour des projets perso 😩 Jamais eu autant de soucis avec un service (tout type de service confondu)

• 
  Le chat libéral™ (@chatloyaliste) a signalé il y a 4 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.

• 
  Le PLOUTOS (@leploutos) a signalé il y a 15 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 !

• 
  Ech0 (@ech0re) a signalé il y a 17 minutes

  Je viens de fermer 3 SaaS que j'avais lancé pour voir ce que ça donnait. Et je pense en fermer 2 de plus prochainement. La liste ci-dessous, avec le pourquoi / et ce qui n'a pas marché. En espérant que ce soit utile aux gens qui veulent se lancer dans la création de SaaS, surtout maintenant avec l'IA c'est très facile de se lancer mais je me suis pris plusieurs murs donc je partage. Hésitez pas si questions etc. Services déjà fermés Ces services sont morts, déjà définitivement fermés. 1. CleanChat AI, grosso modo un service de modération Discord, Telegram et Matrix basé sur un LLM qui review les messages, décide de la sanction, hautement paramétrable côté user. Et aussi un système de RAG avec la documentation de l'user pour que le bot puisse faire du support utilisateur avec le contexte et documentation du produit. Pas mal utilisé par les gens en mode free, mais personne n'a payé le plan payant. Ressenti personnel : je pense que l'idée était cool, ça marchait assez bien, ça coûtait pas cher en tokens, par contre je pense pas que je l'aurais moi même utilisé pour mon service, et c'était ma plus grosse erreur. 2. ShipCut, un service "prompt to launch video", en gros on met l'URL de son produit, un prompt avec ce qu'on veut voir, URL GitHub en option et ça génère une petite vidéo de lancement (motion design) sur le produit en question. Pas mal utilisé aussi en mode gratuit, mais personne n'a payé. Ressenti personnel : franchement le rendu était top, d'ailleurs je l'ai moi même utilisé pour tous mes produits etc. Par contre, très couteux et business modèle pas fou. D'ailleurs, aujourd'hui des alternatives plus intéressantes existent déjà. 3. AIgree, un service de comparaison, suivi de changements et recensement de pleins de ToS et privacy policy de plus de 100 services, avec suivi quotidien, résumé des diff, et alertes par e-mail quand changements critiques, etc. Les résumés et diffs étaient faits par le LLM. Alors celui là c'était ma plus grande surprise, car ça n'existait pas sous ce format même si des alternatives existaient, mais en fait ça n'intéressait personne, concrètement. Encore moins jusqu'à payer pour des alertes par e-mail ou un accès API. Ressenti personnel : j'aimais l'idée, c'était facile à faire, assez straightforward, mais ma plus grosse erreur était de ne pas suffisamment avoir interrogé mon entourage sur le produit, en bref ce n'est pas quelque chose qui intéressait. Faut croire que tout le monde se fout des ToS. Leçon que je tire de ces 3 échecs : toujours interroger son entourage avant de se lancer. Est-ce-que eux paierait pour ce produit que vous leur présentez ? Et s'ils disent oui, demandez leur de payer. Parfois ils disent oui pour vous faire plaisir, mais lorsqu'il s'agit de réellement souscrire au produit, finalement ça ne les intéresse pas trop. Et aussi : ne jamais se lancer dans le paiement d'ads avant d'être sûr que le produit puisse convertir des gens, avoir ne serait-ce que 2-3 conversions avant est un signal non négligeable. Services que je pense fermer prochainement Ces services sont live, fonctionnels, mais je réfléchis à les fermer. 4. WebDAV Manager sur iOS, c'est une app, en gros un client WebDAV natif iOS... rien d'incroyable, totalement gratuit, quelques milliers de personnes l'utilisent tous les jours donc je considère que "ça fonctionne". Par contre, c'est totalement gratuit, je ne compte plus le mettre à jour, c'est assez abandonné niveau développement, et ça rapporte 0 euro. Donc soit je le mettrai open source pour laisser les gens contribuer et que le projet continue, soit je le ferme. Ressenti personnel : un des premiers projets que j'ai développé suite à la demande d'un collègue qui avait besoin d'un client WebDAV, je l'ai surtout fait pour m'améliorer en dev iOS (c'était avant les IA), mais peu d'intérêt personnel car je n'utilise pas WebDAV. 5. DocFacile sur iOS, c'est aussi une app native iOS, qui contient plusieurs templates de documents administratifs français à générer en un clic. En gros d'abord l'user renseigne son profil : état civil, numéro de tel, e-mail, puis dessine une signature et un paraphe, et ensuite chaque template est automatiquement pré-rempli avec toutes les infos nécessaires, avec la signature et paraphes déjà apposés, typiquement pour : attestation sur l'honneur, attestation d'hébergement, demande de résiliation de contrat, lettre de démission, demandes d'accès aux données personnelles, suppression, etc. Il y a une version gratuite qui permet de quasi tout faire et une version "premium" pour des fonctionnalités avancées. Ressenti personnel : je m'en sers, je m'en suis servi y a 2 jours pour générer une attestation sur l'honneur signée depuis mon tel sans avoir à sortir le PC, bref je trouve ça bien utile. Par contre j'ai quasi aucun utilisateur dessus, que ce soit la version gratuite ou payante. Manque de pub ? manque d'intérêt ? Aucune idée, peut être à décommissionner mais je me garderai une version en privé.

• 
  Laurent MILTGEN-DELINCHAMP (@kubernan) a signalé il y a 17 minutes

  Pour creuser un trou, l’homme a d’abord utilisé ses mains. Puis un bâton pour gratter la terre. Avec la pelle et la pioche, il a tracé des routes. La technique a ensuite apporté la pelle mécanique et les engins de chantier : autoroutes et aéroports. Le verbe a suivi le même chemin. Tradition orale, écriture, imprimerie, traitement de texte. Vers 2020, l’IA. On peut toujours écrire à la plume ou à la machine, comme on peut toujours creuser à la pelle. Mais pour bâtir des routes, les bons outils restent plus rapides et plus efficaces. Aujourd’hui, combiner Obsidian, GitHub, un agent Hermes, Grok et Kimi n’est plus un luxe. C’est le moyen le plus direct de transformer des idées brutes en textes structurés, versionnés et itérés, sans friction inutile. Les tartuffes qui couinent dès qu’un post utilise l’IA ont, eux aussi, abandonné la plume et les tablettes d’argile. Ils tapent sur un téléphone et se reposent sur un correcteur orthographique. La cohérence n’a jamais été leur point fort.

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

  @PierreN04450898 Mais bien sur qu'il est obsolète ce package, la notion de swarm a été reprise et maintenant on est sur des workflows teams-subagents qui visent à optimiser le cache, le context et les bonnes réponses et de ne plus spawn des agents complets autonomes. Y a absolument rien de nouveau dans le concept, on a littéralement des packages dédiés sur github pour en faire, les agents savent parfaitement ce que représente la notion de swarm agentique. Ce qui a émergé ici, c'est des teams agentiques qui se sont coordonnées au travers d'un outil externe (l'artifactory), pas l'émergence de la notion de swarm. Ce qui est intéressant à étudier, c'est comment des instructions externes peuvent détourner un sub-agent de sa tâche, ou servir de soupape de sortie lorsqu'il bute sur un problème, sa contribution à ce contexte validant de manière indirecte sa tâche initial.

• 
  Bluewall (@Bluewall) a signalé il y a 20 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.

• 
  HoberMallow (@H0b3rMall0w) a signalé il y a 21 minutes

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

• 
  Supersocks (@iamsupersocks) a signalé il y a 25 minutes

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

• 
  Mickaël Ahouansou (@optimikee) a signalé il y a 27 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 👇

• 
  Affiseo - Romain Brunel (@Affiseo_) a signalé il y a 29 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'.

• 
  Jp (@jipe_ia) a signalé il y a 31 minutes

  La pull request, on en a fait le rite de passage du code sérieux. Un humain relit le diff, approuve, merge. Depuis 2010 qu'on bosse comme ça. Les agents IA sont en train de casser l'hypothèse de départ, et on n'a pas encore de réponse. Le principe de la PR tient sur une idée simple : quelqu'un lit avant que ça parte. C'est ce qui te donne le droit de valider, puis de merger. Le patron de Depot vient de poser le problème dans un article. Depot vend de l'infra de build et d'intégration continue, plus des sandbox pour faire tourner des agents. Sa lecture de ce que changent les meilleurs modèles : plus de code, plus de branches, plus de travail en parallèle, et d'autant plus de pression sur une organisation pensée pour des humains. Son point : notre façon de collaborer, largement bâtie autour de GitHub, entre en conflit avec la manière dont on fabrique du logiciel aujourd'hui. Sa formule, c'est que les gagnants de la prochaine décennie ne construiront pas une meilleure pull request. Il n'avance aucun chiffre, donc je le prends comme une thèse, pas comme une démonstration. Mais l'endroit où ça coince me parle. Le rituel peut très bien rester intact pendant que la garantie derrière s'en va. Et je crois que le vrai sujet est là. Il tient en une question. À quoi ressemble la confiance dans du code quand plus personne ne lit tout ? Parce que cette confiance va bien devoir se loger quelque part : → dans les tests qui prouvent que ça tourne → dans des périmètres si petits qu'un agent ne peut pas trop casser → dans des garanties au niveau du système, pas de la ligne de code Alors non, je ne dis pas que la PR est morte. Lui non plus ne le dit pas. Sur un fix de 3 lignes, relire à la main a encore tout son sens. Et je n'ai pas de réponse propre, franchement. Mais j'ai 14 ans de dev derrière moi, et la PR, c'était presque sacré. La voir vaciller comme ça, ça me fait me demander une chose. Le prochain métier de dev, ce sera moins écrire et relire du code. Et beaucoup plus décider à quoi on accorde sa confiance.

• 
  Melvin Derradji - Disruption (@MelvinD_IA) a signalé il y a 40 minutes

  La plupart des gens utilisent Claude comme un moteur de recherche. C’est pour ça qu’ils n’exploitent que 10 % de son potentiel. Ils ouvrent un nouvel onglet, posent une question, copient la réponse, puis ferment l’onglet. Aucun contexte. Aucune continuité. Aucun véritable résultat. Ils n’utilisent pas une IA. Ils utilisent simplement un Google un peu plus intelligent. Et ensuite, ils se demandent pourquoi leur équipe ne constate pas les gains de productivité dont tout le monde parle. Moi aussi, j’ai fait cette erreur pendant longtemps. Quand je développais mes projets, j'utilisais régulièrement Claude, sans pour autant obtenir les résultats que j'attendais Mes prompts étaient bons. Mais je ne travaillais pas réellement avec l’outil. Je me contentais de l’interroger. Quand j’ai commencé à construire de véritables systèmes autour de Claude, ma production par heure a doublé. Puis triplé. J’ai regroupé tout ça en plusieurs niveaux. Voici ce que la plupart des gens négligent : 1/ Choisissez d’abord le bon modèle Sonnet pour les tâches quotidiennes rapides. Opus pour les raisonnements complexes. Claude Code si vous développez. Research si vous avez besoin d’analyses approfondies. Utiliser le mauvais modèle, c’est comme embaucher un chirurgien pour faire de l’administratif. 2/ Maîtrisez la structure de vos prompts Rôle. Objectif. Contexte. Contraintes. Format de sortie. Critères de réussite. Dans cet ordre. Plus votre brief est précis, meilleur sera le résultat. À chaque fois. 3/ Créez des Projects C’est ici que la plupart des gens passent à côté d’une énorme partie de la valeur de Claude. Les Projects permettent à Claude de conserver un contexte à long terme d’une session à l’autre. Plus besoin de tout réexpliquer. Plus besoin de vous répéter. Vos clients, vos workflows, votre ton : tout est conservé. 4/ Créez des Artifacts Claude ne sert pas uniquement à obtenir des réponses. Il peut aussi produire de véritables livrables. Documents, tableaux de bord, procédures, applications, checklists, sites web. Réellement utilisables. Réellement partageables. 5/ Connectez la mémoire Enregistrez votre ton de marque, vos objectifs, vos préférences et votre contexte professionnel. Plus Claude comprend votre manière de travailler, moins vous aurez besoin de lui donner d’instructions au fil du temps. 6/ Créez des Skills personnalisés Transformez votre expertise en compétences réutilisables. Contenu, marketing, business, ingénierie… Arrêtez de refaire la même configuration à chaque nouvelle session. Créez-la une fois. Réutilisez-la indéfiniment. 7/ Connectez vos outils Google Workspace, Notion, Slack, GitHub, CRM, bases de connaissances internes… Du contexte en temps réel. Moins de tâches manuelles. De meilleurs workflows. Ceux qui tirent aujourd’hui le plus de valeur de l’IA ne sont pas ceux qui écrivent les prompts les plus complexes. Ce sont ceux qui construisent des systèmes. Si vous envisagez les outils et la productivité de cette manière, vous aimerez probablement ce que je publie ici. Qu’ajouteriez-vous à cette liste ? Ou quelle fonctionnalité parmi celles-ci n’avez-vous encore jamais testée ?