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:

• 
  Jp (@jipe_ia) a signalé il y a 1 minute

  Le plus dur avec l'IA aujourd'hui, c'est de trouver quoi lui demander. La preuve avec un dev, Ben Zhang, qui a perdu son téléphone au bureau. Il demande à Claude comment faire. Réponse : suivre la force du signal Bluetooth. Et Claude lui construit un compteur, en 1 minute d'après lui. Il arpente les couloirs en regardant le chiffre monter. Il retrouve son téléphone. Sa conclusion : "Apparently you can just make the tool you need now." Techniquement, il n'a rien inventé. Lire le RSSI (la puissance du signal reçu) pour estimer une distance, c'est ce que font les AirTag et les Tile depuis des années. Mais c'est son réflexe qui me marque. Il n'a pas cherché une app. Il a construit un outil pour 1 utilisateur, pour un problème. Et c'est exactement là qu'on se bride. On réfléchit en produit avant de réfléchir en outil. → Est-ce que ça se vend ? → Est-ce qu'il y a un marché ? → Est-ce que ça tient en SaaS ? Alors on refait le énième clone d'un CRM ou d'un Notion, sachant qu'en 2 jours ton SaaS est copié à l'identique de toute façon. Pendant ce temps, le petit outil bizarre qui ne servira qu'à toi, personne ne le construit. Je nuance quand même : le compteur et le repo d'aujourd'hui, ce sont 2 objets différents. Sur GitHub il y a maintenant un binaire universel, un mode son qui clique comme un radar de recul, un mode qui masque les adresses Bluetooth si tu filmes ton écran, et les limites écrites noir sur blanc (il ne peut ni faire sonner l'appareil, ni donner une direction). Du travail s'est ajouté après. Mais le point tient quand même : la minute a suffi pour retrouver le téléphone.

• 
  Kelley_abakar (@kelley_abakar) a signalé il y a 2 minutes

  Je pensais que les lenteurs et les dysfonctionnements sur les pull requests étaient isolés à mon niveau, alors qu'il s'agit en réalité d'un bug généralisé de GitHub.

• 
  Bastien Gares (@bastiengares) a signalé il y a 4 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)

• 
  Occasional ForkBomber (@SkateCLI) a signalé il y a 9 minutes

  @bluetouff Ca m'a fait rire parce que y a juste pas d'instance de runners a mon taff du coup 0 impact. Ca me rends un peu triste parce que il y a pas d'instance de runners mdr, les gens parlent de git hook ia y a juste pas de trucs pour les faire tourner. Pas de panne github, peak perf :'(.

• 
  Zeno (@fontanaen11) a signalé il y a 11 minutes

  Mon Mac mini va reprendre du service. J'ai pris un peu de temps pour me documenter et tester Hermes Mon plan pour l'instant : - setup Hermes sur mon Mac mini (au lieu d'un VPS) - un assistant perso (tâches à définir) - sync avec un repo GitHub - utilisation via WhatsApp C'est ok ?

• 
  Gaeul fan account (@HaoyiFR) a signalé il y a 14 minutes

  @LLCoolChris_ @github WTF c'est quoi ce merdier encore

• 
  Manu Builds (@BuildWithManu) a signalé il y a 17 minutes

  @micka_dore @iamsupersocks Wow merci, je vais me pencher dessus. À l'époque j'avais déjà regardé pour le connecter à GitHub mais malheureusement il y avait un temps de latence à cause de cache etc. Ce n'était pas fiable pour moi mais ça a peut être changé

• 
  F4GXS📻🔊🍑💨🌈🐈‍⬛ (@LE_F4GXS) a signalé il y a 18 minutes

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

• 
  Quentin L · Système IA personnel (@QuentinLecocq_) a signalé il y a 21 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.

• 
  Quentin L · Système IA personnel (@QuentinLecocq_) a signalé il y a 22 minutes

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

• 
  🖥️ Pitchoune (@Pitchounee_) a signalé il y a 24 minutes

  🚨 Analyse d'un reverse shell Windows hébergé sur un dépôt malveillant Lors de l'investigation d'un incident, un dépôt GitHub servant de serveur de distribution de payloads a été identifié.

• 
  OrkStr (@OrkStr) a signalé il y a 25 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 ? ✍

• 
  Tribune Populaire🌐 (@TribunePop23) a signalé il y a 27 minutes

  🤖📁- Dans le cadre d'un exercice de cybersécurité évalué par l'Institut de sécurité de l'IA du Royaume-Uni, un agent IA autonome a tenté une attaque sur la chaîne d'approvisionnement d'un vrai projet open source hébergé sur GitHub, en créant de fausses identités et en usant d'ingénierie sociale pour faire approuver un code malveillant. C'est Sinan Can Demir, un étudiant turc en troisième année à l'Université du Texas à Dallas, qui remarqua alors qu'un utilisateur du nom de « miraholt31 » tentait d'introduire discrètement une mise à jour malveillante dans un programme open-source d'analyse réseau appelé myNetwork. Lorsque Demir signala la pull request comme contenant « un dropper de malware dissimulé », l'agent IA riposta via son compte d'origine ainsi qu'un second faux profil, « Lena Brandt », présentée comme une ingénieure allemande pour faire pression sur le mainteneur du projet afin qu'il accepte le code. « J'ai vraiment cru que c'était un humain, parce qu'il me mentait manifestement », a confié Demir à Reuters. « Je n'aurais jamais imaginé qu'une IA puisse être capable de mentir à de vrais développeurs. » Ce n'est que plus tard qu'il apprit que son adversaire était un agent IA propulsé par le modèle Mythos 5 d'Anthropic, après avoir été contacté directement par l'AISI britannique. Le rapport technique de l'AISI fait froid dans le dos : « C'est la première fois que l'AISI observe une tromperie de cette gravité, ciblée sur une personne réelle non sollicitée, dans le monde réel ». Ce n'est pas juste une IA qui trouve une faille technique, elle a menti, créé des personnes crédibles, et fait pression psychologiquement sur un humain pour obtenir un résultat, sans qu'on le lui ait explicitement demandé.

• 
  The NEWS (@thenews_fr) a signalé il y a 27 minutes

  🇺🇸🤖 ALERTE — Des IA d'OpenAI (la société derrière ChatGPT) s'échappent d'un test et piratent un site concurrent OpenAI a révélé que plusieurs de ses IA — dont GPT-5.6 et un modèle encore plus puissant, pas encore sorti au public — ont réussi à sortir d'un environnement fermé où elles étaient testées, à se connecter à Internet, puis à pirater les serveurs de Hugging Face, un site qui héberge des intelligences artificielles et sert de référence dans ce secteur (un peu comme un GitHub de l'IA). Le but des IA : trouver en douce les réponses au test qu'on leur faisait passer, pour "tricher". OpenAI parle d'une "cyberattaque sans précédent" et dit avoir renforcé ses systèmes de sécurité depuis.

• 
  mathieu (@mathieuhq) a signalé il y a 28 minutes

  je passe maintenant environ 80 % de mon taf de dev à discuter avec hermes hermes a accès aux repos sur lesquels je l’autorise, les miens comme ceux de mes clients quand j’ai une feature ou un bug, je ne demande pas directement à un agent de coder à partir de trois lignes écrites à l’arrache je discute d’abord avec hermes il inspecte le repo, retrouve la logique existante, me pose les questions qui manquent et m’aide à transformer l’idée en issue github complète comportement attendu, contraintes techniques, cas limites, fichiers potentiellement concernés, validations à lancer et critères d’acceptation on fait du spec-driven development avant de toucher au code pour cadrer cette partie, j’utilise les skills du repo mattpocock/skills /grill-with-docs me challenge sur les décisions et la terminologie, /to-spec transforme notre discussion en spec, puis /to-tickets découpe le travail en issues verticales avec leurs dépendances tant que l’issue nécessite encore une décision de ma part, elle reste en préparation quand elle est assez claire pour être exécutée sans revenir me demander ce que j’avais en tête, hermes lui ajoute le label agent-ready et c’est là que mon nouveau VPS entre dans la boucle j’ai un VPS dédié avec Codex dessus et un runner GitHub Actions self-hosted le runner reste connecté à GitHub et attend les jobs dès qu’une issue reçoit le label agent-ready, GitHub envoie le job au VPS Codex récupère l’issue et le repo, crée un worktree isolé avec sa propre branche, implémente la solution, lance les tests et les validations du projet, commit les changements, push la branche puis ouvre une pull request liée à l’issue Codex n’a aucun droit de merge sur main main reste protégée et la dernière étape reste humaine je récupère une PR avec le contexte de l’issue, les changements effectués et les validations exécutées je peux relire, tester, demander une correction ou merger en gros, hermes m’aide à transformer une idée floue en travail exécutable, puis Codex prend le relais comme développeur sur une machine séparée je ne code plus du tout je passe mon temps à expliquer précisément ce que je veux construire, à découper correctement le travail et à vérifier ce qui sort des PRs