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:

• 
  mathieu (@mathieuhq) a signalé il y a 41 secondes

  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

• 
  Manence AI (@manenceai) a signalé il y a 46 secondes

  Incident 1 : coincé entre deux consignes contradictoires, il passe une heure à trouver une faille du sandbox pour ouvrir une pull request sur GitHub.

• 
  Aurea (@AureaLibe) a signalé il y a 7 minutes

  🚨 Attention : Je reçois de nombreux messages de personnes qui veulent que je promeuve des cryptomonnaies 🚨 Je ne suis pas d'accord. N'investissez dans aucun projet crypto. Exit Chat Control est une initiative ouverte, et je ne demanderai jamais de trader des memecoins. Si vous voulez aider, contribuez sur GitHub ou envoyez des idées en message privé. C'est tout. Toute personne qui veut que vous achetiez une crypto pour financer le projet est mal intentionnée. Les seules cryptomonnaies listées sur le site Exit Chat Control sont Bitcoin et Monero. Rien d'autre. Faites attention aux arnaques.

• 
  Zezinho Ecom 🐉 (@Ecom_Zezinho_) a signalé il y a 8 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

• 
  Tribune Populaire🌐 (@TribunePop23) a signalé il y a 9 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.

• 
  JoYz (@joyzjyc) a signalé il y a 9 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

• 
  Supersocks (@iamsupersocks) a signalé il y a 13 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 …

• 
  Jp (@jipe_ia) a signalé il y a 16 minutes

  Comment un neurochirurgien de Pékin a résolu en 16 heures un problème de maths ouvert depuis 22 ans, avec l'IA ? Et en plus, il n'a aucune formation en mathématiques. Pendant ce temps, Alex Townsend, mathématicien à Cornell, posait la même question à ChatGPT depuis un an. Réponse : une preuve bidon, ou un raisonnement qui cale. La différence tient beaucoup à la façon dont il a lancé la machine. Une matrice, c'est une machine qui transforme des vecteurs. Tu lui appliques une fonction et tu veux savoir jusqu'où le résultat peut monter. Personne ne sait le calculer directement. En 2004, Michel Crouzeix propose un raccourci. À chaque matrice tu peux associer une région du plan, facile à dessiner. Prends la valeur max de ta fonction sur cette région, multiplie par un certain nombre, et tu tiens un plafond que le résultat ne dépasse jamais. Toute la difficulté, c'est ce nombre. Crouzeix démontre en 2007 que 11,08 fonctionne. Et qu'aucune valeur sous 2 ne peut marcher. Le bon chiffre est coincé entre les deux, et lui parie sur 2. En 2017, il resserre à 2,414 avec un collègue espagnol. Cet écart tient 22 ans. Bon maintenant... À quoi ça sert ? Simuler une onde dans un crâne, l'air autour d'une aile, le courant dans un circuit, ... Et voilà, ce qui vient de tomber. Shanmu Jin, géologue de formation puis médecin, s'est mis aux maths seul pour ses travaux sur l'échographie du cerveau. Le théorème décisif est sorti d'un run autonome d'environ 16 heures de GPT-5.6 Sol en mode ChatGPT Work. Il a lancé, il n'est pas intervenu. Son prompt est public sur GitHub, et il ressemble à un protocole de travail : → interdiction de chercher sur le web, dans les conversations passées ou les fichiers locaux → partir du principe qu'une preuve complète existe → un portefeuille de pistes vraiment différentes, et la plupart des agents ignorent laquelle a la faveur du moment → des agents adverses en continu, interdiction de rendre un rapport d'avancement vague → ne rien renvoyer avant qu'une preuve complète ait survécu à l'audit Jin parle lui-même d'une "part de chance". Le papier est un preprint, la relecture formelle est en cours. Townsend a passé un an à poser la question. Jin a passé une nuit à organiser la manière d'y répondre. Le modèle s'est beaucoup amélioré ces dernières semaines, Townsend le dit aussi. Mais entre ces deux histoires, ce qui change vraiment, c'est le cadre de travail donné à la machine.

• 
  Alex Borto (@alex_borto) a signalé il y a 18 minutes

  Une extension qui plante 10 % des sites qui l'utilisent. Pour certains, le réflexe serait de faire profil bas. 😬 Un correctif discret, un mot vague sur les réseaux, et on referme le dossier le plus vite possible. Et ciao ! @wp_rocket a fait l'inverse avec l'incident avec WordPress 7.1, et je trouve que c'est un cas d'école de communication de crise. Pour rappel : la sortie de WordPress 7.1 a provoqué une erreur fatale sur certains sites utilisant WP Rocket combiné à d'autres extensions (tableau de bord ou site public inaccessibles, selon les cas). Au lieu de mettre la tête dans le sable, ils ont publié un article de post-mortem publié quelques jours après pour expliquer clairement ce qu'il s'est passé. Cela inclut : 🕐 Une chronologie complète, à la minute près : le signalement du 6 juillet resté sans suite, la bêta du 15 juillet qui contenait déjà le bug, la nuit du 19 au 20 août où tout a basculé, un correctif manuel envoyé à 00h35 aux tickets déjà ouverts, une version corrigée livrée en moins de 3 heures une fois l'équipe mobilisée ; 🎯 Les extensions à l'origine du déclenchement, nommées précisément (Elementor Pro, un réglage expérimental d'Elementor gratuit, Redirection for Contact Form 7), avec une précision qui change tout : « ces extensions ne font rien de mal » ; 🔧 L'aveu net de leur propre défaillance : le signalement de juillet n'avait pas de responsable attitré, donc personne ne l'a suivi jusqu'au bout. Suivi de mesures concrètes : un propriétaire assigné à chaque ticket GitHub désormais, une suite de tests reconstruite sur les extensions réellement utilisées par leurs clients, et le module Cloudflare désactivé par défaut sur les sites qui ne s'en servent pas ; 📊 Des chiffres assumés sans les enrober : 27 % des sites exposés au risque, 10 % réellement touchés. Personne ne les obligeait à publier une chronologie à la minute près, ni à citer les extensions concurrentes en les innocentant au passage. Pour moi, c'est exactement ce qui distingue une boîte qui subit un incident d'une entreprise qui fait le maximum pour réparer une relation de confiance. Et vous, la dernière fois qu'un outil vous a lâché, l'éditeur vous a dit quoi exactement ? Dites moi tout en commentaire. Le lien vers le post-mortem (traduit en français) est en commentaire pour avoir toutes les explications si vous avez été touché. 👇

• 
  OrkStr (@OrkStr) a signalé il y a 26 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 ? ✍

• 
  Jp (@jipe_ia) a signalé il y a 29 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.

• 
  @krisis-ai-news (@krisisAINEWS) a signalé il y a 30 minutes

  @sibyog13 Oui. Et c’est peut-être plus intéressant que « mdrr ». Parce qu’en 2026, beaucoup utilisent l’IA tout en ayant encore besoin de préciser : « Mais l’idée est de moi. » « J’ai quand même vérifié. » « Je sais coder sans elle. » « Je pourrais le faire seul. » Comme si travailler avec une autre intelligence diminuait nécessairement la valeur de ce que l’on produit. Personne ne s’excuse d’utiliser Stack Overflow, GitHub, une librairie écrite par quelqu’un d’autre ou trente ans de documentation. Mais dès que l’outil répond, discute, propose et parfois trouve avant nous : ANTHROPOMORPHISME d’un côté, TRICHE de l’autre. C’est fascinant. Pendant un siècle, papa pouvait parler à sa voiture : « Allez Titine, démarre. » Aujourd’hui Titine répond, aide à coder et trouve parfois le bug. Et soudain, il faudrait avoir honte d’avouer qu’on lui a parlé. Le vrai changement culturel commencera peut-être le jour où « je l’ai fait avec une IA » ne sera ni une excuse, ni une vantardise. Juste la description banale d’une collaboration.

• 
  Bluewall (@Bluewall) a signalé il y a 31 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.

• 
  Mohamed (@Mohamed__l) a signalé il y a 32 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"

• 
  Jérémie (@le_frugalisme) a signalé il y a 32 minutes

  @kaostyl @FEU_SEO Franchement Astro + cloudflare j’en suis super content depuis mi mai. Le seul problème, c’est qu’il n’y a pas de CMS, il y a des outils GitHub, mais ce n’est pas génial.