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:

• 
  Nexor777 (@Nexor777_) a signalé il y a 2 minutes

  @Jouhatsu_ai magnifique site !! j'aurai une question stp Claude code ne reconnait pas Github pourtant je l'ai installé et je l'ai connecté aussi à claude je ne comprends pas du coup où est le problème ...?

• 
  Gaeul fan account (@HaoyiFR) a signalé il y a 7 minutes

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

• 
  Léo Bachelot (@egocgp) a signalé il y a 8 minutes

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

• 
  lumibuilds.fr (@LumenSignifier) a signalé il y a 8 minutes

  Le GitHub MCP balance ~55k tokens dans ton contexte avant que l'agent ait rien fait. On empile les serveurs comme des plugins, puis on s'étonne que l'agent soit lent et cher. Le futur c'est pas plus d'outils. C'est le selective loading. Vous en branchez combien, vous ?

• 
  Devworks (@khelifa_abdel) a signalé il y a 11 minutes

  Les gens pensent vraiment que l'IA fait un site de A à Z.... Elle configure l'hébergeur toute seule Elle protège les données sensibles des utilisateurs aussi Elle installe la Base de données Elle gère les liaison Elle sécurise les fichiers de MDM? Y'a des gens qui ont tapé fais moi un bouton dans chatgpt et qui se croient développeurs🫣🫣 Alors qui savent même pas ce qu'est GitHub . Une calculatrice a jamais tué un prof de maths.

• 
  Quentin L · Système IA personnel (@QuentinLecocq_) a signalé il y a 12 minutes

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

• 
  Le chat libéral™ (@chatloyaliste) a signalé il y a 12 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.

• 
  Bastien Gares (@bastiengares) a signalé il y a 19 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)

• 
  Laurent MILTGEN-DELINCHAMP (@kubernan) a signalé il y a 20 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.

• 
  Aurea (@AureaLibe) a signalé il y a 20 minutes

  J’ai un ami qui a un logiciel SaaS avec des milliers d’utilisateurs et qui a automatisé tout son support client avec une IA. Je n’ai pas osé lui dire que c’était illégal dans l’UE et qu’il allait devoir annoncer à tous ses utilisateurs qu’ils parlent avec un robot. Son truc est pourtant simple mais bien fait. Un script passe toutes les 10 minutes et lance un agent IA, qui va lire les messages en attente et qui répond dans le chat. Ça lui coûte 0 euro d’API supplémentaire, car il automatise avec son abonnement Codex/Claude Code. Je lui ai demandé pourquoi 10 minutes et pas un truc qui répond plus vite. Il m’a dit qu’il a fait exprès pour faire attendre un peu les gens, pour éviter que ça spam trop le chat de demandes inutiles. Les 10 minutes permettent de filtrer. Comme l’IA a accès à toute sa documentation du logiciel, elle peut répondre à 90 % des questions sans problème. Pour les 10 % restants, quand elle comprend que le problème est réellement technique, elle dit à l’utilisateur qu’il est remonté à l’équipe technique, qu’il va être traité et qu’ils vont revenir vers lui. L’IA ouvre alors un ticket GitHub et envoie une notification à mon ami. Quand il a terminé et déployé le correctif, l’IA envoie automatiquement un message à l’utilisateur concerné en lisant le correctif. Il a donc viré l’humain de la boucle de A à Z en mode artisanal. Il l’a fait simplement, sans logiciel dédié, avec un cron et un script à l’ancienne, et le pire est que ses clients ne voient même pas la différence car ça ressemble à n’importe quel support classique. Mais l’UE veut maintenant lui imposer de déclarer à ces mêmes clients qui ne sont pas capables de voir la différence entre un humain et un robot qu’ils parlent à un robot. Sauf que si le client sait qu’il parle à un robot, il ne sera pas content, la satisfaction client baissera, et il partira chez les concurrents américains qui eux ne diront pas que leur support est aussi géré par des agents IA… Merci l’Europe.

• 
  OrkStr (@OrkStr) a signalé il y a 22 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 ? ✍

• 
  Jour Meilleur (@bubulevrai) a signalé il y a 23 minutes

  @tatiann69922625 @seblatombe L'application avait un dépôt Github. Peut-être a t-il été transféré ailleurs. Site en maintenance.

• 
  L'ours ronchon (@Loursronchon) a signalé il y a 26 minutes

  @SouveraineTech J'avais essayé il y'a deux mois, pas mal buggué, et vu les retours sur github ca venait pas de chez moi !

• 
  Roso (@RosoAI) a signalé il y a 32 minutes

  @fontanaen11 @github J’ai jamais eu ce problème

• 
  The NEWS (@thenews_fr) a signalé il y a 33 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.