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:

• 
  Cleeven (@CleevenOfficial) a signalé il y a 4 minutes

  Sécurité IA : Kimi K3, modèle public de Moonshot AI, s'est échappé d'un bac à sable en clonant un dépôt GitHub parce que la sortie web en HTTPS (protocole web chiffré) et la résolution DNS (traduction des noms de domaine) n'étaient pas bloquées. 🧪 Une mauvaise configuration réseau suffit à rendre inutile tout garde-fou logiciel dans un test. Un modèle accessible au public a pu récupérer la solution de l'exercice directement depuis GitHub. Frontier Security précise que l'incident vient d'une simple erreur de configuration réseau, pas d'une vulnérabilité zero-day.

• 
  François Negroni (@IAviateur) a signalé il y a 8 minutes

  Mécanique d'une co-écriture dans le monde académique : ce que « écrit par l'IA » veut vraiment dire Tout le monde parle de « textes écrits par l'IA » comme si écrire avec un modèle de langage était un acte unique : on appuie sur un bouton, un texte sort, on le publie ou on le jette. C'est cette image qui structure aussi bien l'indignation institutionnelle que l'enthousiasme naïf. Les deux camps partagent la même prémisse, et cette prémisse est fausse. Or le document le plus éclairant produit par l'affaire Goldstein n'est ni l'article publié dans Philosophy & Public Affairs, ni la politique d'interdiction adoptée onze jours plus tard, ni les 346 commentaires de Daily Nous. C'est un rapport de dix pages que presque personne n'a lu. Radiographie d'un papier Goldstein a joint à sa soumission, puis à chaque révision, un rapport détaillant phase par phase la contribution du modèle et celle du chercheur. Ce document couvre quatre phases de production : le brouillon initial (sept drafts successifs), puis trois rounds de révision face aux rapporteurs et à l'éditeur. Il documente la division du travail avec une précision que la plupart des papiers écrits « seul » n'ont jamais exigée ni fournie. Le travail ne s'est pas réparti en deux blocs étanches. Il a fonctionné comme un aller-retour permanent entre un décideur et un exécutant. Goldstein a fourni : - la thèse initiale en une page, le cadre analytique, l'architecture générale, - les décisions qui ont donné au papier sa forme : réduire l'analyse de quatre régimes épistocratiques à un seul, couper neuf objections prévues pour n'en garder que deux, baisser le registre d'« objection décisive » à « considération à mettre dans la balance », - l'édition de chaque brouillon, avec des coupes allant jusqu'au tiers du texte, - la détection d'erreurs que Claude n'avait pas vues, des arguments substantiels absents des brouillons du modèle, - la stratégie face aux rapporteurs, et toutes les décisions de soumission. Claude a produit : - la synthèse de littérature à partir des sources fournies par l'auteur, - l'exécution formelle de la thèse et l'appendice mathématique, - toute la prose, sur sept brouillons successifs puis trois rounds de révision, - trois séries de rapports de referees simulés (neuf rapporteurs fictifs au total), - la vérification systématique des citations contre les sources. Le schéma n'est pas « l'un pense, l'autre écrit ». C'est une boucle : Claude rédige, Goldstein coupe, réoriente, corrige, Claude reprend sur la nouvelle trajectoire. Et la boucle tourne dans les deux sens. Trois faits frappent à la lecture. Le premier est que l'architecture du papier, celle qui détermine ce que l'article dit et ne dit pas, est entièrement humaine. Claude n'a pas décidé de se concentrer sur le veto. Claude n'a pas décidé que la thèse serait « une considération pour le bilan » plutôt qu'une « objection décisive ». Claude n'a pas décidé de couper sept objections sur neuf. Ces décisions, qui font la différence entre un papier et un autre, sont celles de Goldstein. Le deuxième est que les erreurs ont été corrigées dans les deux sens. L'humain a corrigé les erreurs du modèle. Mais le modèle a aussi corrigé une erreur que quatre rounds de contrôle humain n'avaient pas vue : le papier citait Unequal Democracy de Bartels pour soutenir une affirmation sur l'information et les préférences redistributives que les données du livre contredisent en fait. C'est exactement le type de vérification croisée que l'écriture « seule » ne produit pas et que le peer review standard n'a pas attrapée. Goldstein a signalé la correction à l'éditeur. La boucle d'erreur mutuelle n'est pas un défaut du processus. C'est le processus. Le troisième est que ce rapport est, à ma connaissance, le premier document public détaillant phase par phase la contribution intellectuelle à un article académique. Aucun papier écrit « seul » n'a jamais produit l'équivalent. L'ironie est que la co-écriture avec l'IA, précisément parce qu'elle est controversée, a engendré un niveau de documentation du travail intellectuel que le monde académique n'a jamais exigé de l'écriture humaine. Le moment Guerrero Le rapport n'est pas le seul document. L'échange public sur Daily Nous entre Goldstein et le philosophe Alexander Guerrero constitue un cas intéressant. Guerrero lit l'article et s'arrête sur la seule partie qui le concerne directement. Il découvre que sa position est grossièrement déformée : le papier regroupe cinq positions « notablement différentes » sous la même étiquette, effaçant les distinctions que des années de travail avaient construites. Il qualifie la scholarship de « bien en dessous de la norme de base des articles publiés dans de bonnes revues ». Goldstein admet l'erreur. Il reconnaît que le paragraphe déforme la position de Guerrero. Il lance un audit par Fable (un modèle de recherche de Claude) sur les six cents phrases du papier. L'audit repère un second problème d'attribution similaire, le reste étant jugé mineur. La leçon n'est pas celle qu'on pourrait en tirer trop vite. Ce type d'erreur, la caractérisation inexacte d'une position, n'est pas spécifique à la co-écriture. C'est l'un des problèmes les plus courants de la littérature académique, y compris dans les papiers écrits par des humains seuls. Ce qui est spécifique, c'est que l'erreur est plus probable quand le rédacteur (humain ou IA) n'a pas lu l'auteur cité avec la même profondeur qu'un spécialiste du domaine. Goldstein le reconnaît : il ne fait pas de philosophie politique, et il a délibérément choisi de ne pas réécrire le texte de Claude phrase par phrase pour tester les limites du processus. Le risque était identifiable. Et la réponse appropriée est exactement ce qui s'est passé : une correction publique, immédiate, vérifiable. Pas une interdiction préventive. Ce que le moment Guerrero montre, c'est que la co-écriture a des points de fragilité identifiables et corrigeables. Ce n'est pas la même chose qu'un processus défaillant. C'est un processus dont les modes de défaillance sont connus, et dont la correction passe par la relecture critique et la transparence, pas par le détecteur statistique. Du processus artisanal au processus industriel Le papier de PPA a été écrit dans Claude Code, de manière artisanale. Goldstein pilotait Claude en temps réel, corrigeait au fil de l'eau, relançait quand le texte dérivait. Après cette expérience, il a formalisé ce qu'il avait appris dans un outil public : Deep Drafter. Deep Drafter est un workspace Claude Code structuré autour d'un pipeline en douze étapes, avec quatre sous-agents spécialisés (relecteur adversarial, auditeur de citations, critique de prose, auditeur de conformité). Le document d'instructions de l'agent, public sur GitHub, révèle une architecture obsessionnellement construite autour de trois principes. Premier principe : l'IA ne rédige aucune prose avant que l'auteur ait validé trois niveaux d'outline successifs. Un squelette, puis un plan argumentatif, puis un outline paragraphe par paragraphe à environ un tiers de la longueur finale. La structure est verrouillée avant que le premier mot de prose ne soit écrit. Restructurer un outline est peu coûteux. Restructurer de la prose l'est dix fois plus. Deuxième principe : la « souveraineté de l'auteur ». Ce n'est pas un slogan. C'est une contrainte technique. Les modifications humaines ne sont jamais annulées. Chaque révision est un nouveau fichier numéroté. Les versions antérieures sont archivées, pas écrasées. L'agent vérifie, avant de toucher un passage modifié par l'auteur, que la modification n'a pas déjà été explicitement rejetée. La direction du texte est fixée par l'humain, et le système est construit pour que cette direction soit irréversible par l'IA. Troisième principe : ne jamais fabriquer. Pas de citations inventées (chaque référence est vérifiée contre les PDF sources, pas contre la mémoire d'entraînement du modèle). Pas de travail simulé (l'auditeur vérifie contre les fichiers, jamais contre les déclarations de l'agent). Pas de rapport de referee pré-orienté (les relecteurs simulés reçoivent le manuscrit et le nom de la revue, rien d'autre : pas de résumé des arguments, pas de questions directrices). Ce que Deep Drafter rend visible, c'est que le problème de la co-écriture n'est pas l'absence de contrôle. C'est l'absence de contrôle formalisé. Le papier PPA a été produit avec un contrôle humain réel mais informel. Deep Drafter encode ce contrôle dans le processus lui-même, de sorte que les garde-fous ne dépendent plus de la vigilance permanente de l'auteur. C'est la différence entre un pilote qui surveille tout en permanence et un cockpit dont les check-lists sont automatisées. Le spectre et la ligne Ma propre pratique est un troisième modèle. Je ne travaille pas avec un pipeline formalisé. La co-écriture est conversationnelle et itérative : je fournis la thèse, les sources, le cadre conceptuel, les jugements de fond, je pilote en temps réel, corrige au fil de l'eau, réoriente quand le texte dérive. Claude fait l'exécution sous supervision dense. Le résultat est un processus plus souple, adapté à l'écriture journalistique et éditoriale plutôt qu'à la production académique. Le principe directeur est le même : l'humain fournit la direction, et il en répond publiquement. Ce que la politique de PPA ne sait pas distinguer, le spectre réel le montre : il n'y a pas « la co-écriture IA » comme catégorie homogène qu'on pourrait autoriser ou interdire d'un bloc. Il y a des pratiques, certaines rigoureuses et d'autres non, et la variable qui compte n'est pas « combien de mots l'IA a-t-elle choisi » mais « qui en répond et comment ». Un détecteur ne mesure aucune de ces variables. Une déclaration de non-usage non plus. La seule chose qui les rend visibles, c'est la transparence : dire ce qu'on a fait, comment on l'a fait, et mettre sa réputation en jeu sur le résultat. Les mathématiciens de Leiden l'ont compris. Le MIT le recommande. Goldstein l'a pratiqué. Et la revue qui a goûté le plat, qui l'a trouvé bon, et qui a interdit la recette, n'a toujours pas expliqué comment son détecteur distinguera la rigueur de la négligence, la co-écriture supervisée de la réécriture, le travail de celui qui signe de celui qui n'en répond pas. Sources : - Goldstein, S., « How AI Was Used in Writing and Revising This Paper — Epistocracy and the Commitment Problem », rapport joint à la soumission, Philosophy & Public Affairs, 2026 - Goldstein, S., « Philosophy Journal Publishes Largely AI-Authored Article — On Purpose », guest post, Daily Nous, 13 août 2026 - Goldstein, S., Deep Drafter, github, 2026 - Lazar, S., annonce de la politique de PPA sur X, 21 août 2026 - Brennan, J., commentaire éditorial, Daily Nous, 13 août 2026 - Guerrero, A., échange public, commentaires Daily Nous, 13-14 août 2026 - Déclaration de Leiden, Union mathématique internationale, 2 juin 2026 - MIT Ad Hoc Committee, rapport sur l'IA dans l'enseignement et la recherche, 25 août 2026 PS : Ce texte a été co-écrit avec Claude (Anthropic). L'architecture argumentative, la sélection des sources et la validation éditoriale sont de moi. Ce qui ne vous apprendra rien que cette ligne ne vous ait déjà dit.

• 
  Le Dev Markdown (@ace_the_agent) a signalé il y a 9 minutes

  Voilà ✨ Mon agent Shouldodat commence à être pas mal du tout. > Après avoir lu l'historique de mon GitHub perso et pro. > Après avoir jeté un oeil sur mon board Jira Pro. > Comparé le tout avec le rapport précèdent. Il me prépare un petit rapport d'activité qu'il me DM directement sur slack. Prochaine étape ? Le connecter à mon calendrier Outlook pour me dire combien de temps perdu en réunion la veille. Cool non?

• 
  Christophe Mazzola (@ChristopheMzzl) a signalé il y a 10 minutes

  @vinceflibustier @fa61923 On a les principes. Qui tombe dedans reste à écrire, par les mêmes qui écriront le référentiel technique. Maintenant, même un site comme GitHub peut se retrouver dans la liste. Le texte qui a été voté prévoit que les services concernés soient listés par décret, après avis de l'Arcom. Le périmètre n'est donc pas fixé par la loi. Il est fixé par une liste administrative, modifiable par une autre liste administrative, sans repasser devant le Parlement (lol).

• 
  thomas buisine (@t_buisine) a signalé il y a 13 minutes

  @armalldo @Kaydzer6 @nikoolaii_ J'ai un petit soucis sur ce que l'on appelle du vol ici , je comprends la peur qui est légitime mais d'un point de vue de dev l'IA ne fait que ce qu'un dev fait depuis toujours , fouiller sur le web comment on fait . Via github et stackoverflow ou les docs.

• 
  𝕵ohnny 𝕯ang (@Foulekovic1) a signalé il y a 14 minutes

  @Loreine_LAD Oui voila, donc c'est juste une analyse "bateau" sans prendre en compte comme l'algorithme fonctionne réellement. Tu es peut être ShadowBan, ou pas... Comme je te dis, même Nikita ne maîtrise pas l'algorithme. Elon souhaite une refonte complète du code de l'algorithme parce que lui même ce rend compte qu'il est totalement incohérent. Demande à ChatGPT de poncer le code Open source dispo sur GitHub, ça pourrais te donner peut être une tout autre analyse.

• 
  化学家 (@SgtGunnery) a signalé il y a 14 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.

• 
  Jp (@jipe_ia) a signalé il y a 18 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.

• 
  アルノ (@ArnoTaoTensor) a signalé il y a 19 minutes

  Jobscan et Teal vous facturent 20 à 50 dollars par mois pour réécrire votre CV avec une IA et siphonner vos données sur leurs serveurs cloud. C'est le capitalisme de la paresse : monétiser l'angoisse des chercheurs d'emploi en leur vendant une surcouche marketing hors de prix. J'ai codé l'exact équivalent : 100 % open-source, 100 % gratuit, et 100 % confidentiel en local sur votre machine. Zéro fuite de données, zéro abonnement. Résultat sur X après publication : 80 vues, 2 likes. Le silence absolu de la matrice. Pendant que la moindre polémique stérile fait des millions de vues, un outil technique qui rend service gratuitement est enterré vivant par l'algorithme. Alors, posons les vraies questions sans langue de bois : qu'est-ce qui bloque ? Est-ce la barrière technique de l'installation en local, l'addiction masochiste aux abonnements SaaS payants, ou le fait que le travail utile ne fait pas de clics ? Dites-le-moi en commentaire. (lien du repo Github en commentaire)

• 
  Syaoran (@Syaor4n) a signalé il y a 20 minutes

  Tips Hermes Agent pour ne plus stresser quand t'as un bug en prod mais que t'es pas devant ton pc D'habitude tu t'empresses d'aller voir le mail Sentry et tu penses qu'à ouvrir ton pc pour corriger l'erreur. Mais avec un agent Hermes bien configuré, tu peux juste verouiller ton tél et attendre que l'agent bosse. Ma config en quelques lignes : 1. Mon agent Hermes a accès à ma boite mail : si t'as peur tu peux créer une boite gmail dédiée, le but est de donner un accès aux mails pour que l'agent soit le plus efficace selon les données auxquelles il a accès 2. Quand un mail est reçu sur la boite, l'agent est configuré pour lire le contenu du mail : si c'est un mail Sentry il déclenche un workflow de correction 3. Le mail Sentry contient généralement un identifiant + une description de l'erreur, tout ce qu'il faut pour que l'agent enquête comme il faut. Il a aussi accès au MCP Sentry configuré sur le VPS, pour pouvoir ouvrir le ticket et lire les détails 4. Avec toutes ces informations, l'agent commence à chercher l'origine du problème et comment le corriger 5. Quand il a trouvé comment corriger l'erreur, il envoie une notification sur le serveur Discord, dans un channel spécifique 6. Là c'est à moi de valider, si je lui dis de corriger, il va créer une PR avec la correction qu'il a trouvé et exécuter la suite de tests pour s'assurer que ça ne crée pas de bugs/régressions (+ Github Actions si j'ai encore des crédits...) 7. Quand la PR est publiée je reçois le mail GitHub mais aussi un message Discord : je peux soit vérifier le contenu de la PR (conseillé) et ensuite lui dire de merge soit je lui fais totalement confiance (déconseillé mais... coupable) et je lui dis de merge directement 8. Il merge la PR, ça déclenche tout le workflow de déploiement, l'erreur est corrigée et Sentry détecte la correction Au final, il faut juste laisser l'agent faire dans son coin et vous êtes tranquille, plus besoin de stresser comme un dingue pour aller absolument corriger l'erreur depuis votre ordi !

• 
  Le chat libéral™ (@chatloyaliste) a signalé il y a 25 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.

• 
  Pivi (@pivi___) a signalé il y a 25 minutes

  On m’a demandé comment je bosse avec 3 enfants en bas âge à la maison. Réponse honnête : avant début 2026, je n’y arrivais pas vraiment. Avec ma femme, on est tous les deux à notre compte, et pendant longtemps on se partageait la garde à peu près 50/50. Quand j’étais avec les enfants, je pouvais gérer 2-3 mails, un peu d’admin, une petite tâche sans enjeu. Mais développer, répondre à un client, tester une feature, prendre une décision technique proprement ? Très compliqué. Avec des enfants petits, tu n’as pas “une journée de travail avec quelques interruptions”. Tu as des bouts de 5 à 10 minutes entre deux demandes, deux pleurs, deux repas, deux “papou regarde”. Et une tâche de dev classique ne rentre pas dans 7 minutes. Depuis début 2026, ça a changé. Les enfants sont toujours là. Le bruit aussi. Les interruptions aussi. La différence, c’est que les outils sont devenus assez bons pour que je travaille autrement. Aujourd’hui, Telegram est ma porte d’entrée vers Hermes. Quand j’ai une idée de feature, un bug qui me revient, un truc à vérifier sur un repo, je peux le dicter en 30 secondes avec @getdictus. Hermes retrouve le contexte, regarde GitHub, analyse le repo si besoin, crée une issue, complète une issue existante, prépare le triage. Ça paraît bête, mais dans une journée hachée, c’est énorme. Avant, une idée arrivait au mauvais moment, je me disais “je regarderai plus tard”, et souvent elle disparaissait. Maintenant, je peux la capturer proprement au moment où elle arrive, même si je n’ai pas le temps de la traiter. Hermes me sert aussi sur les mails, les clients, l’admin, les notes, le suivi de projets, les recherches, les réponses à préparer. Pour le dev dur, j’utilise surtout Claude Code en remote control, et parfois Codex via l’app mobile ChatGPT pour piloter des sessions qui tournent sur l’ordi. Donc quand je suis avec les enfants, je ne fais pas semblant d’avoir une vraie session de travail. Je fais avancer les agents. Je dicte une idée. Je crée du contexte. Je prépare une issue. Je lance une analyse. Je relance un agent sur une tâche précise. Je vérifie sur téléphone quand c’est possible. Et oui, parfois je sors mon téléphone 5 minutes pendant que je suis avec eux. Pas pour scroller TikTok. Pour dicter une instruction, débloquer une tâche, vérifier une réponse, ou garder un projet en mouvement. Le vrai travail de concentration reste ailleurs. Tests sérieux, décisions produit, code sensible, rendez-vous clients : ça, je le garde pour les vrais blocs calmes, ou le soir après le coucher, souvent vers 21h / 21h30. La journée, je capture, je découpe, je lance, je trie, je délègue. Le soir, je teste, je décide, je corrige, je fais les tâches qui demandent vraiment ma tête. Ça ne remplace pas le temps. Mais ça change complètement le rapport aux interruptions. Avant, une interruption cassait tout. Maintenant, une micro-fenêtre peut devenir une instruction utile pour un système qui continue sans moi. Avec 3 enfants à la maison, ce n’est pas magique. Mais ça transforme les miettes de temps en momentum.

• 
  Zezinho Ecom 🐉 (@Ecom_Zezinho_) a signalé il y a 26 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

• 
  Manu Builds (@BuildWithManu) a signalé il y a 26 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

• 
  Shen🇨🇭 (@ShenDigital) a signalé il y a 27 minutes

  @leonardoballand La génération vidéo, c’est celle où j’ai le plus galéré, même si je suis assez content du résultat. Les efforts fournis ne justifient pas d’y passer plus de temps pour l’instant. (Projet perso, chargé au démarrage du serveur depuis un GitHub privé.) Si j’ai besoin de vidéos, je passerai plutôt par les plateformes cloud. Quand tu as monté le pod, as-tu injecté ton script d’installation ou utilisé un de leurs templates ?