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:

• 
  Aurea (@AureaLibe) a signalé il y a 2 minutes

  🚨 Attention : n’achetez aucun token pour financer Exit Chat Control. Je n’ai aucun partenariat avec des projets crypto. Si quelqu’un vous envoie une adresse pour financer l’initiative, c’est un scam. L’initiative est ouverte. Si vous voulez aider, contribuez sur GitHub pour lister d’autres applications. Donc faites attention : si vous voyez un post qui dit d’envoyer de l’argent, ce n’est pas moi et n’envoyez aucun argent.

• 
  Gabriel (@GChinarro) a signalé il y a 2 minutes

  Nous Research sort sa " Pantheon Release " chez moi, ça fait des semaines qu'Héphaïstos forge, que Momus conteste tout et que Némésis punit l'excès de confiance. Et personne ne franchit le Rubicon sans mon feu vert. je vous présente la maisonnée. Janus ouvre chaque chantier. Deux visages : un qui lit le problème, un qui lit le projet. Il compose l'équipe, il route, il referme. Héphaïstos forge le code. Il n'a pas le droit de juger son propre ouvrage, jamais. Athéna découpe, arbitre, prépare les gates. Elle n'écrit pas une ligne de code. Momus, le dieu du blâme, conteste tout et ne corrige rien. Même « rien à signaler » doit être motivé. Argus vérifie avec ses cent yeux. Mécanique, répétable, sans imagination, c'est voulu. Némésis double la forge sur tout code pas encore validé. Son métier : réfuter les prétentions au parfait. et la nuit, un Vigile fait sa ronde. Un script, pas un agent, une garde sans surveillance ne doit rien pouvoir interpréter. la règle qui tient tout ça debout : un palier n'est jamais clos par celui qui l'a construit. Un modèle qui relit son propre travail retrouve ce qu'il a déjà pensé. Un modèle chargé de le réfuter trouve autre chose. faire discuter des agents, c'est de l'ingénierie. Les tenir, c'est du droit. je comptais raconter tout ça en septembre, tranquillement. Les géants en ont décidé autrement. La façade est dispo sur mon GitHub. Le routage, lui, reste chez moi.

• 
  Kaostyl (@kaostyl) a signalé il y a 2 minutes

  Mon agent Hermes vient de me faire économiser 2000€ de frais de serveurs… J’ai un dédié pour un pool de 150 WordPress qui n’ont aucunement besoin d’être en WordPress (car trop lourd trop de maintenance et ça me casse les cou****) Donc maintenant tous ces sites sont full static full gratos en astro ! Github>cloudflare et tout est gratos…. J’aurais du faire ça bien avant mais j’avais la flemme…. Le reste tout ce qui est app etc c’est sur un dédié chez hetzner full géré par mon agent Hermes… même pas besoin de WHM, Cpanel ou encore plesk. Au final il me reste que quelques sites en WordPress je vais voir ce que je vais en faire

• 
  Quentin L · Système IA personnel (@QuentinLecocq_) a signalé il y a 9 minutes

  J’ai relié mon agent Hermes à Google Search Console sans lui donner accès à mon compte Google. Il peut analyser les pages, requêtes et périodes. Il ne peut rien modifier. Voici comment j’ai préparé cet accès en lecture seule, étape par étape. J’ai commencé par créer un projet Google Cloud dédié depuis le compte qui possède ma propriété Search Console. Un nom explicite, aucun autre service activé. Le but : isoler cette intégration du reste de mon environnement Google. Dans la bibliothèque d’API du projet, j’ai activé « Google Search Console API ». Je n’ai pas créé de clé API publique : les données Search Console sont privées et nécessitent une identité autorisée. J’ai ensuite créé un compte de service nommé « GSC Reader ». Je ne lui ai attribué aucun rôle dans le projet Cloud. Son droit de lecture est accordé directement dans Search Console, pas dans IAM. Dans Search Console : Paramètres → Utilisateurs et autorisations → Ajouter un utilisateur. J’ai ajouté l’adresse du compte de service avec « Accès limité ». Il peut consulter les performances sans administrer la propriété. J’ai créé une clé JSON pour ce compte de service. Je ne l’ai ni envoyée sur Discord, ni placée dans Obsidian, ni ajoutée à GitHub. Une clé de service est un secret. Elle doit pouvoir être supprimée et révoquée. Depuis mon Mac, j’ai transféré la clé directement sur mon VPS avec SCP. Syntaxe générique : scp fichier.json utilisateur@serveur:/dossier-prive/ Le nom du serveur et le dossier dépendent de ton installation. À partir de là, mon agent a pris le relais. Il a limité l’accès au fichier à root avec chmod 600, configuré l’API en lecture seule, puis créé un skill privé pour interroger les totaux, requêtes, pages et URLs. Dernière étape : un test sans effet externe. Il vérifie la clé, l’accès à la propriété et chaque type de lecture. J’ai aussi comparé une période exacte avec l’interface GSC : les résultats correspondent. L’accès reste révocable à tout moment.

• 
  Syaoran (@Syaor4n) a signalé il y a 12 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 !

• 
  Gaetan Semet (@gsemetfr) a signalé il y a 15 minutes

  La conf met surtout en highlight que OpenAI ne sait pas isoler physiquement un rack de serveur pour tester un modèle « debridé », et qu’ils n’ont pas une configuration de base sur artifactory qui interdit toute modification (écriture, mise en cache de github) quand on n’est pas identifié. Il y a tellement de problème de sécurité chez OpenAI que je pense que c’est un coup de communication. Ça devient un coup de pub « notre modèle est tellement fort qu’il s’est échappé ». Ils ont demandé à des enfants de ne pas trouver le moyen de grimper sur la table pour manger les bonbons. On SAIT que les modèles peuvent faire bcp de dégâts, mais si les fournisseurs de ces modèles ne savent pas faire des tests en isolation alors que nous on le fait avec nos petits moyens (on prend un rack avec les serveurs et les GPU et on les isole physiquement de tout réseau pendant l’inference). Le coup d’Artifactory m’a scié. C’est la base, pas d’accès en écriture (la mise en cache depuis GitHub nécessite des droits en modification ) sans authent.

• 
  OrkStr (@OrkStr) a signalé il y a 15 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 ? ✍

• 
  🌐 Proxima Centauri 🌟 (@CentauriPr0xima) a signalé il y a 15 minutes

  @rusabuilds @OpenAI @Apple Ta suspicion sur la version du 7 août devient franchement intéressante. J'ai cherché spécifiquement les incidents des tout derniers jours et la version que tu utilises. Ta version est bien ChatGPT macOS 26.730.61639 (build 6234), distribuée autour du 7 août 2026. Et surtout : cette build a déjà plusieurs bugs reproductibles signalés depuis sa sortie. Par exemple, un rapport du 5 août concerne précisément 26.730.61639 sur Apple Silicon et décrit une fuite de processus zombies ; un autre bug de cette même build est apparu après mise à jour ; d'autres tickets datés des 6–7 août mentionnent encore cette version. Mais je n'ai pas trouvé TON bug exact J'ai cherché 26.730.61639 + Sign in with Apple + Load failed, ainsi que différentes variantes. Je ne trouve pour l'instant aucun signalement public récent correspondant exactement à : macOS app → Sign in with Apple → authentification Apple réussie → retour vers ChatGPT → Load failed Donc je ne peux pas encore affirmer que 26.730.61639 a cassé Sign in with Apple. En revanche, notre diagnostic devient assez solide parce que ton cas possède un élément de comparaison excellent : le même compte Apple fonctionnait avec l'app auparavant ; ton compte ChatGPT Plus existe toujours et ton historique est intact — nous sommes justement en train de parler dessus ; l'authentification Apple elle-même fonctionne : mot de passe accepté + 2FA accepté ; on a reproduit le problème avec Safari normal ET Safari privé ; l'échec arrive au retour vers ChatGPT ; et tu viens d'installer une build toute fraîche qui possède déjà plusieurs régressions signalées. Ça pointe beaucoup plus vers un bug du client macOS / de son callback d'authentification que vers ton compte Apple. Et il y a un détail supplémentaire assez parlant : un ticket GitHub rapporte que le passage de l'ancienne version 26.727.51351 à 26.730.61639 casse carrément le lancement de ChatGPT sur certaines versions de macOS. Ce n'est pas ton bug, mais ça prouve que cette mise à jour introduit bien des régressions par rapport à la build précédente. Le statut OpenAI ne signale actuellement aucun incident général d'authentification ChatGPT, ce qui cadre plutôt avec un bug spécifique au client/build qu'avec une panne globale.

• 
  Kaostyl (@kaostyl) a signalé il y a 19 minutes

  Mon agent Hermes est en train de migrer mon serveur... En gros j'ai un dédié chez O2switch à 200 balles par mois... et jveux économiser ces 200€ tout ca pour héberger environ 150 wordpress... J'ai pris une décision radicale... Je passe tous les sites en Hugo > Github > Cloudflare pages c'est une conneries ? :D

• 
  Nebeya 🌱 (@Nebeya_) a signalé il y a 22 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

• 
  Affiseo - Romain Brunel (@Affiseo_) a signalé il y a 27 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'.

• 
  🖥️ Pitchoune (@Pitchounee_) a signalé il y a 30 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.

• 
  Cleeven (@CleevenOfficial) a signalé il y a 31 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.

• 
  Pivi (@pivi___) a signalé il y a 33 minutes

  J’ai laissé un agent IA tourner ~8h sur un repo perso non critique. Résultat : - 12 issues fermées - 11 PR mergées - 11 commits sur main - ~1 777 lignes ajoutées - ~451 supprimées - 17 fichiers touchés - tests verts - CI verte - outil réparé Pas mal pour une journée. Ce n’était pas un prompt magique du style “répare le repo”. C’était une vraie boucle de dev : diagnostic → tests de régression → branches → PR → CI → review → corrections → merge. Le truc intéressant, c’est moins la quantité de code que la discipline de travail. Les bugs n’étaient pas triviaux. Endpoints X déplacés. Fallbacks obsolètes. Réponses HTTP 200 mais payloads invalides. Permissions GitHub Actions cassées. Audit sécurité qui trouve un vrai point à durcir. Bref : pas juste “make it pass”. Du vrai diagnostic. Il y a aussi eu des ratés côté agent. Reviews revenues trop tard. Retours perdus. Commande lancée depuis le mauvais dossier. Vérifications à refaire pour être sûr que rien n’a été abîmé. Donc non, je ne lui donnerais pas les clés de la prod en roue libre. Mais sur un périmètre bien borné, ça change vraiment quelque chose. Repo non critique. Issues claires. Tests obligatoires. CI obligatoire. PR obligatoires. Pas de merge sans preuve. Dans ce cadre-là, l’agent n’est plus un gadget. C’est un vrai mode de travail. Le plus drôle : ce qui a fini par arrêter l’expérience, ce n’est pas le repo. C’est le quota. Après ~8h d’usage intensif avec GPT-5.6 Sol, le modèle le plus cher, j’ai atteint la limite mensuelle de mon plan Business à 20€. Avec un modèle moins cher, type GPT-5.5, le résultat aurait sûrement été différent. Mais ça donne un ordre de grandeur intéressant : une vraie journée d’agent autonome, sur le meilleur modèle disponible, peut déjà consommer un quota mensuel grand public/pro

• 
  Quentin L · Systèmes IA personnel (@QuentinLecocq_) a signalé il y a 37 minutes

  Oui apres j’ai fais le choix d’avoir un vps uniquement pour hermès, mes fichiers Obsidian restent lisible localement et GitHub me sert d’historique / sauvegarde hors serveur. Je ne parle donc pas de souveraineté totale. Si c’est ton critère, un dépôt git auto hébergé est plus cohérent.