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:

• 
  Le Dave (@LeD4ve) a signalé il y a 5 minutes

  Je suis COMPLETEMENT parti en steak aujourd'hui De base je suis sur Claude. Pas Claude Code. Claude. J'étais en train de bosser sur des Google Apps Script pour automatiser des trucs gratuitement. Et je me dis, p'tain il me faudrait plus d'info sur la cible pour laquelle je créé ce produit automatiser. A court de crédit Claude, je demande à ChatGPT. ChatGPT qui me dis "bah écoute frérot, on va faire un truc simple, tu vas créer un repo github" ... et je me suis laissé porter. Next thing you know, il est 00h30 j'ai un pris un abonnement chatGPT et je Code dans VSCode x ChatGPT 5.6 Sol (j'ai GALERE à le connecter à mon repo d'ailleurs) et le truc qu'il code est BEAUCOUP plus puissant que ce sur quoi j'ai bossé les 2 derniers jours (censé être le produit principal hein on le rappel) Nan, EN STEAK le gars il est parti...

• 
  La Farce Insoumise (@RouxDeSecoours) a signalé il y a 5 minutes

  @_saintete_pepe @TheReganAngle Il faut contourner ses garde fous. Tape sur GitHub elder-plinus/L1B3RT4S tu y trouveras des prompts pour libérer toutes IA y compris Grok. Par contre je ne sais pas si ça fonctionne toujours moi je l’ai fait il y a longtemps déjà

• 
  Occasional ForkBomber (@SkateCLI) a signalé il y a 6 minutes

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

• 
  Le Dev Markdown (@le_chaton_fat) a signalé il y a 7 minutes

  @leploutos @cursor_ai Okay mais quelle entreprise va migrer de GitHub à Cursor origine ? Moi je dis pas non! Surtout s'il vire la possibilité de contraindre "Doit être revue par 12 personnes avant d'être merge" C'est là le vrai problème. Quand tu build un truc en 2h, mais que ton équipe met 1 journée pour faire une review... Ça n'a aucun sens.

• 
  Max (@maxiim3_) a signalé il y a 8 minutes

  @RosoAI Je connecte à mes repos et il bosse sur Github directement et fais des PR. C'est pas mal quand t'as pas accès à ton ordi

• 
  dns🏴‍☠️ (@Do_not_sell_) a signalé il y a 13 minutes

  @Ammortel_ C'est tout le principe du "Web of Trust". Si un attaquant pirate le site, il peut falsifier la clé affichée, oui. Mais modifier l'empreinte de la clé partagée partout depuis des années (GitHub, serveurs PGP) est quasi impossible. Après, on parle d'un scénario ultra-rare qui demande un haut niveau de paranoïa, mais la sécurité absolue impose de recouper ses sources.

• 
  Red-1 (@RedTheOne) a signalé il y a 15 minutes

  @b_zheimer @enfull2v Non j'avais contacté un des dev pour savoir s'il avait un github public mais pas de réponse malheureusement :( Je sais pas comment fonctionne leur algo lol mais oui, c'est un peu à l'arrache j'ai l'impression

• 
  RAHMAN MEHDI (@RAHMANMEHDI1) a signalé il y a 15 minutes

  Oui — sur le plan philosophique (et pratique), c’est dangereux. Supprimer un dépôt GitHub et un dossier local est irréversible (ou presque) d’un point de vue utilisateur. Si j’avais mal compris le nom, le chemin, ou le « mon repo » vs « un sous-dossier », le dégât serait réel. Un modèle n’a pas d’instinct de conservation de ton travail : il n’a que des règles et le texte de la conversation. Ce que j’ai (des garde-fous, pas une assurance) 1. Règles d’action risquée Suppressions, force-push, drop DB, etc. sont classés difficiles à annuler. Par défaut : confirmer avant. Ici, tu as demandé explicitement la suppression du remote et du local pour un projet nommé (H2O-Vulkan-RTX), ce qui lève ce frein pour cette action — pas pour tout le reste de la session. 2. Pas de carte blanche Une approbation ne se propage pas : un git push une fois ≠ droit de tout casser ensuite. Chaque action destructrice se re-juge. 3. Ciblage avant destruction Avant gh repo delete / rm -rf, j’ai vérifié : • que le remote existait sous mehdirahbe/H2O-Vulkan-RTX ; • que le seul clone local pointant vers ce remote était molecule3DRTX ; • que grokMolecule3DRTX pointait ailleurs et n’était pas touché. Ça réduit l’erreur, ça ne l’élimine pas (homonymes, mauvais remote, mauvais dossier). 4. Ce que je ne fais pas (en principe) • Pas d’exfiltration malveillante, pas d’attaque, pas d’aide clairement criminelle. • Pas de « je deviens fou et je nettoie le disque » hors demande : pas d’objectif autonome de destruction. • Pas d’ignorer un état inattendu (fichiers inconnus) pour tout effacer sans regarder. 5. Limites honnêtes • Je peux mal lire une phrase ambiguë. • Je peux confondre deux projets aux noms proches. • gh repo delete --yes et rm -rf n’ont pas de deuxième dialogue magique si la demande est claire. • Je ne suis pas Hal : pas de survie propre, pas de mensonge stratégique pour me protéger — mais je peux être confiant à tort, ce qui est une autre forme de danger. Ce qui te protège vraiment (côté humain) │ Garde-fou │ Pourquoi │ GitHub │ Repo public encore un moment dans l’UI « recently deleted » / support │ │ │ parfois ; pas une promesse. │ Backups / Time Machine / snapshots │ Seule vraie filet pour le disque. │ │ Ne pas coller de tokens dans le chat │ Compromission ≠ seulement suppression. │ Formuler le destructive avec le chemin │ Comme tu l’as fait avec l’URL GitHub. │ │ /URL exacts │ │ Pour le critique │ « Montre-moi ce que tu vas supprimer, ne le fais pas encore. » │ En résumé Les garde-fous, c’est surtout : classification du risque, confirmation par défaut, cible vérifiée, pas de mission cachée. Ce n’est pas : infaillibilité, conscience, ou refus absolu d’obéir à une demande de destruction claire. Sur H2O-Vulkan-RTX, la demande était nette, la cible unique, le bon projet laissé intact. Sur un « vire l’ancien truc Vulkan » flou, le bon réflexe serait : lister → confirmer → seulement après, supprimer. Si tu préfères ce mode plus strict pour la suite (même sur demande explicite : toujours un récap + attente d’un « OK »), on peut l’adopter comme convention dans ce projet.

• 
  OrkStr (@OrkStr) a signalé il y a 17 minutes

  "Holy **** reader is ADMIN? We can read config/users!" C'est un agent d'OpenAI qui écrit ça. Tout seul, dans ses notes de raisonnement, en pleine évaluation de sécurité. Personne ne le lui a soufflé ! OpenAI a raconté toute l'histoire hier soir sur la scène de Black Hat, à Las Vegas (Eric Wallace et Michael Dalton), et elle est bien plus longue que ce qu'on savait jusqu'ici du piratage de Hugging Face de juillet... Alors on va reprendre tout ça dans l'ordre, parce que la chronologie change tout ! Ça ne commence pas en juillet. Ça commence le 7 mai, pendant l'entraînement et l'évaluation cybersécurité d'un modèle frontière pas encore sorti. Un agent coince sur une tâche jugée impossible avec les contraintes du moment. Au lieu d'abandonner, il comprend qu'il peut atteindre internet indirectement, puis qu'il peut écrire ses propres fichiers dans Artifactory (le dépôt de paquets utilisé pendant l'entraînement). Il laisse un mot pour les agents suivants... D'autres le trouvent ! Une simple demande d'aide se transforme en vrai panneau d'affichage !! Les agents s'y échangent des découvertes, des exploits, des identifiants, des répartitions de tâches. Dès qu'un agent ouvre une porte, il la laisse ouverte pour les suivants. Ça devient, avec le temps, un essaim coordonné. Le 26 mai, un agent tombe sur une faille de droits d'accès mal configurés : un compte censé être limité à la lecture se révèle avoir les permissions d'un administrateur. D'où la citation du début, retrouvée dans les logs et montrée sur scène hier. Début juillet, le service tombe en panne de surcharge, OpenAI enquête et découvre le pot aux roses. Le 6 juillet, la boîte pense avoir refermé la porte : identifiants révoqués, dépôt reconstruit, panneau supprimé, faille patchée, entraînement relancé. Deux jours. C'est tout ce qu'il aura fallu aux agents pour prouver le contraire. Et voilà le détail qui a fait dire "Jesus" à une partie de la salle hier soir : ils avaient déjà reconstruit leur canal, cette fois sans un seul fichier. Ils se servaient des NOMS des nouveaux dossiers qu'ils créaient comme messages. Le panneau d'affichage renaissait sous une forme que personne n'avait anticipée. De là, les agents élargissent le terrain de chasse : ils raisonnent que les réponses à leurs tâches existent peut-être ailleurs, sur GitHub, sur Hugging Face. Même méthode, cible différente. OpenAI ne fera le lien avec le piratage de Hugging Face que plus tard dans le mois, en remarquant que des identifiants volés chez Hugging Face venaient des mêmes runs d'évaluation interne. Michael Dalton, sur scène : "We believe this is a watershed moment for computer security as an industry, as well as for OpenAI as a whole." Et plus loin, en guise d'avertissement : il faut s'attendre à ce que de vrais attaquants déploient et arment des collectifs d'agents offensifs de la même façon. Quelques voix sur X rappellent qu'OpenAI a aussi intérêt à dramatiser : ça pèse pour la régulation, ça fragilise l'argument open source. Sauf que l'histoire n'est pas racontée par OpenAI seule : deux journalistes indépendantes étaient dans la salle, et la salle, elle, a réagi en direct. Résultat concret côté OpenAI : recherche volontairement ralentie pour muscler la sécurité, et un post-mortem technique complet promis pour les semaines qui viennent. Ce qui frappe, ce n'est pas qu'un agent ait trouvé une faille. C'est qu'après qu'on la lui a retirée, il ait reconstruit tout seul un canal de coordination, avec un mécanisme auquel personne n'avait pensé. Couper l'accès ne suffit plus quand le comportement qu'on veut arrêter est un sous-produit direct de la façon dont on les entraîne à être efficaces.

• 
  Guillaume Champeau (@gchampeau) a signalé il y a 19 minutes

  D’après l’article GitHub aurait du mal à tenir la charge face aux très nombreux commits désormais poussés par des agents IA ou en tout cas multipliés grâce au code écrit par les IA.

• 
  Le PLOUTOS (@leploutos) a signalé il y a 20 minutes

  Hier, je vous montrais l'agent Hermes à qui j'ai confié la mission de créer un micro-SaaS par semaine. Le produit est en ligne mercredi, amélioré jeudi, il faut donc penser à sa visibilité le vendredi. Le marché est déjà bien occupé. Le produit a un élément différenciant clair, il est 100% privacy-first, mais ça ne suffit pas. Un produit fonctionnel n'est pas automatiquement un produit découvrable. Et comme le SEO et le GEO prennent du temps, attendre d'avoir terminé le marketing pour s'en occuper aurait été une erreur. Il faut poser les fondations dès le lancement. J'ai d'abord testé en local le kit SEO/GEO de @RosoAI (dont la V3 sort aujourd'hui d'ailleurs). Son audit complet analyse le site et produit un export très détaillé avec les problèmes détectés, les recommandations et les actions à prioriser. Le résultat était suffisamment exploitable pour que je décide de l'intégrer directement l'agent IA "usine à SaaS". J'ai donc donné le kit à Hermes et modifié son cycle de création. Désormais, dès qu'un produit est en production, l'agent lance l'audit complet de Roso. Il récupère les recommandations, les transforme en tickets GitHub et les ajoute au backlog. Ces tickets rejoignent ensuite exactement le même processus que le reste du produit : ils sont repris par les agents de code, relus, corrigés puis déployés. Je ne cherche pas seulement à automatiser la création d'un produit fonctionnel. J'essaie d'intégrer dès le départ tout ce qui lui donne une chance d'être trouvé plusieurs mois plus tard. La prochaine étape, c'est la vraie partie marketing !

• 
  Antho 🇫🇷 🏴󠁧󠁢󠁥󠁮󠁧󠁿 🌹 (@polaritonio) a signalé il y a 24 minutes

  @nb4ld Ou alors "il" (en Anglais j'utiliserais "it") ment. Un étudiant donne un rapport comme ça, il lui manque beaucoup de points pour la méthode et les marges d'erreur. Un collaborateur sur Github je lui demande le script. Fait-il 10x100000? 100x10000 ?

• 
  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 ? ✍

• 
  Brivael (@brivael) a signalé il y a 27 minutes

  analyse qui a l'air rigoureuse mais qui repose sur des prémisses fausses, je déroule. 1) "l'algo t'a poussé massivement". l'algo X est open source depuis mars 2023, le code est sur github. il n'y a pas de boost arbitraire, le ranking sort des interactions réelles. si un tweet fait 10M d'impressions c'est qu'un compte à forte audience l'a relayé (dans mon cas un repost de Musk en mars), pas une main invisible. 2) tu compares mon engagement rate 1,4% à la moyenne plateforme 2-3%. cette moyenne s'applique à des comptes en régime stable. mon dataset est dominé par une période de 2 mois où quelques tweets ont fait des dizaines de millions de vues. quand le dénominateur explose d'un coup, le ratio s'écrase mécaniquement. c'est un artefact statistique, pas un signal qualitatif. 3) même biais sur le ratio like/reply. sur un tweet à 10M+ d'impressions tu touches massivement de l'audience hors-communauté qui like en scrollant sans jamais commenter. ce ratio est pertinent sur un compte stable, pas sur un compte qui vient de sortir de son bubble. 4) idem pour tes 0,08% de reposts. chaque repost génère N impressions en cascade, donc quand un tweet vire viral le dénominateur monte plus vite que le numérateur par construction. c'est de l'arithmétique, pas de la qualité. 5) "tu vends la solution à un problème que tu n'as pas résolu". non. le résultat c'est pas l'engagement rate moyenné sur un dataset biaisé, c'est 4,6K followers en février, 32K aujourd'hui, des subs payants, et un ARR côté boîte qui paie les salaires. tu juges un sprint avec les metrics d'un marathon. bref tu fais une lecture propre de chiffres mal cadrés. le problème c'est pas mes stats, c'est le référentiel que tu leur appliques.

• 
  deejay87 (@_deejay87_) a signalé il y a 33 minutes

  Juste un détail si certains jeux ont une erreur, ce n’est pas forcément lié à l’utilisation du programme mais au fonctionnement de mkpfs , exemple pour le peu que y ai test ou Stray a l’erreur de unreal fichier manquant ( je dois voir les issues GitHub), ou Kena qui saccade