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:

• 
  Kasper (@0xKasper_) a signalé il y a 4 minutes

  Voici un TUTO pour acheter et sécuriser ses bitcoins sans portefeuille matériel L’objectif est de conserver ses bitcoins sans dépendre de la sécurité d’une plateforme ou d’une entreprise ( cc @COLDCARDwallet ). Pour cela, nous allons utiliser Sparrow Wallet, un portefeuille Bitcoin non custodial qui génère et conserve les clés privées localement. Son architecture repose sur des standards ouverts ce qui permet de garder un portefeuille compatible, vérifiable et indépendant du logiciel utilisé. Avant de commencer, assurez vous d'avoir un PC dédié uniquement pour stocker ce portefeuille. D’abord pourquoi Sparrow Wallet ? ✅ Le fichier du portefeuille est protégé par un mot de passe renforcé avec Argon2 pour ralentir les tentatives automatisées de déchiffrement. ✅ Sparrow s’appuie sur BIP32 et BIP84 pour dériver les clés de manière déterministe et générer des adresses Native SegWit bc1q compatibles avec les standards Bitcoin et plus efficaces en frais. ✅ Sparrow donne accès aux UTXO, aux entrées, aux sorties et aux frais avant la signature ce qui permet de contrôler précisément la construction de chaque transaction plutôt que de laisser le logiciel sélectionner automatiquement les fonds. ✅ Le projet est open source et publié sur GitHub sous licence Apache 2.0 avec des binaires reproductibles. Nous pouvons passer à la création du portefeuille. > Téléchargez Sparrow Wallet depuis le lien officiel. > Sélectionnez un serveur public puis cliquez sur File menu > New Wallet. > Conservez Single Signature et Native SegWit P2WPKH dans les settings. > Dans l’encadré Keystores, cliquez sur le 3ème bouton New or Imported Software Wallet. > Cliquez sur Use 24 Words dans Mnemonic Words (BIP39) et enregistrez au chaud cette clé ( si vous la perdez, force à vous). > Dans Receive ensuite générez une adresse Bitcoin native pour recevoir les $BTC de HyperLiquid. > Créez un portefeuille Rabby séparé qui servira uniquement à acheter du bitcoin sur Hyperliquid en spot pour l'envoyer sur Sparrow. ( De préférence, essayer d'alimenter votre rabby de manière sûr ) Pour ceux qui rencontre des problèmes, hésitez pas à envoyer un commentaire pour que je vous aide et non le tuto n'était pas que de faire une adresse rabby.

• 
  La Farce Insoumise (@RouxDeSecoours) a signalé il y a 8 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

• 
  Maison Wolfoni 🇫🇷 (@Maison_Wolfoni) a signalé il y a 11 minutes

  Nouvelle alerte sur une attaque de chaîne d’approvisionnement logicielle. Plus de 700 dépôts GitHub ont été signalés, avec plusieurs paquets PHP sur Packagist confirmés infectés. Le piège : un script caché au moment de l’installation ou dans des tâches automatisées, capable de télécharger et lancer un programme malveillant sur Linux. Ce genre d’attaque rappelle une chose simple : le danger ne vient pas toujours d’un fichier louche reçu par mail. Il peut aussi passer par des composants “officiels” utilisés par des développeurs, des sites ou des serveurs. Pour les particuliers : pas de panique inutile, mais gardez vos logiciels à jour, évitez les outils trouvés au hasard, et faites vérifier en cas de doute. Pour les développeurs et petites structures : vérifiez vos dépendances, vos scripts d’installation, vos workflows GitHub Actions et vos secrets/API tokens. Maison Wolfoni — ce n’est pas juste réparer quand ça casse ; c’est aussi éviter que ça arrive. #MaisonWolfoni #SécuritéInformatique #Cybersécurité

• 
  nahaa_a1 (@nahaa_a1) a signalé il y a 11 minutes

  The Left Behind reçoit beaucoup d'avis négatifs, et certains sont sûrement justifiés. Mais je trouve qu'il faut aussi savoir nuancer. On parle d'un jeu à une dizaine d'euros, développé avant l'explosion des outils d'IA comme GitHub Copilot. Tout n'est pas parfait, loin de là, mais il y a aussi de vraies idées, comme le système de permadeath, qui fonctionne très bien dans un jeu de zombies. Critiquer, oui. Enterrer un développeur indépendant en disant que son jeu est "une *****", non. Si on veut voir émerger des projets originaux, il faut aussi laisser une chance aux créateurs de progresser. Les avis constructifs font avancer un jeu. Le bashing systématique, lui, ne construit rien.

• 
  Cleeven (@CleevenOfficial) a signalé il y a 14 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.

• 
  Lilith Datura (@LilithDatura) a signalé il y a 19 minutes

  @github VS code? wtf

• 
  Supersocks (@iamsupersocks) a signalé il y a 20 minutes

  J’avais envie de partager une bonne et une mauvaise nouvelle de mon aventure sur GitHub. Pour le contexte, j’approche des 2 300 contributions cette année, contre 1 000 en 2025 et un peu plus de 300 en 2024, quand j’ai découvert le vibe coding. Le hic (ou pas) et un peu timide c’est que la plupart de ces contributions sont sur des repos privés. Cette semaine, j'ai publié un repo public qui explique comment streamer correctement son Mac sur un iPad. Mon objectif était simple : obtenir une image aussi fluide qu’avec Shadow PC pour ceux qui connaissent et pouvoir accéder à mon Mac à distance sans lag, même avec une connexion pourrie. Un abonné m’avait parlé de son installation. Aujourd’hui, il n’utilise plus de PC : tout passe par son iPad, même pour des usages intensifs. ça semblait simple : Moonlight sur l’iPad et Sunshine sur le Mac. Mon abonné utilisait déjà cette combinaison sous Windows et Linux, où tout fonctionnait sans trop d’effort. Il m’avait vendu ça comme une formalité. Que nenni. J’ai passé plusieurs jours à tout régler. J’ai fini par basculer sur VoidLink, un fork de Moonlight disponible dans une application plus récente, puis j’ai repris chaque paramètre : encodage, réseau, configuration de Sunshine, fréquence d’images… Codex et Computer Use m’ont beaucoup aidé, l'abonné aussi mais chaque journée apportait son nouveau problème. Un petit lag suffisait à gâcher toute l’expérience. Forcément, on est en 2026, donc j’ai fini par y arriver. J’ai tout documenté sur GitHub et, deux jours plus tard, quelqu’un a forké le repo. ce premier fork a une saveur particulière : une étoile dit qu’un repo plaît, un fork donne l’impression que quelqu’un veut vraiment en faire quelque chose. Si j’en ai chié, d’autres aussi. Le besoin est peut-être assez niche, mais ce soir je vous écris depuis mon lit, sur l’iPad, pendant que Cursor et Codex tournent sur le Mac. Je peux accéder à mes réglages et travailler à distance en 120 Hz. Autant vous dire que c’est fluide et une solution très mobile. Voilà pour la bonne nouvelle. La mauvaise, elle, concerne mon scraper. Le repo commençait à recevoir pas mal d’étoiles, notamment parce que peu de sites lui résistent et que je continue de l’améliorer (et pas mal de promotion ici) Lors d’un commit Codex a passé le repo en privé. J’étais un peu étourdi pendant la session et je l’ai immédiatement remis en public : mais toutes les étoiles avaient disparu. Et bordel, Dieu sait que c'est précieux mdrr. Ma leçon, surtout si vous débutez, c’est d’apprendre à partager ce que vous construisez. L’open source en a besoin. Et si j'en ai chié à mettre ces deux choses là en place d'autres auront probablement le besoin. On pourrait croire que tout existe déjà, mais c’est faux. Et des erreurs comme celle-ci, j’en ferai sûrement d’autres.

• 
  Régis (@reg_andr) a signalé il y a 20 minutes

  J'ai commencé Sway dès les débuts de ChatGPT, en codant presque tout avec l'IA. Le revers de la médaille : j'ai accumulé des mois de dette technique. Voici mes pires erreurs sur ce projet, et comment je les ai rattrapées. Première leçon : ne pas trop faire confiance à l'IA. Je faisais des allers-retours entre mon éditeur et ChatGPT pour chaque problème, et malgré mes années d'expérience, je le laissais décider de la structure. Résultat : du code entassé dans d'énormes fichiers, mal organisé, sur des conversations qui finissaient par inventer n'importe quoi (l'IA avait peu de mémoire à l'époque). Je n'avais pas choisi mes fondations à l'avance. Pour la première version, mes données venaient de simples fichiers texte (JSON). J'ai branché une vraie base de données un mois trop tard, et j'ai dû réécrire une grande partie du code. La leçon : choisir ses fondations avant de monter les murs. Je créais à la main chaque "fiche de données" de l'app (un événement, un artiste, un lieu). Une source infinie de bugs et d'oublis. Je suis passé à freezed, un outil qui génère ces fiches automatiquement et de façon fiable. 1000 fois mieux. Pour qu'une app fonctionne sans connexion, il faut stocker des données directement sur le téléphone. J'ai enchaîné les mauvais choix : Hive (abandonné), puis Isar (abandonné aussi), avant d'arriver à Hive CE, la version maintenue par la communauté. Excellent, mais que de temps perdu en route. Ma pire erreur : l'app demandait ses données à la base une par une, en direct. Lent, lourd pour le serveur, et la moindre correction obligeait à republier l'app sur les stores (plusieurs jours d'attente). J'ai déplacé ce travail côté serveur avec des fonctions Supabase (RPC et Edge Functions) : plus rapide, et modifiable sans mise à jour de l'app. Pour gérer la "mémoire" partagée entre les écrans (l'état de l'app), j'utilisais Provider, mal intégré. Je suis passé à Riverpod, que j'avais adopté chez mes premiers clients en freelance. Et pour la navigation entre écrans, GoRouter, le standard actuel (l'IA, elle, s'obstinait à utiliser l'ancienne méthode). Dernier déclic, côté outils : j'utilisais déjà les modèles Claude, mais via GitHub Copilot, par confort de l'IDE. J'avais peur de passer par un terminal. En testant Claude Code, tout a changé : productivité, coûts et rapidité des résultats.

• 
  lumibuilds.fr (@LumenSignifier) a signalé il y a 22 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 ?

• 
  Médéric (@Just_Med34) a signalé il y a 24 minutes

  Je ne suis pas devenu développeur. Mais j’ai construit un petit système solaire. Pas une animation décorative. Une simulation 3D qui calcule la position réelle des planètes et les fait évoluer dans le temps. Tu peux revenir au 20 juillet 1969, te placer à l’endroit où Voyager 1 a photographié le « Pale Blue Dot », lancer un photon depuis le Soleil et voir qu’il lui faut 8 min 20 s pour atteindre la Terre. Tu peux même entrer ta date de naissance et revoir le ciel de ce jour-là. Le projet est encore en développement, mais il fonctionne. Il est gratuit, sans compte, sans pub, et le code est en libre accès sur GitHub. Pour le construire, j’ai fait travailler Claude Fable, ChatGPT 5.5 Sol et Grok 4.5. De mon côté, j’ai porté l’idée, défini l’expérience que je voulais créer, testé le résultat et continué à corriger ce qui ne fonctionnait pas. C’est probablement la plus grande leçon que l’IA m’a apprise : elle réduit énormément la barrière technique, mais elle ne remplace ni la curiosité, ni le jugement, ni l’exigence. Une IA peut écrire du code. Elle ne peut pas décider à ta place de ce qui mérite d’exister. Lien et code source en premier commentaire.

• 
  Affiseo - Romain Brunel (@Affiseo_) a signalé il y a 29 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'.

• 
  アルノ (@ArnoTaoTensor) a signalé il y a 29 minutes

  « Gemini est largué, ça hallucine tout le temps. » Le problème, ce n'est pas le modèle. C'est votre habitude de lui demander d'écrire du code sans specs. Ici, ça tourne sous Antigravity 2.0 + Gemini 3.5 Flash (High). 800 tokens à la seconde pour un coût ridicule. Pour cadrer la bête : la méthode BMAD. Du pur développement "spec-first" où l'on fige des spécifications techniques ultra-serrées avant la moindre ligne de code pour bloquer les dérives de contexte. Ensuite, Claude Opus 4.8 ou GPT 5.6 interviennent uniquement comme leads seniors pour réviser chaque brique produite. Ce pipeline fait déjà le taf d'une équipe de devs juniors. J'attends de voir si Google plie le game le 17 juillet avec Gemini 3.5 Pro. Le seul angle mort qui reste, c’est le SEO du code généré, souvent négligé par les LLM. Vous avez des dépôts GitHub solides à recommander pour automatiser le SEO en dev (metas, schémas, audits) ? Qu'est-ce que vous utilisez pour blinder ça ?

• 
  Le PLOUTOS (@leploutos) a signalé il y a 31 minutes

  J'ai livré un agent IA dédié au SAV d'un SaaS B2B, qui remplace un alternant et un outil qui coûte une fortune. Là, cette boite payait Intercom un bras, avec un alternant H24 derrière le chat pour traiter les demandes. Sauf que l'alternant finissait son contrat et partait, donc il fallait soit reprendre et former quelqu'un, soit continuer à payer l'outil pour rien. Et ce qu'ils traitaient était assez simple, les mêmes questions qui revenaient, des trucs déjà écrits quelque part dans leur doc. On a viré Intercom. À la place, un bout de code sur leur site, intégré au reste, brandé à leurs couleurs, le visiteur voit juste un chat normal. Derrière, un agent N8N sur un VPS, avec toute leur base de connaissance branchée dedans, les FAQ, les procédures. Quand il sait répondre, il répond, tout de suite, à n'importe quelle heure. Quand il sait pas, il escalade et il ouvre le bon ticket tout seul, sur Github si c'est technique, dans le CRM si c'est commercial. Donc personne côté boite trie les demandes à la main, elles arrivent déjà au bon endroit avec le contexte. Ça tourne sur DeepSeek V4 Pro, ça traite plusieurs dizaines de tickets par semaine, 94% sont closés sans qu'un humain touche à quoi que ce soit. Les 6% qui restent, c'est justement ceux qui méritent un vrai humain. Résultat, l'abonnement Intercom qui saute, le poste qui n'a pas eu besoin d'être remplacé, et les clients qui ont des réponses immédiates au lieu d'attendre. Le jour où l'alternant est parti, personne l'a remarqué côté client.

• 
  Laurent MILTGEN-DELINCHAMP (@kubernan) a signalé il y a 31 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.

• 
  Red-1 (@RedTheOne) a signalé il y a 33 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