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:

• 
  KAKX 🇫🇷🔻 (@AlxKok) a signalé il y a 1 minute

  @3fz_fn @yaya699_ Quelle enfer j’espère que je vais avoir une proposition, tu as des projets sur GitHub ? Je sais que moi c’est ce qui m’as aider à décrocher mon stage

• 
  Philippe J. Bourcier (@irukanji_invest) a signalé il y a 3 minutes

  @iamsupersocks Mais là c'est pas trop mal le résultat... 👍 Faut que je pousse le code sur github dans les jours qui viennent.

• 
  Quentin L · Système IA personnel (@QuentinLecocq_) a signalé il y a 3 minutes

  Mon agent IA connaît mon contexte. Mais je ne lui fais pas confiance simplement parce qu’il produit une bonne réponse. Je fais confiance au système parce que je sais : - où il cherche ses informations ; - ce qu’il a le droit de modifier ; - ce qu’il doit faire lorsqu’une source manque ou qu’un outil échoue ; - comment revenir en arrière. C’est ce qui sépare, selon moi, un chatbot pratique d’un véritable système de travail. J’utilise le mien chaque jour. Il repose sur quatre briques : - Hermes comme agent ; - Discord comme interface quotidienne ; - Obsidian comme mémoire lisible ; - GitHub pour l’historique, la sauvegarde et la reprise. Voici comment elles travaillent ensemble. 1. Discord sépare mes contextes Je parle à Hermes depuis Discord. Chaque espace correspond à une fonction : recherche, veille, capture, préparation de contenus ou revue du système. Une discussion technique ne vient donc pas modifier le contexte d’un travail éditorial. Mais Discord reste une interface. Ma mémoire ne dépend pas de l’historique des conversations. Si je changeais de messagerie demain, mes connaissances resteraient dans mes fichiers. 2. Obsidian conserve une mémoire que je peux inspecter Mon vault est composé de fichiers Markdown. J’y conserve mes projets, mon journal, mes ressources, mes décisions et les concepts que je développe dans le temps. Une ressource externe n’est pas encore une connaissance assimilée. Une capture rapide n’est pas une décision. Une hypothèse n’est pas un fait. Sans cette distinction, un agent peut retrouver une vieille intuition et la présenter avec l’assurance d’une décision actuelle. Chaque note importante indique donc ce qu’elle contient, son origine et son statut lorsque celui-ci change la manière de l’utiliser. 3. Une information suit un parcours borné Lorsque je trouve une ressource intéressante, je l’envoie dans le contexte Discord prévu. Hermes peut récupérer la source, préparer une capture dans l’Inbox, rechercher les notes déjà présentes et me signaler des liens ou des doublons potentiels. Mais il ne décide pas seul que cette ressource mérite d’entrer dans ma mémoire durable. Je relis, je corrige et je décide si elle doit rester une ressource, servir un projet ou devenir un concept réutilisable. Hermes prépare. Je tranche. L’Inbox permet de capturer sans choisir immédiatement le classement définitif. Elle doit toutefois être revue, sinon elle devient une nouvelle décharge numérique. 4. Je commence par une règle lorsque l’IA n’est pas nécessaire Un modèle n’a pas besoin de décider de chaque étape. Si un espace Discord correspond toujours à une fonction, une règle peut déjà déterminer une partie du parcours. Je réserve l’IA aux moments où il faut interpréter une demande, rechercher des relations, extraire une information ou préparer une synthèse. Le comportement devient plus prévisible et les erreurs plus faciles à comprendre. Ajouter de l’IA partout ajoute parfois seulement davantage d’endroits où le système peut se tromper. 5. Une consigne n’est pas une permission Écrire « ne modifie pas ce dossier » dans un prompt ne suffit pas à sécuriser un système. Je distingue trois niveaux : - automatique ; - soumis à validation ; - interdit. Hermes peut lire mes connaissances et écrire dans les espaces prévus pour la capture. Il ne modifie pas le reste du vault sans mon accord explicite. Il ne publie rien à ma place. Les actions externes ou difficiles à annuler restent sous contrôle humain. Pour chaque usage, je définis les sources autorisées, la sortie attendue, la validation nécessaire et le comportement à adopter si les données manquent ou si un outil échoue. Je ne teste donc pas uniquement l’action autorisée. Je vérifie aussi qu’une action interdite est réellement refusée et qu’un échec reste visible au lieu d’être masqué par une réponse plausible. 6. GitHub permet de revenir en arrière Mon vault Obsidian vit dans un dépôt GitHub privé. Je peux inspecter les modifications, retrouver une version antérieure et revenir en arrière si quelque chose a été mal modifié. Mes fichiers restent lisibles sans Hermes, sans Discord et même sans Obsidian. Si je veux déplacer le système, je récupère le dépôt et je repars avec mes données. Mais synchroniser des fichiers ne suffit pas. Une sauvegarde ne devient une capacité de reprise que lorsque la restauration a été vérifiée. 7. Le premier usage passe avant les extensions Je pourrais ajouter plusieurs agents et une longue liste d’automatisations. Je préfère commencer par un usage fréquent : capturer une ressource, préparer une recherche, retrouver une décision ou produire un brouillon depuis mes propres notes. Ce premier usage doit donner une raison de revenir demain. S’il entre réellement dans le quotidien, le système peut s’étendre. Sinon, je simplifie avant d’ajouter quoi que ce soit. Si vous utilisez déjà une IA dans votre activité, voici les huit tests que je ferais : 1. Retrouve-t-elle une information sans que vous la recopiiez dans chaque conversation ? 2. Pouvez-vous identifier la source utilisée et le statut de l’information ? 3. Savez-vous ce qu’elle peut faire automatiquement, avec votre validation ou jamais ? 4. Une action interdite a-t-elle été réellement testée ? 5. Son comportement lorsque les données manquent ou qu’un outil échoue est-il défini ? 6. Pouvez-vous inspecter et corriger sa mémoire vous-même ? 7. Les comptes, les données et l’infrastructure vous appartiennent-ils ? 8. Avez-vous déjà restauré le système à partir de sa sauvegarde ? Si plusieurs réponses sont négatives, vous avez peut-être un bon chatbot. Pas encore un système suffisamment fiable pour devenir un outil de travail quotidien. C’est ce système IA personnel que je mets en place chez des solopreneurs qui vendent leur expertise et manipulent beaucoup d’informations. Le socle reste Hermes, Discord, Obsidian et GitHub, sur des comptes appartenant au client. J’adapte les contextes, les connaissances initiales, les permissions, les modèles et le premier usage. La mise en place comprend les tests des actions autorisées, interdites et dégradées, la vérification de la restauration, la documentation, la prise en main et 30 jours de stabilisation du périmètre livré. Si le périmètre doit être réduit, je réduis le volume de connaissances ou le nombre de sources intégrées. Pas les permissions, les tests, la reprise ou la prise en main. Les abonnements techniques sont payés directement par le client et le suivi reste facultatif. Le système ne doit pas créer une dépendance envers moi. La mise en place est terminée lorsque le premier usage est réellement utilisable et que le client sait reconnaître un échec. Pas simplement lorsque le bot répond. Si votre IA repart encore de zéro alors que votre activité repose sur des connaissances accumulées au fil des années, vous pouvez m’écrire.

• 
  Le PLOUTOS (@leploutos) a signalé il y a 5 minutes

  J'ai confié une mission à un agent Hermes : lancer un micro-SaaS par semaine. Je vois passer des dizaines de nouveaux SaaS sur X en ce moment. J'avais moi aussi une liste d'idées qui s'allongeait. Mais aucune envie de passer mes semaines à chercher des noms, acheter des domaines, créer des repos GitHub, provisionner des serveurs et surveiller des agents de code. L'idée n'est pas de sortir une nouvelle usine à gaz tous les sept jours. Chaque produit doit résoudre un problème très précis et pouvoir être utilisé de trois façons : - directement par un humain ; - dans un workflow via une API ; - par un autre agent, qui pourra utiliser le service et même prendre son propre abonnement. Je fournis l'idée. Hermes orchestre le reste depuis mon VPS. Il commence par faire les recherches, trouver le bon angle et rédiger le cahier des charges. Un skill travaille le positionnement, le nom et la marque. Un MCP vérifie les domaines disponibles et lui permet d'acheter celui qu'il retient. Il prépare ensuite l'infrastructure. GitHub pour le code, Hetzner pour le serveur et Coolify pour le déploiement. Tout est créé et relié sans passer par mon ordinateur. Une fois le terrain préparé, il découpe le produit en tickets GitHub : backend, API, authentification, paiements, interface, tracking, mails... Hermes ne développe pas lui-même chaque fonctionnalité. Il ouvre un terminal sur son VPS, lance Claude Code avec un ticket précis, surveille son travail et récupère la pull request. À chaque PR, Codex intervient comme deuxième paire d'yeux. Il relit le code depuis GitHub, remonte les problèmes et laisse ses commentaires. Hermes reprend ensuite les remarques, renvoie les corrections à Claude et recommence jusqu'à ce que les tests et la revue passent. Une fois tout au vert, il pousse en production avec Coolify. Stripe gère les abonnements. Resend les mails. Umami, Google Analytics et Search Console suivent l'utilisation et l'acquisition. Même après le lancement, l'agent continue. Les tickets de support et les demandes de fonctionnalités remontent dans GitHub. Il les regroupe, les priorise et peut relancer un cycle de développement sans que j'aie à suivre chaque étape. Le but n'est pas de prétendre qu'un agent peut créer une entreprise rentable en appuyant sur un bouton. Il ne choisit pas encore la bonne idée à ma place, et je garde la validation sur les décisions importantes. Mais toute la tuyauterie qui transforme une idée en produit utilisable ne tourne plus sur mon ordinateur et ne dépend plus de ma charge mentale. J'ai construit une petite usine à side projects. Maintenant, il va falloir automatiser le marketing

• 
  Roland Barbe (@RolandBarbe) a signalé il y a 7 minutes

  Le site @github est hors ligne depuis plusieurs heures. Bien content d’avoir migré tous mes projets sur Forgejo via un petit VPS. Ce service n’est pas fiable.

• 
  Affiseo - Romain Brunel (@Affiseo_) a signalé il y a 9 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'.

• 
  JoYz (@joyzjyc) a signalé il y a 12 minutes

  @kirtandopamine GitHub est très bien en soi ! Le problème ne vient pas de @github ... le problème vient de la gestion de github ... cf. @Microsoft

• 
  Zezinho Ecom 🐉 (@Ecom_Zezinho_) a signalé il y a 14 minutes

  Si un jour tu renverses de l'eau sur ton pc ou qu'il crame = tu perds TOUTE ta data Ça arrive vraiment. Et c'est pour ça que je stocke tout sur GitHub plutôt qu'en local sur mon PC. Ton PC tombe en panne ou tu renverses un truc dessus, si t'as pas sauvegardé ton disque dur c'est terminé, des mois de data envolés en 2 secondes...

• 
  Cry About It (@GetMadWhoCare_) a signalé il y a 16 minutes

  @GrablyR l'algorithme de X va passer en open source, comment oser utiliser le mot "opacité" alors que l'ensemble va être public ? Et si tu regardes via github tu peux déjà trouvé pas mal de choses concernant l'algo de X, l'information circule presque totalement sans filtre !

• 
  Jp (@jipe_ia) a signalé il y a 19 minutes

  Un abonnement IA à 7 dollars au lieu de 20, c'est possible. Il suffit de changer le modèle qui tourne derrière, et ça ne se lit pas sur le prix affiché. Cursor vient d'ouvrir un palier réservé à l'Inde. "Cursor Start", 649 roupies par mois, environ 7 dollars, contre 20 dollars pour le Pro. À ce prix, tu as le modèle maison de Cursor (Composer) et Grok 4.5. Les modèles frontier d'OpenAI et d'Anthropic, eux, restent au palier du dessus. Le palier rogne aussi des fonctionnalités (Bugbot, Auto mode, Automations, le SDK), comme n'importe quelle offre d'entrée. Ce qui m'intéresse, c'est la ligne de découpe. Un abo IA moins cher, ça voulait dire moins de requêtes, moins de sièges, moins d'options. On te donnait moins de la même chose. Maintenant on te donne autre chose. Un modèle différent. Et Cursor est loin d'être seul. Sur GitHub Copilot, le Pro à 10 dollars te donne Haiku et Sonnet. Pour les Opus, il faut passer au Pro+ à 39 dollars. Ce qui a une logique, quand on y pense. Le coût variable d'un produit IA est presque entièrement dans l'inférence. Donc le levier le plus direct pour afficher un prix plus bas, c'est de faire tourner un modèle moins cher. Alors je nuance tout de suite. À 7 dollars, l'offre peut être très bien. Sur de l'édition de code au quotidien, un modèle maison bien intégré fait souvent le job. Et ouvrir un outil à un marché où 20 dollars par mois pèsent beaucoup plus lourd, ça se défend complètement. L'Inde est le 3e marché de Cursor, avec une base qui a triplé en un an, à plus de 3 millions de développeurs. Ce qui me gêne arrive après. 2 personnes qui paient le même montant, chez 2 éditeurs différents, peuvent avoir des modèles très différents en face. L'information qui compte vraiment, quel modèle tourne à quel palier, est rarement celle qu'on met en gros sur la page de tarifs.

• 
  Jp (@jipe_ia) a signalé il y a 23 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.

• 
  Kaostyl (@kaostyl) a signalé il y a 23 minutes

  Bon alors petit update sur cette migration de serveur (ou plutot d'environ 150 wordpress vers du static github>cloudflare) par mon agent Hermes.... C'était pas si mal mais pas assez parfait pour que je valide... donc c'est un echec. Hugo etait un mauvais choix, pas top pour des sites multilingue entre autre et surtout j'avais pleins de trucs cassé, un design de *****... Bref !! Je suis en train de tout recommencer avec Astro... et cette fois je borde tout car chaque site à sa particularité donc il faut que le workflow soit capable de gérer l'ensemble des cas particuliers... Je vous tiendrais au courant ! Ce qui est sur c'est que j'ai largement sous estimé la tache mdr et j'ai surement mal fait pleins de trucs...

• 
  Baptiste (@tokyozinnia) a signalé il y a 25 minutes

  @cocasse_boi Faire les quêtes en boucle et acheter 3 jours nitro en boucle qui coûte 1400 orbs , utiliser le VPN sur Discord navigateur pour avoir les quêtes indisponibles en France mais disponible aux États Unis → répeter l’opération en boucle pour que ton solde augmente et ne tombe jamais à zéro Je propose aussi un repo Github qui propose de fake le fait que tu joues aux jeux des quêtes pour faciliter encore plus la technique

• 
  Cimmerian Iter (@Cimmerian__Iter) a signalé il y a 29 minutes

  @basedpolymer @EritoWorld dans le projet. C'est à dire que c'est comme si j'avais un dev senior dans l'Open Space que j'appelle et je lui demande de voir mon bout de code et de voir ce qu'il cloche. Ce dev senior lui aurait pas besoin d'aller lire tout les fichiers du GitHub pour m'aider sur playback.cpp

• 
  Bearman (@xcomdoc) a signalé il y a 33 minutes

  On a trouvé un bug dans l'algo X. C'est pas un bug. C'est 18 000 lignes de code wokiste. Le ranking model préfère le bon message à la bonne réponse. Voilà. Vous pouvez fermer GitHub