Deeju

@iamsupersocks Très bon papier

@teej_dv this is serverless

@iamsupersocks Ça me fait marrer la meta de communication de ces gars, ils foutent volontairement un extrait hors sujet d'un JV pour ragebait et ça contribue fortement à augmenter leur reach. C'est maîtrisé

Je vis pour ça. Pas besoin de grand-chose, juste me balader sur Google Earth avec ce bijou.

I built "zero2claude", a free course that takes people from zero terminal experience to shipping with Claude Code. The curriculum goes from absolute zero → software basics → Claude Code fundamentals → advanced usage. No shortcuts, no assumptions. 17,000+ students. 7 languages. ~500 active hourly. No marketing. No ads. Pure word of mouth. The entire platform? Built and operated by one person with Claude Code. Lighthouse audit: ✅ Performance : 96 ✅ Accessibility : 100 ✅ Best Practices : 100 ✅ SEO : 100 Production stats: ~6.4M requests/day. 74 req/sec sustained. <0.003% error rate. Claude Code doesn't just write code. It builds production-grade, scalable products. The best way to grow Claude Code adoption isn't to simplify the tool. It's to level up the people. Give fishing rods, not fish. Free. No paywall. My contribution to the community. Link in the comments 👇

Cooking

Le runtime déporté de Codex c'est la voie royal pour utiliser leurs connecteurs et lockin une fonction essentielle de l'agentique, la source de données. Je fuis

L'IA c'est la version tech du pire de la tendance body positive, faire croire que les mauvaises habitudes et/ou le manque d'intelligences ne sont qu'une question de perspective. Avec un branding hérité de la crypto et du business facile type dropshipping. Tout ne serait qu'une question d'une ou plusieurs actions à mener et hop, amour gloire et beauté. Ça ne pas rend les cons moins cons qu'avant.

Hmmmmm ça va être tout noir

@ALeaument Camarade, juste t'évite de causer du libre, en plus d'être ridicule tu es une insulte aux dev du logiciel libre. </ THANK YOU FOR YOUR ATTENTION TO THIS MATTER> Bluetouff.

not the audience who needs condoms tbh

Quelques statistiques intéressantes sur le bilan environnemental de l'IA trouvées sur le blog du chercheur Andy Masley : Bilan carbone de l’entraînement de Chat GPT 4 : Entraîner GPT-4 a consommé l’énergie nécessaire à alimenter la ville de San Francisco pendant trois jours. Mais Chat GPT-4 est un produit qui a été utilisé par des centaines de millions de personnes pendant deux ans. À titre de comparaison, la fabrication des Iphones 16 a consommé l’énergie nécessaire à alimenter la ville de San Francisco pendant treize ans. Bilan carbone de l’entraînement de Chat GPT 4 : 15 000 tonnes de CO2, soit les émissions annuelles de 1 550 citoyens américains. C’est inférieur au bilan carbone de la fabrication des chaussures Nike vendues sur une seule journée ou à celui de la fabrication des Légos vendus sur un mois. Si l'on pense qu'il aurait été bénéfique pour la planète d'empêcher l'entraînement de GPT-4, il faudrait aussi envisager d'arrêter la production de Lego pendant un mois. Bilan carbone de l’inférence : Une requête ChatGPT moyenne consomme autant d'énergie qu'une recherche Google en 2008 (la dernière fois où Google a indiqué la consommation d'une recherche). Même en incluant les « coûts cachés » comme l'entraînement, les émissions liées à la fabrication du matériel, l'énergie utilisée pour le refroidissement et les puces d'IA en veille entre les prompts, le coût carbone d'un prompt moyen représente moins de 1/150 000ᵉ des émissions quotidiennes d'un Américain moyen (0,00067 %). La consommation d’eau : Les data centers aux États-Unis ont consommé 0,2% de l’eau douce du pays en 2023. L’IA ne représente que 20% de la consommation des data centers. Elle consomme donc 0,04% de l’eau douce américaine (ceci inclut la consommation d'eau pour produire l'électricité alimentant les data centers). Il est prévu que ce chiffre triple d’ici 2030, atteignant 0,12% de la consommation américaine d’eau douce. Cela équivaudra à 8% de la consommation d’eau par l’industrie du golf aux États-Unis. En 2030, les data centers d'IA consommeront annuellement autant d'eau que 0,07 % de la population américaine. À l’échelle individuelle, un prompt consomme 0,2 ml d’eau (à nouveau, en incluant l’eau utilisée pour produire l’électricité utilisée par le datacenter). Quotidiennement, avant l'arrivée de l'IA, l'Américain moyen utilisait l'eau équivalente à 800 000 prompts. Quelques équivalences consommation d’eau/prompts: Chaussures en cuir : 4 000 000 prompts Smartphone : 6 400 000 prompts Jean : 5 400 000 prompts T-shirt : 1 300 000 prompts Une feuille de papier : 2 550 prompts Un livre de 400 pages : 1 000 000 prompts Chaque seconde passée à marcher dans la rue use un peu vos chaussures, qui finiront par devoir être remplacées. Or, leur fabrication nécessite de l'eau. Andy Masley calcule que chaque seconde de marche consomme en moyenne autant d'eau que 7 prompts. Rester assis devant son ordinateur permet donc d'économiser de l’eau. Tout cela sans évoquer tous les bienfaits environnementaux qui seront apportés par l’IA (efficacité des chaînes d’approvisionnement, découvertes scientifiques, libération de ressources à investir dans le renouvelable, etc.)

@JuWeb1 Pas le budget surtout mais content que tu aies la vision.

2.5x the speed at 6x the cost. Y a un problème dans l’équation, non ?

Deux voies : vendre de la data/expertise propriétaire ou du compute/infra. En gros, un stage de pilotage au Nürburgring vs du SP98.

D'accord avec Ethan. Beaucoup imaginent encore que l’IA dans des utilisations avancées reste un truc de lab à San Francisco. En réalité les modèles sont globaux et les workflows sont locaux. Tout le monde les a déjà. Le moat devient : → la data métier → les agents branchés aux outils internes → les gens assez curieux pour expérimenter des workflows avant les process officiels. Les use cases les plus violents ne sont probablement même pas sur Twitter. Les meilleurs viennent souvent de personnes qui connaissent un métier par cœur et qui commencent à brancher agents, automatisations et outils internes dans leur quotidien.

On aime

@chrisramsay52 What you see is not the shape of the object itself but a known flare that happens when a bright object is directly in frame of a FLIR camera, the video feed is inverted so it appears black

@_bschmidtchen @reactorworld Good !

Real-time World Models are the next AI frontier. Today, we @reactorworld are taking the first step towards this reality: our early preview lets you experience worlds generated in real-time, running on our global low-latency infrastructure. Try it now: reactor.inc

@HarshithLucky3 I'm really curious to read the outputs

NotebookLM will be very helpful here

Le nouveau pas de tir du Starship est un monstre. Il a encaissé sans broncher un tir statique de 14s avec 33 moteurs Raptors qui lui crachent à bout portant quelques milliers de tonnes de poussée. Tout est démesuré dans ce projet.