Hacker News
-
Shopify moves back to Native from React Native
Shopify abandonne React Native au profit du développement natif (Swift/Kotlin) pour ses applications mobiles, renversant la décision « all-in React Native » prise en 2020. La raison principale : les modèles de code sont devenus si performants que les agents peuvent maintenir la parité entre plateformes — traduire une fonctionnalité d'iOS vers Android, gérer les tests et la revue — ce qui élimine l'avantage historique du code partagé.
L'entreprise a reconstruit ses applications en repartant de zéro (greenfield) plutôt que par migration progressive, l'application Shop ayant été refaite en natif en 12 semaines avec l'aide de l'IA. Shopify a développé un système interne baptisé Helix qui migre les écrans par étapes vérifiées : chaque checkpoint doit passer des tests, une revue visuelle et deux revues de code adversariales avant validation humaine.
Côté open source, les bibliothèques React Native de Shopify restent financées jusqu'à fin 2026 : FlashList (~2M téléchargements/semaine) sera forké et repris par William Candillon, avec des discussions en cours pour en confier la gouvernance à long terme, tandis que Restyle sera archivé.
La décision de Shopify d'abandonner React Native pour revenir au natif, motivée selon l'article par les capacités des LLM, est globalement bien comprise par les commentateurs, mais plusieurs nuancent ou contestent le rôle de l'IA. Le point d'accord majeur : React Native n'avait de sens que pour mutualiser des développeurs web vers le mobile, et si les agents génèrent le code natif, cet avantage disparaît. Plusieurs rapportent des expériences concrètes allant dans ce sens, dont un développeur indépendant qui a migré une application de 15-20 écrans vers du Kotlin/Swift natif en une nuit avec Codex, sans connaître Kotlin ni Swift. D'autres prédisent que ce mouvement deviendra une tendance industrielle généralisée.
Les désaccords portent sur le facteur décisif. Un praticien ayant mené une migration similaire RN vers Swift/Kotlin précise qu'elle a été accomplie majoritairement avant l'IA générative : la « taxe React Native » (mises à jour pénibles, friction avec les frameworks natifs, qualité inégale des bibliothèques) suffit à elle seule à justifier le retour au natif. Un vétéran de deux décennies de frameworks multiplateformes (Cordova) corrobore le constat structurel : RN ne réduit pas les effectifs, il transforme 20 développeurs natifs en 20 développeurs produit plus 20 développeurs d'infrastructure. D'autres pointent les limites : aucun outillage n'existe encore pour empêcher deux bases de code natives de diverger, l'argument de RN comme source unique de vérité reste valable, et il est prématuré de crier victoire avant que les utilisateurs n'aient validé le résultat — les grandes réécrivures peuvent dérailler.
Corrections factuelles et signaux du terrain : un ancien développeur mobile e-commerce rapporte que les métriques de performance que Shopify avait fièrement publié lors de sa migration vers RN en 2020 étaient inacceptables sur les apps natives de son employeur d'alors. Un commentateur technique rappelle que RN souffre d'un handicap structurel sur iOS : l'absence de JIT rend le JS un ordre de grandeur plus lent qu'en navigateur.
-
DeepSeek v4.1 Flash
DeepSeek annonce la version 4.1 Flash de son modèle. Le texte fourni se limite au titre, aucune information supplémentaire n'est disponible sur les capacités, les performances ou la disponibilité de ce modèle.
La discussion est globalement très enthousiaste : plusieurs commentateurs voient DeepSeek comme le laboratoire le plus innovant du moment, saluant des rapports techniques détaillés (contrairement à ceux, jugés creux, des laboratoires américains) et une capacité à faire émerger de l'innovation d'architecture avec des moyens de calcul bien moindres que Google, Anthropic ou OpenAI. Un commentateur nuance toutefois ce récit : la principale nouveauté du modèle est adaptée de YOCO, une architecture publiée par Microsoft Research dès 2024, DeepSeek méritant surtout le crédit de l'avoir mise à l'échelle.
Les retours de terrain sont largement positifs : le modèle serait plus docile que les modèles américains (moins de refus sur des demandes légalement valides, comme des ROM de jeux ou la recherche de vulnérabilités dans son propre code), et très adapté à des tâches automatisées comme le tri de bugs. Des testeurs indépendants confirment que c'est un modèle fort, mais tempèrent le discours marketing : il n'écrase pas la concurrence (derrière Gemini 3.8 Flash sur certains evals, résultats contrastés face à GPT-5.6 selon les benchmarks), et son avantage s'explique en partie par une taille doublée (552B contre 284B pour le V4 Flash, dont 196B de paramètres « Engram »), ce qui pousse plusieurs commentateurs à douter de l'étiquette « flash » et à suspecter du benchmaxxing. Des réserves sur OpenRouter sont signalées : les niveaux de reasoning sont mal implémentés par certains fournisseurs tiers, et les résultats affichés ne correspondent pas aux trois niveaux réellement supportés.
Sur les prix, la discussion corrige plusieurs confusions : le tarif de cache à $0,003/M tokens est un prix off-peak (et non 0,003 centimes), et la « réduction de prix » annoncée s'entend par rapport au V4 pro, que DeepSeek arrête — v4.1 Flash est en réalité plus cher que l'ancien V4 Flash ($0,30/$1,20 contre $0,10/$0,25, ou $0,28/$0,14 au lancement selon les chiffres officiels cités).
-
More questions about whether researchers can trust OpenAI with unpublished math
Des interrogations émergent sur la capacité des chercheurs en mathématiques à confier à OpenAI des résultats non publiés, la question de la confidentialité et de la confiance envers l'entreprise étant soulevée.
La discussion porte sur l'accusation selon laquelle OpenAI aurait « snipé » les travaux de deux mathématiciens (Alpöge et Buckmaster, approche du problème de Navier-Stokes et d'un groupe non-sofiq) après avoir eu vent de leurs sessions avec Codex. Plusieurs commentateurs relèvent un point de chronologie troublant : OpenAI aurait lancé un effort massif (des milliards de tokens de sortie, environ 15 millions de dollars de calcul évoqués) juste après avoir appris, via une rumeur, que ces chercheurs étaient proches d'une solution — ce qui ressemble à une « construction parallèle » même si chaque étape prise isolément a une explication plausible.
Un commentaire apporte une correction importante à l'article : OpenAI ne prétend pas que le modèle n'a pas été entraîné sur ces sessions, mais affirme n'avoir pas vu les travaux avant publication, n'avoir pas utilisé les prompts, et reconnaît ne pas pouvoir exclure que des données d'usage « dé-identifiées » aient amélioré ses modèles — nuance décisive souvent gommée. Un autre nuance l'accusation : le mathématicien plaignant, dans sa note publique sur MathOverflow, a qualifié l'argument d'OpenAI de « créatif » sans signaler qu'il l'avait lui-même anticipé ; plusieurs estiment donc que les preuves de plagiat sont faibles, les chercheurs n'ayant qu'une ébauche, pas une preuve complète. D'autres répondent que la question clé n'est pas la contamination des données mais l'intention humaine de « scooper » le résultat avec des ressources corporates.
Le consensus : la provenance des données est invérifiable de l'extérieur, et confier des travaux inédits à ces modèles est risqué car les LLM mémorisent approximativement. Quelques pratiques concrètes émergent : tester des « canaries » dans les chats (peu fiables, une occurrence unique ne survit pas à l'entraînement), ou recourir à des modèles locaux moins performants. Un avis souligne que les maths, domaine vérifiable, se prêtent au RL massif, et que les modèles internes auraient déjà résolu des centaines de problèmes ouverts — ce qui rendrait le plagiat inutile ; d'autres objectent que les IA ne semblent résoudre que des problèmes ayant eu des données d'entraînement humaines.
-
Don't let anyone take away your big box of cables
Un billet d'humeur humoristique célébrant la fameuse « boîte de câbles » que beaucoup gardent pendant des années. L'auteur, inspiré par un message viral de Tyler Gaw sur le fait qu'un câble stocké depuis dix ans a fini par servir, a imprimé ce message et l'a collé sur sa propre boîte, baptisée « FAMILY TECHNO BOX », pour se rappeler pourquoi il la garde — et dissuader sa famille de s'en débarrasser.
La discussion confirme massivement le plaidoyer de l'article : garder une (ou plusieurs) boîtes de câbles est largement considéré comme un réflexe salutaire, et les commentaires débordent de retours d'expérience où le stock a dépanné un client, un ami ou un projet familial. Plusieurs commentateurs racontent avoir produit « exactement le bon câble » à plusieurs reprises, ou avoir vidé leur stock après un déménagement avec satisfaction ; un évoque son grand-père dont l'atelier rempli de pièces a sauvé des situations pendant des années, ce qu'un autre attribue à la disparition du juste-à-temps et de la fabrication offshore. L'avis minoritaire tient pour la suppression : les câbles manquants se rachètent quelques dollars sur Ebay ou arrivent en livraison rapide, et ce qui compte n'est pas le coût mais l'interruption du projet — à quoi d'autres répondent que garder la boîte est justement ce qui évite cette interruption.
Le vrai consensus porte moins sur « jeter ou garder » que sur l'organisation : trier par type (USB-C, USB-A, réseau, audio/vidéo, alimentation, adaptateurs) dans des sacs ziplocs transparents ou des boîtes Ikea type Samla/Knagglig, avec un astucien recommandant le tri par capacité (vitesses/puissance USB) pour éviter les rachats, et un habitué des festivals préconisant le nœud granny pour plier les câbles. Beaucoup insistent sur la déduplication : regrouper révèle qu'on possède dix câbles identiques dont huit peuvent partir ; certains ne gardent que le plus court et le plus long de chaque type, ou jettent désormais le câble fourni avec les appareils.
Une correction technique importante nuance l'article : un commentateur a grillé ses disques durs en branchant un câble SATA d'une alimentation modulaire dans une autre PSU — le connecteur s'insère partout mais le pinout côté bloc d'alimentation n'est pas standardisé, parfois même pas au sein d'un même fabricant. Les câbles d'alims modulaires doivent donc rester dans leur boîte d'origine et ne jamais finir dans le grand bac.
-
Rust Is Tier-1 Language at Microsoft
Microsoft officialise le statut de « langage Tier-1 » de Rust en interne, aux côtés de C++, C# et TypeScript : les équipes bénéficient d'un parcours outillé complet, du développement local à la production, avec toolchain sécurisée, outillage, workflows qualité et conformité SDL.
Pièce maîtresse de cette stratégie : rustc_codegen_utc, un backend de génération de code alternatif pour rustc qui se branche sur le backend MSVC (UTC), le compilateur natif de Windows. Il garantit une forte compatibilité avec l'écosystème et l'ABI Windows, le durcissement binaire, l'analyse post-édition (dont Hotpatch), l'interop Rust/C++ y compris l'inlining et l'optimisation cross-langage, le débogage et le profilage. L'objectif est une plateforme de génération de code unifiée pour Rust et C++ sur Windows, évitant de dupliquer chaque capacité spécifique à Windows.
Prêt pour la production depuis début 2026 et auto-hébergé depuis Rust 1.90, le backend est utilisé par plus de 100 dépôts de projets Microsoft, du firmware et des pilotes aux microservices. L'article évoque aussi les travaux en cours, internes et communautaires (initiative d'interopérabilité de la Rust Foundation), sur l'interopérabilité au niveau langage et les systèmes de build.
L'annonce du statut « tier-1 » de Rust chez Microsoft, présentée à RustConf, suscite surtout des réactions prudentes. Plusieurs commentateurs saluent le remplacement du backend LLVM par celui de MSVC (rustc_codegen_utc) comme le vrai fait marquant — un retour du fil Zulip indique que les performances à l'exécution seraient déjà comparables à LLVM, ce qui a surpris même les participants. D'autres y voient surtout une confirmation que Rust est devenu un langage mature et sérieux face à C++, Zig ou Odin, et un signal que l'écosystème Rust a dépassé le slogan « réécrivez tout en Rust » pour se concentrer sur l'interopérabilité (C++, Python, JavaScript), thème dominant de cette RustConf.
Le principal point de friction porte sur la faisabilité de la conversion du code existant. Un commentaire cite l'objectif évoqué par un employé de Microsoft de convertir un milliard de lignes d'ici 2030 via outils automatisés, ainsi que le programme DARPA TRACTOR ; mais un autre corrige que cet objectif de « 1 milliard de lignes » n'est pas une position officielle de Microsoft, seulement un commentaire LinkedIn personnel, et un praticien juge qu'une conversion C++ vers Rust entièrement équivalente reste largement une chimère, avec au mieux des maxima locaux (code unsafe massif, pertes de performances). Les développeurs de gros codebases C++ (30 millions de lignes chez l'un d'eux ; une réécriture passée chiffrée à près d'un milliard de dollars) rappellent que l'interopérabilité, pas la réécriture, conditionnera l'adoption — et un avis minoritaire estime que la meilleure interop C++ reste simplement d'écrire du C++.
Des interrogations concrètes subsistent : absence de support Rust dans Visual Studio (plusieurs y voient le signe d'un remplacement progressif de VS par VS Code), question de l'ouverture de rustc_codegen_utc hors Microsoft — selon les échanges Zulip, c'est prévu, sans garantie sur la licence — et scepticisme sur les bénéfices réels pour les utilisateurs finaux, certains pointant l'ironie d'applications Microsoft gourmandes en RAM.
-
Show HN: What if the speed of light was 5 km/h?
Un projet interactif type « Show HN » simulant un parc où la vitesse de la lumière serait réduite à 5 km/h, soit l'allure d'une marche rapide. Comme dans la réalité, cette vitesse n'est pas atteignable, seulement approchable de manière asymptotique : plus on accélère (au clavier ou à la souris), plus les effets relativistes deviennent visibles — contraction des longueurs, dilatation du temps, rotation de Terrell, ainsi que l'effet Doppler de la lumière (blueshift devant, redshift derrière, Doppler transverse sur les objets en mouvement).
Les commentateurs saluent une simulation jugée convaincante sur le plan pédagogique, plusieurs la comparant favorablement au jeu « A Slower Speed of Light » du MIT Game Lab (2012), qui souffrait notamment d'un défaut de modélisation de la composante temporelle de l'effet Doppler — défaut que cette nouvelle version semble corriger. D'autres mentionnent des précédents similaires : le jeu Velocity Raptor (c Slowed to 3 m/s, avec FAQ sur contraction des longueurs et dilatation du temps), l'ouvrage classique de Gamow « Mr Tompkins in Wonderland », le roman « Redshift Rendezvous », ou encore la trilogie « Le Problème à trois corps » et « Une écharde dans l'univers » de Vernor Vinge, qui explorent des univers où c est modifiée localement.
Plusieurs mettent en perspective la « lenteur » de la lumière : 8 minutes Soleil-Terre, ~2,5 millions d'années pour Andromède (et encore ~11 000 ans de temps propre à 99,999 % de c), ou un ping de 300 ms rendant impossible le jeu multijoueur global. Un avis souligne que la question pose problème en soi : le mètre étant défini à partir de la vitesse de la lumière, « changer c » est en réalité un changement d'autres constantes — précision que d'autres nuancent en rappelant que la définition du mètre a déjà été révisée trois fois. Un autre calcul frappant : le rayon de Schwarzschild étant proportionnel à c^-2, la Terre deviendrait un trou noir. Un commentateur note aussi qu'une vie fondée sur la biochimie ne fonctionnerait simplement pas avec une c aussi basse.
Sur le plan technique, des critiques émergent : la simulation ne semble pas reproduire la décomposition d'une succession de boosts non parallèles en boost + rotation (effet attendu de l'invariance de Lorentz), et l'interface serait dérivée de « Astra » plutôt qu'entièrement originale. Plusieurs utilisateurs se plaignent de l'absence de contrôles mobiles, d'un bug de navigation (marche arrière bloquant dans un monde noir) et regrettent l'absence d'explications en temps réel des phénomènes observés — ce qui, selon eux, en ferait un excellent outil d'apprentissage.
-
Tell HN: OpenAI keeps re-enabling the 'allow training' setting
Un utilisateur de Hacker News signale qu'OpenAI réactiverait de manière répétée le paramètre permettant d'utiliser les données de ses clients pour l'entraînement de ses modèles, alors même que ces utilisateurs l'avaient désactivé. Le texte disponible se limite au titre, sans détails ni confirmation.
Plusieurs utilisateurs rapportent avoir constaté que le réglage « Improve the model for everyone » d'OpenAI s'était réactivé malgré leur désactivation, certains sur plusieurs comptes ; d'autres témoignent au contraire que leur option est restée désactivée depuis des mois, y compris aux États-Unis ou dans l'UE. Le débat reste donc ouvert sur la fréquence réelle du phénomène : plusieurs commentateurs invitent à ne pas conclure trop vite vu la taille d'échantillon réduite, et un autre suggère une confusion possible entre plusieurs comptes, ce que l'auteur du message initial conteste en parlant d'un bug au minimum, voire d'une intention malveillante.
La discussion enrichit l'article sur plusieurs points techniques. Un commentaire souligne qu'une simple désactivation ne suffit pas forcément : il existe une procédure formelle de demande de confidentialité (« Do not train on my content ») sur privacy.openai.com, même si un autre nuance qu'un seul des deux mécanismes suffit, en citant un responsable d'OpenAI. Une interrogation récurrente porte sur la portée de ce réglage vis-à-vis de Codex CLI et Codex desktop, pour lesquels aucun moyen équivalent de supprimer l'historique n'a été trouvé. Un utilisateur note que le toggle s'appuie sur une entrée de stockage local dont la valeur semble ignorée au chargement des pages, ce qui laisserait penser à un bug d'interface plutôt qu'à une manipulation délibérée. Un avis précise aussi qu'activer « Advanced Account Security » empêcherait la réactivation, information contestée faute de documentation officielle. Enfin, un commentaire rappelle qu'avec la mémoire de ChatGPT, la réactivation du réglage pourrait rétrospectivement compromettre tout l'historique des conversations, pas seulement les échanges futurs.
Le ton général est marqué par une méfiance profonde envers OpenAI, certains évoquant des antécédents : une option « do not train » autrefois cassée pendant plusieurs semaines, des facturations difficiles à arrêter, ou des recharges automatiques de crédits Codex générant des frais importants. Un fil note que le phénomène serait aussi observé chez Anthropic/Claude, ce qui élargit le problème au-delà d'OpenAI.
-
I have a theory that software drives people insane
L'auteur développe une théorie personnelle : le développement de logiciel rend les gens fous, au sens où il fait perdre leur sens des proportions à des personnes normales. Selon lui, la combinaison de vitesse, d'argent, de complexité, d'abstraction et de liberté de modification crée des effets pathologiques : contrairement à la construction d'une maison, le coût réel des changements en logiciel reste invisible et caché, ce qui pousse à traiter chaque idée comme un « simple fix » gratuit.
L'absence de définition claire du « terminé » (un logiciel peut toujours être amélioré) et la facilité à confondre action possible et action nécessaire rendent les organisations névrotiques, chaque changement de direction étant mythologisé comme « agilité ». L'argent amplifie le phénomène, car la possibilité de produire des centaines de millions de dollars en tapant du code donne un poids démesuré à des décisions banales, tandis que la complexité technique apporte statut et importance, créant un système auto-entretenu.
Essai d'opinion et de sociologie du métier du logiciel, sans lien avec les thématiques suivies.
La discussion rejoint largement la thèse de l'article : le développement logiciel, isolé du réel, pousse à la folie. Mais plusieurs commentateurs déplacent le diagnostic : ce n'est pas le logiciel lui-même, c'est l'éloignement des utilisateurs et le management. Le commentaire le mieux noté souligne que le contact régulier avec les clients agit comme un antidote — comparé à l'exercice ou aux légumes, désagréable parfois mais nécessaire — tandis que les équipes cloisonnées derrière des « chefs de projet gardiens de prison » dérivent. D'autres estiment que le problème vient de managers non-techniques qui imaginent que changer un logiciel revient à « appuyer sur quelques boutons », sous-estimant le coût réel de la modification.
Un praticien apporte un contrepoint chiffré sur la productivité : il y a 20 ans, un noyau de trading temps réel tenait à quatre développeurs, un système complet de gestion des risques post-marché était réalisé seul en quelques mois, alors qu'aujourd'hui des équipes de 60 à 80 personnes produisent surtout du CRUD. Il attribue ce déclin au « tech churn » ; d'autres répondent que le turnover des personnes (départ après deux ans pour progresser en salaire) et la loi de Brooks expliquent aussi que de grandes équipes sous-performent des équipes soudées de dix à douze. Un autre courant de la discussion voit l'ego comme le vrai moteur : refontes et ambitions de « plateforme » servent souvent la gloire de leur auteur plus que l'utilisateur, les dirigeants confondant la conquête d'une représentation abstraite d'un domaine avec celle du domaine lui-même.
Quelques nuances : un commentaire conteste l'affirmation de l'article selon laquelle « la plupart des logiciels ne sont que des tableurs déguisés », rappelant deux décennies d'innovations en interfaces, streaming, jeux 3D et LLM. Un avis propose une analogie avec les mathématiques pour expliquer l'impossibilité d'estimer les délais. Un commentaire minoritaire évoque même un effet des LLM : le coût des modifications devient enfin mesurable.
-
Automattic's board forces CEO Matt Mullenweg into leave of absence
Le conseil d'administration d'Automattic (WordPress.com, Tumblr, WooCommerce, Pocket Casts) a placé contre sa gré son fondateur et CEO Matt Mullenweg en congé payé, et désigné le CFO Mark Davies comme PDG par intérim. Mullenweg a annoncé la nouvelle dans un Slack interne, accusant le CFO d'avoir « conspiré » avec trois administrateurs, et indique avoir demandé en vain un délai pour faire examiner la résolution par un avocat indépendant.
WordPress.org n'est pas concerné : Mullenweg reste leader du projet open source, dont l'executive director Mary Hubbard assure que les équipes et priorités continuent comme prévu. Le conseil n'a pas expliqué publiquement sa décision.
La entreprise était depuis des années en proie à des controverses sous Mullenweg : contentieux prolongé avec l'hébergeur WP Engine (poursuite en diffamation et abus de pouvoir depuis octobre 2024), demande de redevance de 8 % du chiffre d'affaires mensuel aux concurrents utilisant la marque WordPress, menace de désactivation de comptes de contributeurs open source, et une demande de démission faite en 2024 aux employés en désaccord avec lui — 159 avaient quitté l'entreprise avec indemnités. En avril 2025, Automattic avait également supprimé 16 % de ses postes. Les réactions internes sont mitigées entre soulagement et inquiétude face à l'instabilité accrue.
La discussion juge l'événement majeur : plusieurs commentateurs soulignent que Matt Mullenweg détient une emprise quasi totale sur Automattic/WordPress (plus de 80 % des droits de vote selon l'un d'eux) et un conseil d'administration volatile, ce qui rend sa destitution — même sous forme de congé payé et non de licenciement — exceptionnelle. Le consensus est que le conseil a attendu trop longtemps, et beaucoup estiment qu'il ne reviendra pas : annoncer publiquement dans le Slack d'entreprise que le CFO a « conspiré » contre lui est perçu comme le signe d'un départ définitif. Quelques précisions techniques nuancent l'article : droits de vote et conseil sont deux mécanismes distincts, donc son veto n'aurait pas empêché la décision, mais il pourrait en théorie reconstruire un conseil à sa main — des accords avec les investisseurs l'en empêchent probablement.
Deux camps s'affrontent sur la personne : d'un côté, des voix estiment que Mullenweg a « déraillé » ces dernières années, cite son harcèlement public (affaire WP Engine, Tumblr, AspirePress) et juge son comportement incompatible avec un rôle de CEO ; de l'autre, un employé d'Automattic de longue date défend la culture d'entreprise et les contributions open source créées sous sa direction, et un fondateur appelle à la bienveillance envers « l'un des derniers remparts contre un internet corporate ». Un commentaire nuance utilement : sa position sur WP Engine était peut-être fondée, mais la manière fut désastreuse.
Sur le « pourquoi maintenant », un observateur avance deux hypothèses concrètes : le procès WP Engine approche d'une décision (un règlement à l'amiable est probable sous la nouvelle direction) et WordPress serait fragilisé par l'IA — chute du travail pour les agences et développeurs de plugins, failles de sécurité exploitées chaque semaine, réponse jugée inadaptée voire dans le déni. Des chronologies externes (gist, mullenweg.wtf) sont partagées pour retracer la saga.
-
Cognition launches new SWE-2 model, Rivaling Fable 5.1 and GPT-Astra
Cognition annonce SWE-2, son nouveau modèle de code revendiqué comme le plus avancé à ce jour. Il atteint 50,0 % sur FrontierCode 1.1 Main1, à un point de Fable 5.1 tout en coûtant 64 % moins cher, et rivalise avec GPT-5.6 Sol ou Fable 5/5.1 pour une fraction de leur prix, restant à quelques points de GPT-6 Astra pour un quart du coût.
Le modèle est post-entraîné à partir de Kimi K33 (2,8 T de paramètres) via un RL mené pour la première fois à l'échelle multi-trillions de paramètres. La contribution clé est une pénalité de coût linéaire par niveau d'effort, appliquée dans une seule exécution de RL et calibrée sur la pente de la frontière de Pareto du modèle de base, ce qui améliore l'ensemble du compromis coût–performance. L'entraînement triple aussi le nombre d'environnements RL et optimise le serving des rollouts (kernels NVFP4/FP8, modèle de draft en ligne) pour réduire mémoire et coûts.
SWE-2 se révèle plus efficace : sur FrontierCode 1.1 Main, le niveau medium surpasse SWE-1.7 avec 58 % de tours en moins et 81 % de coût en moins, et commence sa première véritable édition après une médiane de 18 étapes contre 48. Les gains portent sur la couverture de tests, la débrouillardise dans les limites autorisées et une discipline de vérification accrue. Le modèle est disponible dès aujourd'hui dans Devin Desktop et CLI, et se déploie sur Devin Web et Fusion.
L'annonce de SWE-2 (Cognition) est accueillie avec une scepticisme dominant sur Hacker News. Le point central de la controverse est l'écart massif entre le score du modèle sur Terminal Bench 2.1 (92,8 %) et sur Terminal Bench 4 (27,3 %), publié plus récemment : plusieurs commentateurs y voient le signe d'un modèle sur-optimisé pour les benchmarks (« benchmaxxed ») plutôt que d'une réelle capacité de généralisation. D'autres répondent que TB2.1 est saturé et que la comparaison n'est pas valide, citant d'autres modèles avec le même profil d'écart. Le débat reste tranché sur cette question.
Deux révélations concrètes pèsent lourdement dans la discussion. D'abord, SWE-2 est un post-training de Kimi K3 (un modèle chinois existant), et non un modèle entièrement nouveau — ce qui amène plusieurs commentateurs à juger que les gains annoncés doivent être pris avec recul, et suscite des ironies sur les modèles américains « Kimi en trench-coat ». Ensuite, un commentateur note que la page de benchmark de Cognition ne montre plus les métriques de tokens ni de temps, seulement le coût, alors que le modèle de base Kimi K3 coûte plus cher par tâche à cause de sa consommation de tokens : les gains affichés proviendraient surtout d'une réduction de tokens, un point que l'article ne met pas en avant. Un employé de Cognition précise en commentaire que SWE-2 est utilisable gratuitement un mois via leur CLI, répondant à ceux qui déplorent un accès limité à la plateforme Devin.
Sur le produit, les retours de terrain sont mitigés : plusieurs utilisateurs décrivent Devin comme décevant (avec le souvenir de la démo très critiquée de 2024), même si certains admettent que l'entreprise s'est améliorée ; d'autres défendent Cognition comme un acteur sérieux éclipsé par Anthropic et OpenAI. Plusieurs questionnent l'intérêt d'un modèle à poids fermés face à DeepSeek 4.1 Flash et à l'écosystème open-weights sur OpenRouter, un commentateur estimant que ces laboratoires construisent surtout des modèles internes pour réduire leurs dépenses d'API.
-
List of references on Sony websites to players "owning" their digital games
Quatre acheteurs PlayStation californiens poursuivent Sony Interactive Entertainment en justice (U.S. District Court, N.D. California, juin 2026), alléguant que le PlayStation Store présente les jeux numériques avec un langage de propriété (« Buy Now », « Confirm Purchase ») alors que l'acheteur ne reçoit qu'une licence révocable, en contradiction avec la loi californienne sur la transparence des biens numériques (AB 2426). La plainte invoque aussi la False Advertising Law et le CLRA, et vise une classe regroupant les résidents californiens ayant acheté des jeux numériques depuis l'entrée en vigueur de la loi.
Le 21 août 2026, Sony a demandé la arbiration individuelle obligatoire au titre des Conditions d'utilisation de PlayStation, invoquant une clause d'opt-out de 30 jours que aucun plaignant n'aurait utilisée, et, à titre subsidiaire, le rejet de la plainte. Sony argue qu'« aucun consommateur raisonnable » ne croit posséder un jeu numérique, avançant que si tel était le cas, deux acheteurs ne pourraient pas acquérir le même jeu. L'article relève toutefois que les pages d'assistance et les communications de Sony parlent du « jeu numérique PS4 que vous possédez déjà ».
Le débat porte sur le procès contre Sony qui argue, devant la justice, que les acheteurs de jeux numériques sur le PlayStation Store ne « possèdent » pas leurs jeux. Les commentateurs s'accordent pour dénoncer un écart entre le langage marketing (« acheter », « posséder ») et la réalité juridique d'une simple licence révocable : Sony emploierait le mot « ownership » dans les textes visibles par l'utilisateur et « revocable license » dans les petites lignes. Plusieurs jugent cette défense juridique risquée pour l'image de Sony, et certains y voient une stratégie délibérée : supprimer la revente d'occasion (impossible en dématérialisé) pour obliger les joueurs à racheter neuf, Sony étant le seul magasin de jeux PlayStation.
Deux arguments de Sony sont moqués : la citation du dossier selon laquelle l'achat de Resident Evil Requiem à 69,99 $ par un plaignant prouverait qu'un autre ne « possédait » pas le jeu est jugée absurde — les commentateurs font le parallèle avec deux copies d'un même livre ou deux paquets de chips. Un commentateur propose même, par ironie, que cet argument pourrait servir à défendre le piratage, ce qu'un autre corrige : le piratage n'est pas un vol mais une atteinte au droit de distribution. Un praticien souligne que le vrai nœud est l'histoire du support physique, qui regroupait objet, licence et mécanismes de protection : la revente d'un DVD était possible car la licence était transférable par nature, ce qui manque aux biens numériques — d'où le « rug pull » ressenti par les consommateurs, et l'importance du retour du jeu physique. Le suivi de la campagne antérieure de Sony est rappelé : le refus de vendre des disques serait un moyen d'éliminer la propriété effective.
Les contributeurs s'accordent aussi sur les clauses d'arbitrage obligatoire (Section 14 des ToS PlayStation), avec une opt-out écrite exigée dans les 30 jours alors que l'acceptation est entièrement numérique — mécanisme jugé conçu pour être ignoré, et critiqué comme le procès Disney+. Plusieurs réclament une réforme : accès au contenu garanti même si la boutique ferme, éventuellement via dépôt en fiducie, distribution sans DRM, ou copie physique obligatoire.
-
The same nine streaming subscriptions cost $702/year more than in 2021
Un panier de neuf abonnements de streaming (Netflix, Disney+, Hulu, HBO Max, Apple TV+, Paramount+, Peacock, YouTube Premium, Spotify) est passé de 95,91 $ par mois en mars 2021 à 154,41 $ aujourd'hui, soit une hausse de 61 % en cinq ans et 702 $ de plus par an pour les mêmes services, aux mêmes paliers dans la plupart des cas. Le coût annuel du panier passe ainsi de 1 150,92 $ à 1 852,92 $. Les hausses varient fortement selon les services : Apple TV+ +200 %, Disney+ +138 %, Peacock +100 %, Netflix +43 %. L'article enregistre chaque changement de prix avec une source datée, sans spéculer sur les motivations, et constate que les augmentations sont devenues régulières plutôt qu'exceptionnelles.
L'article compare le coût de neuf abonnements streaming identiques entre 2021 et aujourd'hui : 702 $ de plus par an. Les commentateurs corrigent d'emblée la présentation : l'augmentation absolue est trompeuse sans base de référence. Le panier coûtait 1 150,92 $ en 2021, soit une hausse de 61 % sur cinq ans, et une fois l'inflation déduite (environ 23 % selon les chiffres officiels, que certains jugent d'ailleurs sous-estimés), la hausse réelle serait plutôt de 26 %. Plusieurs notent aussi que la moyenne est tirée vers le haut par des cas extrêmes comme Apple TV+, passé de 4,99 $ à 14,99 $ (+200 %), tandis que YouTube Premium n'a augmenté que de 33 %. Un point de contexte important est apporté : beaucoup de ces services étaient déficitaires il y a quelques années (HBO Max rentable seulement en 2023, Disney en 2024, Paramount+ et Peacock toujours dans le rouge), les prix de lancement étaient donc artificiellement bas et intenables — ce que d'autres contestent, estimant que les entreprises ont fixé elles-mêmes ce marché et n'ont aucun droit à exister.
Au-delà des chiffres, le fil révèle une frustration de fond : la fragmentation du catalogue et le mauvais rapport valeur/prix. Les abonnés doivent multiplier les services pour suivre quelques séries, les catalogues ont rétréci, les publicités se sont multipliées, si bien que « la valeur diminue pendant que les prix montent » — plusieurs résument cela par « on a remplacé un câblo-opérateur pénible par des dizaines ». Un commentateur souligne que si l'on remonte avant 2021, la hausse est bien pire : Netflix à 7,99 $ pendant des années contre 19,99 $ aujourd'hui, soit +150 % pour un catalogue plus pauvre et avec publicités. Beaucoup concluent au piratage comme option rationnelle (« si acheter ne veut dire posséder, pirater n'est pas voler »), certains payant même un abonnement tout en téléchargeant pour une meilleure expérience.
-
Technique for Manipulating Satellite Photos Now Reveals Ancient Images (2025)
La technique de « decorrelation stretch », développée à l'origine par le JPL de la NASA pour améliorer l'analyse d'images satellitaires, est désormais largement employée en archéologie. Ron Alley l'a optimisée dans les années 1990 pour l'imageur ASTER du satellite Terra, tandis que Jon Harman, muni d'un doctorat en mathématiques et d'une expérience en imagerie médicale, en a tiré le plug-in Dstretch pour ImageJ, puis des applications mobiles.
L'outil a permis de révéler des peintures invisibles à l'œil nu, comme environ 200 œuvres au temple d'Angkor Wat, des pictographes inédits en Norvège, des représentations de chauves-souris et de cochons dans la nécropole égyptienne de Beni Hassan, ou encore des structures enfouies sur le site de Vlochos en Grèce. Il est aussi utilisé pour améliorer l'imagerie de tatouages sur des momies et continue de servir à la NASA pour suivre les panaches d'éruptions volcaniques en infrarouge.
La discussion tourne autour du DStretch, plugin utilisant le « decorrelation stretch » (technique issue de l'imagerie satellitaire NASA) pour révéler des images ou peintures invisibles à l'œil nu.
Plusieurs commentateurs nuancent fortement l'effet de nouveauté de l'article : la technique est connue depuis longtemps — DStretch existe depuis ~2005, et l'amplification d'un gamut restreint vers un gamut perceptible est un classique de l'imagerie médicale et de la télédétection (composites en fausses couleurs, échange de bandes infrarouges sur LANDSAT). Un praticien rapporte avoir intégré le decorrelation stretch dans ses propres logiciels sans jamais obtenir de « révélation » spectaculaire, et un autre a tenté en vain de trouver de l'art rupestre caché à Angkor Wat avec des filtres passe-bande — ce qui suggère que la réussite du protagoniste tient aussi à la circonstance (croisement d'un hobby avec une expertise professionnelle), point relevé comme moteur fréquent d'inventions.
Les apports concrets : recettes pratiques (procédure GIMP via décomposition LAB, plugin DStretch sur iOS/Android, implémentation MATLAB, un papier de revue de 2025 sur les algorithmes alternatifs), le renvoi vers la version NASA plus détaillée et l'article fondateur de 1996, l'usage du DStretch pour révéler les « ghost signs » sur les vieux bâtiments, et le rapprochement avec l'Eulerian Video Magnification. Plusieurs envisagent d'appliquer la méthode à leurs propres photos (murs de Delphine, parois rocheuses).
-
What algorithm did Windows XP use to choose your initial user picture?
Raymond Chen explique l'algorithme utilisé par Windows XP pour choisir l'image de profil initiale d'un utilisateur. Le générateur aléatoire est RtlRandomEx, initialisé avec la valeur courante de GetTickCount().
Le code emploie un algorithme de sélection aléatoire en un seul passage, cas particulier du reservoir sampling (k=1) : chaque fichier a une probabilité de 1/n d'être retenu à l'étape n, ce qui réduit les appels au système de fichiers et évite les complications si le nombre de fichiers change pendant l'exécution.
Par sécurité, l'échantillonnage s'arrête après 100 images pour éviter un comportement pathologique si quelqu'un plaçait un million de fichiers dans le répertoire Default Pictures.
La discussion porte sur l'algorithme de Raymond Chen pour choisir aléatoirement l'image d'utilisateur initiale sous Windows XP : un échantillonnage réservoir (reservoir sampling) avec une limite de 100 éléments, en un seul passage récursif, pour éviter des appels coûteux au système de fichiers. Plusieurs commentateurs saluent l'élégance de la solution et la longévité de Chen chez Microsoft, dont le blog est décrit comme une source d'anecdotes agréables même sans utilité pratique.
-
OpenAI Agents API
OpenAI lance l'Agents API, qui donne accès au harnais Codex via une API managée : OpenAI gère les sessions, l'orchestration, la compaction du contexte et la récupération, tandis que l'application fournit les outils et choisit l'environnement d'exécution. Les agents peuvent opérer dans un sandbox pour exécuter du code, éditer des fichiers, se connecter à des serveurs MCP et produire des artefacts.
L'API repose sur quatre concepts : l'agent (modèle, instructions, outils, MCP), l'environnement (sandbox hébergé par OpenAI ou auto-hébergé), la session (instance durable d'un agent, reprenable là où elle s'était arrêtée) et les événements/items. Le harnais managé permet d'exécuter des commandes, appliquer des skills, déléguer à des sous-agents (multi_agent avec jusqu'à 4 sous-agents concurrents dans l'exemple) et résumer le travail précédent pour gérer la fenêtre de contexte.
La facturation suit les tarifs API des modèles choisis, des outils OpenAI et des conteneurs pour les sandboxes hébergés. L'API ne supporte actuellement la résidence des données qu'aux États-Unis et ne supporte pas la Zero Data Retention, même en sandbox auto-hébergé. Des exemples complets sont fournis : agent de réponse à incidents, bot Slack, analyste de données SQL en lecture seule, investigateur d'issues GitHub, relecteur de documents.
La discussion tourne autour d'une tension centrale : l'API Agents d'OpenAI, qui héberge le « harness » agentique côté OpenAI, est jugée utile sur le principe mais principalement perçue comme un mécanisme de vendor lock-in. Plusieurs commentateurs s'accordent pour dire que la couche « agent harness » (gestion de la mémoire, du contexte, des sandboxes) est difficile et coûteuse à construire soi-même, ce qui justifie un service managé ; mais beaucoup refusent de confier cette couche critique à un fournisseur de modèles propriétaires, d'autant que la frontière entre endpoints LLM et agents devient de plus en plus floue (Claude Code, Codex sont déjà des harness déguisés).
Les critiques concrètes : un praticien constate que Codex n'utilise même plus le Responses API comme documenté mais une version « lite » avec gestion manuelle du contexte, ce qui suggère que la documentation officielle n reflète pas le harness le plus performant d'OpenAI ; les liens des exemples showcase renvoyaient initialement vers des repos 404 (corrigés après signalement). Un développeur soulève le risque de fuite de données : un agent distant peut invoquer un outil qui envoie des données vers l'extérieur sans possibilité d'intervention, argument pour garder le contrôle du harness. Plusieurs remarquent que la logique semble inversée : les vrais problèmes concernent l'accès de l'agent aux données locales, et déporter l'agent chez un hébergeur distant aggrave sécurité et sensibilité, plutôt que de proposer des sandboxes distantes pour un agent local. Une alternative de self-hosting du sandbox existe selon un commentaire, ce qui nuance le lock-in, mais un autre demande alors l'intérêt même de l'API.
Retours de terrain : un développeur utilisant le Codex SDK en parallèle avec un plafond d'environ 10 sessions sur son VPS y voit un cas d'usage légitime pour un service managé ; d'autres rapportent de bons résultats avec des VMs personnelles (qemu, Claude Code en session longue), jugeant ces environnements « triviaux » à monter soi-même.
-
Show HN: Bodily Oddities
Un projet « Show HN » présentant « Bodily Oddities », un recueil de 143 phénomènes corporels inhabituels mais généralement bénins : jamais vu, prosopagnosie, aphantasia, doigts ou tendons atypiques, réflexe oculocardique, phosphènes, ambidextrie, lobes d'oreille, luette bifide, côtes surnuméraires, twitches musculaires, syndrome d'Alice au pays des merveilles, « high place phenomenon », etc. Chaque entrée donne des estimations de fréquence et des explications physiologiques simples, consultables par région du corps ou par type.
La discussion tourne surtout autour du site lui-même et des expériences que les lecteurs y reconnaissent, davantage que sur une critique de fond. Le consensus est très positif : plusieurs commentateurs saluent l'idée, le nom du projet et la valeur de rassembler des phénomènes corporels mal nommés ou mal documentés. Le fil des « geometric nightmares » est particulièrement apprécié : plusieurs personnes décrivent ces formes géométriques angoissantes vécues dans l'enfance pendant la fièvre ou la fatigue, jamais décrites ailleurs ; l'un d'eux note que la récurrence du même motif chez des personnes sans lien suggère un dysfonctionnement commun du système visuel plutôt qu'un apprentissage. Un autre précise que « geometric nightmares » n'est pas un terme scientifique mais un nom issu de forums Reddit.
Les retours de terrain enrichissent le catalogue : réflexe d'éternuement photogénique (un commentateur signale que les pilotes de chasse sont dépistés pour ce réflexe, un autre ajoute être né sans odorat), hallucinations hypnopompiques (sonnerie de porte illusoire), décharges nerveuses près de la clavicule, douleur des glandes salivaires face au salé, sons perçus en s'endormant avec un flash lumineux (identifié comme « exploding head syndrome »), vertiges positionnels liés aux canaliths (manœuvre d'Epley), parallélisme du sommeil, mouvement des oreilles, sensation de chute ressentie dans les jambes en voyant autrui tomber. Des suggestions d'ajouts sont formulées : jamais vu, prosopagnosie, brosse de Haidinger (détection de la polarisation de la lumière, liée par un migraineux à ses auras visuelles).
Une critique concrète porte sur les images : générées par IA, elles présentent des artefacts gênants, notamment des mains malformées, ce qui est particulièrement malvenu sur un site parlant d'anatomie des mains ; l'auteur répond que leur génération a été un projet en soi avec de nombreuses itérations, et certains jugent que la plupart sont correctes et qu'il suffit de corriger les mauvaises. Une suggestion d'ergonomie est aussi faite : afficher la première phrase entièrement dans les cartes pour éviter de cliquer inutilement.
-
Music Theory for the 21st-Century Classroom
Ressource intitulée « Music Theory for the 21st-Century Classroom » partagée sur Hacker News. Aucun contenu d'article n'est disponible au-delà du titre, qui évoque un matériau pédagogique sur la théorie musicale destiné à l'enseignement en classe.
La discussion porte sur un manuel en ligne gratuit de théorie musicale (Robert Hutchinson, Université de Puget Sound), loué pour sa forme : illustrations SVG, liens vers les devoirs permettant l'auto-apprentissage, couverture du sérialisme. Plusieurs commentateurs le recommandent comme ressource d'autoformation, et d'autres évoquent des alternatives comme « Open Music Theory » ou la série vidéo gratuite « Absolutely Understand Guitar », jugée par certains plus efficace que tout cours suivi.
Le point de friction majeur porte sur le titre « 21st-Century Classroom », jugé trompeur par plusieurs commentateurs. Le contenu reste centré sur la théorie classique occidentale (analyse schenkérienne, basse chiffrée), avec un traitement marginal du jazz, une absence totale de musiques électroniques, de microtonalité et de théories musicales non-occidentales (indienne, moyen-orientale, africaine). Un commentateur précise toutefois que le terme se justifie par le format hypertexte et l'usage de vidéos YouTube récentes. Sur l'angle « académique exclu », certains reconnaissent un problème structurel : programmes en déshérence, pénurie d'enseignants capables de couvrir d'autres traditions, et école de pensée favorisant une « première langue » approfondie plutôt qu'un survol superficiel ; d'autres signalent du gate-keeping dans les études hindoustani/carnatiques.
Sur la pédagogie, un critique juge le manuel classique sur ce point : on y mémorise des faits sans contexte ni intuition, notamment la construction des gammes ; un autre répond qu'il vaut mieux penser « toutes les lettres sont présentes, certaines altérées », et un third thread plaide pour partir des rapports d'harmoniques simples (2:1, 3:2, 5:4) pour bâtir l'intuition. Enfin, un débat oppose partisans de la notation traditionnelle (langage universel, cohérent avec les instruments) et ceux qui la trouvent inutilement ardue pour l'ère des DAW et du piano roll ; un avis suggère d'apprendre la théorie avant la notation, mais son propre guide se voit reprocher des inexactitudes. Un commentateur regrette l'absence de fichiers audio natifs, seulement des liens YouTube avec publicités.
-
OpenAI might have stolen another major proof
Le titre suggère qu'OpenAI aurait à nouveau repris une démonstration majeure d'autrui, mais aucun texte n'est disponible au-delà de ce titre pour préciser les faits, la source de l'accusation ou le contexte.
La discussion porte sur l'accusation selon laquelle OpenAI aurait « synchronisé » (scoopé) des démonstrations mathématiques majeures, notamment une construction de groupe non-sofique et une avancée sur Navier-Stokes, en s'appuyant sur les conversations de chercheurs avec ses modèles. Plusieurs commentateurs jugent l'accusation crédible au vu du contexte : OpenAI a invité massivement des chercheurs à utiliser ses modèles, aurait appris que Alpöge et Buckmaster approchaient d'une solution avant de lancer un prompt, puis aurait dépensé 15 millions de dollars de calcul (environ 300 milliards de tokens générés, estimés entre 5 et 25 millions de dollars au prix public) pour aboutir, tout en omettant les auteurs originaux des citations. Pour eux, même si la contamination des données d'entraînement pouvait être une négligence, le fait d'avoir délibérément pris de vitesse les chercheurs constitue une fraude académique classique, aggravée par des moyens corporatifs.
Un contrepoint important nuance l'article : un commentateur souligne que le mathématicien Thom, dans sa première analyse publique sur MathOverflow, qualifiait l'argument clé de « créatif » sans signaler qu'il l'avait lui-même imaginé, ce qui affaiblit la thèse du vol ; d'autres estiment que la preuve d'une discussion avec l'IA sur le sujet ne prouve pas une preuve volée, et appellent à la prudence face à des accusations qui pourraient devenir un outil de trolling juridique. La discussion corrige aussi l'article en signalant qu'une source journalistique citée n'aborde même pas la conjecture concernée.
Au-delà du cas particulier, un consensus se dégage sur les risques pour les chercheurs : travailler sur des problèmes ouverts en dialogue avec un LLM revient à fournir aux laboratoires les données mêmes sur lesquelles leurs modèles internes sont évalués, créant une boucle de rétroaction planétaire où la valeur réside désormais dans le processus de conversation, pas seulement les données brutes. Certains recommandent de dater publiquement ses travaux (arXiv, GitHub), tout en admettant que cela n'empêche pas le vol, cela facilite seulement la contestation ultérieure.
-
Neki – Sharded Postgres
PlanetScale annonce Neki, une offre de Postgres shardé en platform preview. Neki permet de répartir une base Postgres sur plusieurs machines tout en gardant du vrai Postgres sur chaque shard (un primaire et au moins deux réplicas sur 3 zones de disponibilité), sans moteur de stockage modifié.
L'architecture repose sur quatre composants : des routeurs parlant le protocole wire Postgres (drivers et ORMs existants conservés) avec parseur de requêtes et planificateur distribué, des shards Postgres réels organisés en groupes configurables, des sidecars gérant le pooling de connexions aux deux extrémités, et un control plane orchestrant failovers et workflows. Une topologie JSON mappe les tables logiques sur les shards physiques. Les opérations habituellement soumises à des fenêtres de maintenance (changements de schéma, upgrades de version, resharding, imports) s'exécutent en workflows en ligne via la connexion psql standard.
Neki fonctionne aussi non shardé (primaire unique avec réplicas), le resharding étant un workflow appliqué au cluster existant. PlanetScale déconseille les charges de production pendant la preview. Le produit s'appuie sur l'expérience de l'équipe avec de grands clusters MySQL shardés et intègre les fonctionnalités PlanetScale habituelles : Insights, branching, MCP, recommandations de schéma.
Le lancement de Neki, solution de Postgres sharding développée par PlanetScale, suscite surtout des critiques de forme et des interrogations de fond. Le reproche le plus consensuel concerne le billet d'annonce lui-même : il ne dit jamais clairement ce qu'est Neki ni à quoi il sert avant de longues pages de contexte, un défaut que PlanetScale a corrigé après coup en ajoutant une section « What is Neki » et en renvoyant vers la landing page, jugée bien plus claire.
Sur le fond, la discussion révèle plusieurs doutes techniques que l'article n'adresse pas. La gestion de la cohérence est la préoccupation majeure : plusieurs commentateurs notent que ni le billet ni le site ne mentionnent « consistency », et en déduisent qu'il faudra probablement composer avec une cohérence éventuelle et un retard de réplication, ce qui exclut de nombreux cas d'usage. Le retour de terrain le plus concret vient d'un ancien de Block (Cash App), qui décrit l'expérience avec Vitess : le sharding par utilisateur garantit la cohérence au niveau du shard, mais les écritures cross-shard ont été le principal obstacle à l'adoption. L'équipe répond que les jointures cross-shard sont décomposées et effectuées dans les routeurs, que certaines requêtes ne sont pas encore supportées, et que le sharding n'est pas automatique (il dépend de la topologie de données définie par l'utilisateur). Un commentateur souligne que les transactions et contraintes cross-shard ne sont pas implémentées (« coming soon »), ce qui reviendrait à « plusieurs clusters Postgres » plutôt qu'à un système type Spanner — la discussion nuance donc sensiblement les promesses de l'article.
Un autre point de tension est la fermeture du code : Neki est propriétaire, alors que PlanetScale s'était appuyée sur Vitess, open source, et que le CEO a polémiqué publiquement contre des concurrents comme Multigres (projet open source de Supabase). Plusieurs commentateurs jugent ces piques malvenues et s'interrogent sur la promesse initiale d'open source.
-
All grown-ups were once children, but only few of them remember it
Aucun contenu n'est disponible au-delà du titre, qui fait référence à une citation du Petit Prince (« Toutes les grandes personnes ont d'abord été des enfants, mais peu d'entre elles s'en souviennent »). Impossible de déterminer le sujet traité.
L'article, inspiré d'une prise de position récente de Terence Tao sur l'IA en mathématiques, déclenche une réflexion collective sur le jeu, l'enfance et la perte du sens du moment présent. Plusieurs commentateurs s'accordent sur le cœur du propos : les adultes ne voient plus que le but d'une activité (l'exemple récurrent de la piñata, où les parents ne perçoivent que l'inefficacité des enfants alors que ceux-ci profitent simplement de frapper), alors que le plaisir réside dans l'expérience elle-même. Un lecteur cite le livre « Math from Three to Seven » de Zvonkin pour montrer que l'exploration lente et les échecs répétés construisent une compréhension profonde impossible à raccourcir, et un autre recommande le livre « The Score » de C. Thi Nguyen qui développe les mêmes idées.
Le débat se concentre sur l'IA et sur Tao. Un commentateur résume sa position : le problème n'est pas l'inefficacité de l'IA mais le fait qu'elle « n'est pas humaine » et n'a pas de moment présent à vivre. D'autres le nuancent ou le contredisent : l'octopus qui jongle mieux qu'un humain n'est pas un problème en soi ; c'est l'usage de l'IA pour remplacer l'effort humain dans les activités non pénibles (art, maths) qui pose question. Un avis ironique inverse la promesse : « automatiser le fun pour laisser la corvée aux humains » — l'IA code, l'humain fait la vaisselle. Les critiques les plus dures rappellent que Tao et la communauté mathématique ont longtemps ignoré les plaintes des artistes et développeurs open source sur le plagiat par l'entraînement des modèles, et qu'une prise de position publiquement prudente ne constitue pas une résistance réelle. Un commentateur note enfin que des cas récents de fraude scientifique ont précipité l'appel de Tao à l'unité de la communauté autour de ses valeurs.
Sur le titre (citation du Petit Prince), les retours personnels divergent : beaucoup se souviennent très bien de leur enfance — frustration, impuissance, mais aussi fascination intense pour des choses devenues banales, et perception du temps beaucoup plus longue — ce qui contredit l'idée que « peu de gens se souviennent ».