HN Digest
Briefing personnel.

Lire vite.
Garder l'essentiel.

Les meilleurs longs formats de Hacker News, relus plus calmement.

11801 articles Page 844/1181 Sans filtre

3.4M Solar Panels

L'auteur passe en revue la version 2 du jeu de données GM-SEUS, qui passe de 2,9M à plus de 3,4M de panneaux et inclut désormais un jeu de données d'installations photovoltaïques sur toitures. Le traitement a été réalisé sur une station de travail sous Windows 11 Pro avec Ubuntu 24 LTS (WSL), en utilisant GDAL, DuckDB (avec extensions H3, JSON, Lindel, Parquet et Spatial) et QGIS pour la cartographie. Les exportations en Parquet montrent 5 822 enregistrements pour les toits, 3 429 157 panneaux et 18 980 arrays, avec des statistiques détaillées sur les champs (surface, azimut, capacité, années d'installation, etc.) et leur couverture en valeurs NULL. L'analyse spatiale inclut des heatmaps basées sur l'indexation H3, des comptages par source de données et par hexagone, des ventilations par type de montage et module, ainsi que l'évolution des surfaces et capacités par année d'installation. L'article illustre aussi des cas particuliers, notamment des miroirs solaires détectés dans la base de panneaux (Ivanpah) et des écarts entre détections d'arrays et détections de panneaux sur certains parcs.

Kernel code removals driven by LLM-created security reports

Un effort est en cours pour supprimer du noyau plusieurs éléments, surtout dans le sous-système réseau, notamment des pilotes ISA et PCMCIA, des pilotes PCI, les protocoles AX.25/NET/ROM/ROSE et des sous-systèmes ATM et ISDN. Les mainteneurs expliquent que la hausse des rapports de bugs générés par des modèles de langage et syzbot, combinée à l'absence de mainteneurs, a rendu ces composants des aimants à rapports et a motivé leur retrait ou leur déplacement hors de l'arbre principal. La communauté débat des alternatives, proposant que les distributions LTS ou des fournisseurs maintiennent ces composants hors-arbre, que le code passe en espace utilisateur ou qu'il soit réécrit en Rust, tandis que d'autres notent que toutes les vulnérabilités ne sont pas liées à la corruption mémoire. Des préoccupations pratiques ont été exprimées sur l'impact pour les utilisateurs d'ancien matériel, l'autochargement des modules comme vecteur d'attaque, et le besoin d'avoir le matériel pour tester et maintenir les pilotes. Plusieurs commentateurs soulignent que des solutions existent déjà en espace utilisateur (comme Dire Wolf) et que des mesures intermédiaires, telles que déplacer le code en staging ou désactiver l'autochargement, pourraient atténuer le problème.

Show HN: Broccoli, one shot coding agent on the cloud

Broccoli automatise la conversion des tickets Linear en pull requests examinables en planifiant, implémentant et ouvrant un PR lorsqu'une issue est assignée au bot. L'architecture cible un usage production-ready et s'exécute dans votre projet Google Cloud avec Cloud Run, Secret Manager et Postgres, sans plan de contrôle tiers ni sortie de données de votre tenancy. Le moteur utilise Claude et Codex pour générer du code et faire des revues automatisées, produire des commentaires actionnables et pousser des commits correctifs, tandis que les templates de prompts sont forkables et versionnables. Le déploiement guidé couvre la création d'un GitHub App, la désignation d'un bot Linear, la saisie d'API keys dans Secret Manager, la construction avec Cloud Build puis l'exécution du script bootstrap, des migrations et du seed. La plateforme enregistre et déduplique les livraisons de webhooks, conserve l'état des jobs en base, fournit des contrôles préflight et des tests smoke, et favorise une reprise sûre et une exploitation auditable.

Our eighth generation TPUs: two chips for the agentic era

Google présente la huitième génération de TPU, composée de deux puces spécialisées conçues pour accélérer à la fois l'entraînement massif (TPU 8t) et l'inférence à faible latence (TPU 8i) des modèles d'IA. Le TPU 8t vise les charges d'entraînement frontier avec une mise à l'échelle extrême (un superpod à 9 600 puces et 2 Po de mémoire haute bande passante) et promet près de 3× plus de performance par pod ainsi qu'un « goodput » supérieur à 97 % grâce au réseau Virgo et à des capacités RAS avancées. Le TPU 8i est optimisé pour l'inférence et les flux agentiques, combinant 288 Go de HBM, 384 Mo de SRAM on‑chip, une interconnexion montée à 19,2 Tb/s, des CPU Axion ARM et un moteur d'accélération des collectives qui réduit la latence on‑chip jusqu'à 5× pour améliorer le débit et le coût par requête. Les deux architectures sont co‑conçues avec Google DeepMind et la pile système (hôte Axion, interconnexion, frameworks natifs comme JAX, PyTorch et vLLM, refroidissement liquide) pour doubler l'efficacité énergétique par rapport à la génération précédente et optimiser l'efficacité à l'échelle du centre de données. Ces plateformes seront proposées plus tard cette année via l'AI Hypercomputer de Google afin de soutenir les modèles de raisonnement, les essaims d'agents et les déploiements d'IA à grande échelle.

Tasteful Tokenmaxxing

Lors de Google Cloud Next, Google a présenté les TPU v8 (TPU 8t pour l'entraînement et 8i pour l'inférence) et a positionné ces nouveaux accélérateurs au centre d'une offre intégrée incluant Gemini Enterprise Agent Platform et Workspace Intelligence. Côté modèles ouverts, Alibaba a publié Qwen3.6‑27B (dense, Apache 2.0) avec de solides résultats sur des benchmarks de codage et une prise en charge multimodale et locale, OpenAI a mis en open source un Privacy Filter pour la détection et la redaction de PII, et Xiaomi a annoncé MiMo‑V2.5 avec capacités agentiques et contextes très longs. L'industrie converge vers des agents hébergés et des "agent harnesses" partagés pour les équipes, avec des produits d'OpenAI et Google, des intégrations Slack/VS Code et un mouvement vers le bring‑your‑own‑model pour éviter l'enfermement par un seul fournisseur. Les traces d'exécution d'agents deviennent une primitive de données centrale pour l'évaluation et l'amélioration (trace mining, ADP, boucles d'auto‑amélioration), tandis que des pipelines post‑training (SFT+RL) et des benchmarks pratiques (par exemple Over‑Editing) progressent pour régler des défauts concrets en production. Les travaux sur l'efficience d'inférence (quantification, architectures MoE, optimisations comme W4A8 et SonicMoE) et les annonces matérielles renforcent l'avantage d'échelle des grands fournisseurs, pendant que les équipes débattent du "tokenmaxxing" et de la préférence stratégique entre profondeur de boucle et parallélisme pour limiter le gaspillage.

How does GPS work?

GPS convertit le temps de propagation d’un signal radio en distance, sachant qu’une nanoseconde correspond à environ 0,3 mètre. Un seul satellite donne une distance qui se traduit par une couronne de positions possibles, et la trilatération avec trois satellites réduit cette indétermination à un point unique. Un quatrième satellite permet de corriger l’erreur d’horloge du récepteur en résolvant simultanément la position et le décalage temporel, car une dérive même minime engendre de grandes erreurs de position. Le système compense également des effets relativistes liés à la vitesse et au champ gravitationnel des satellites, et ces corrections sont intégrées dans le matériel pour éviter des dérives importantes. La précision dépend enfin de la géométrie des satellites, de l’utilisation simultanée de plusieurs constellations (GPS, GLONASS, Galileo, BeiDou) et de perturbations comme les réflexions en milieu urbain (multipath).

Rip language. Compiles to ES2022. Built-in reactivity

Rip est un langage moderne inspiré de CoffeeScript qui compile en JavaScript ES2022 et fonctionne sans dépendances externes. Il introduit une douzaine d'opérateurs nouveaux et une réactivité intégrée avec des opérateurs dédiés (:=, ~=, ~>) pour l'état, les calculés et les effets. Le système de schémas unifié permet de déclarer validateurs, modèles ORM et migrations avec une API runtime et génération SQL intégrées. Le langage fournit un petit runtime UI compilant les composants .rip à la volée dans le navigateur, une bibliothèque standard globale et un compilateur auto-hébergé. L'écosystème comprend des paquets serveur, DuckDB, UI et outils de parallélisme, des extensions éditeur, une documentation complète et une distribution sous licence MIT.

An MCP Server for Fastmail – National Email Day

Fastmail a annoncé un serveur MCP disponible à https://api.fastmail.com/mcp pour permettre aux clients d'IA d'accéder aux données des comptes Fastmail. MCP est une norme ouverte qui fournit aux modèles d'IA une interface comparable à IMAP ou CalDAV pour lire et agir sur les e‑mails, les calendriers et les contacts. Fastmail précise qu'il ne s'agit pas d'une intégration d'IA dans l'interface et que les messages ne sont pas traités par un modèle en arrière‑plan ; le serveur MCP est une option que les utilisateurs peuvent activer. L'accès se fait via OAuth avec trois niveaux (lecture seule, écriture et envoi) et la plupart des clients d'IA permettent de configurer les serveurs MCP autorisés. MCP vise à laisser l'utilisateur choisir un assistant IA capable d'orchestrer plusieurs applications plutôt que d'avoir des IA isolées par webapp, ce qui rejoint la volonté de Fastmail de préserver la propriété et la portabilité des données.

Columnar Storage Is Normalization

L'auteur explique que transformer des données orientées lignes en données orientées colonnes reste conforme à l'abstraction relationnelle. Dans une représentation en lignes, toutes les colonnes d'une ligne sont stockées côte à côte, ce qui facilite l'insertion et la lecture rapide d'une ligne complète. Dans une représentation en colonnes, chaque colonne est stockée séparément, ce qui rend très efficaces les lectures ciblées et les agrégations mais complique les modifications et la reconstruction d'une ligne. On peut voir le stockage en colonnes comme une normalisation extrême où chaque colonne devient une table contenant une clé (l'ordinal) et une valeur, de sorte que reconstituer une ligne revient à effectuer une jointure sur cet ordinal. Cette perspective unifie des opérations de traitement de requêtes (projections, jointures) et la manipulation des formats de données, et montre que la différence est principalement une question de performance et d'implémentation.

Surveillance Pricing: Exploiting Information Asymmetries

Au XIXe siècle, l'introduction des prix fixes par John Wanamaker a remplacé la négociation, économisé du temps et diffusé l'idée des étiquettes de prix comme norme marchande. Aujourd'hui, la datafication de l'économie permet la tarification par surveillance, où les détaillants exploitent des données personnelles détaillées pour appliquer des prix variables qui captent davantage de surplus consommateur. Cette pratique prospère en raison de défaillances de marché, notamment des asymétries d'information importantes qui désavantagent les consommateurs face aux algorithmes et aux courtiers en données. Des lois de divulgation comme l'Algorithmic Pricing Disclosure Act de New York renseignent les consommateurs mais tombent dans le piège de la transparence, tandis que des projets fédéraux proposent des sanctions et des recours mais ont de faibles chances d'être adoptés. Les obstacles judiciaires fondés sur le Premier Amendement, illustrés par Sorrell v. IMS Health, compliquent la régulation des flux de données, si bien que les analystes recommandent d'attaquer les moteurs en amont — vente et courtage de données, segmentation et surveillance commerciale — plutôt que de se limiter à la divulgation.