Un article sur le Trunk Based Development. C'est une méthode de gestion du code source où tout est continuellement mergé sur master.

Ça boost le déploiement en continue car chaque PR est sensée être deployable directement après avoir été mergé.

Par contre il faut prévoir un CI solide avec suffisamment de tests ainsi que des features flag pour éviter d'exposer des features incomplètes aux utilisateurs

Des histoires d'ingénieurs à qui on demande de faire quelque chose d'illégal.

Moralité, si on vous demande de faire quelque chose d'illégale, documentez la demande et refusez.

Un site très complet pour apprendre à mieux utiliser sa DB et comprendre les problèmes de performances pour les régler.

Un service d'hébergement Postgres moderne et à la demande

Une solution Open Source pour installer tout un tas d'application en self hosting sur un serveur.

Ils ont vraiment de tout:

• wordpress
• shaarli
• gitlab
• openvpn
• transmissions
• et tellement d'autres!

Une nouvelle technique à base d'IA générative pour faire bouger des parties d'une photo

Un nouveau type de batterie à base d'un couple soufre / sélénium qui serait 2 fois plus efficace que les batteries au Lithium

Un article qui explique le fonctionnement de la signature asymétrique des tokens en OIDC

Le guide d'OpenAI sur le Prompt Engineering. Simple, clair et efficace.

Un benchmark de requêtage sur des vecteurs d'embeddings dans Postgres avec l'addon pgvector et dans le pure player Pinecone.

Sur un setup équivalent en coût chez Supabase, Postgres est 10x plus rapide avec la même précision.

Donc si on héberge sa propre base Postgres c'est encore moins cher!

A noter que Postgres est beaucoup plus qu'une base vectorielle et qu'on va pouvoir filtrer les résultats avec des WHERE, faire des jointures, etc

Une explication détaillée de l'algorithme HNSW pour la recherche vectorielle.

J'ai beaucoup l'analogie utilisée par Qdrant avec un voyage.

Quand vous voyagez d'un petit village à un autre:

• bus pour Lyon
• train pour Paris
• avion pour Berlin
• train Hambourg
• bus pour Lüneburg

Chaque étape utilise un moyen de transport ayant moins de hub et capable de faire de plus grandes distances

L'algorithme HNSW fonctionne selon ce principe, le plan vectoriel est découpé en couches. Plus on est dans une couche haute, moins il y a de vecteurs et plus les vecteurs sont éloignés les uns des autres.

Au fur et à mesure de la recherche, on va de plus en plus bas dans les couches jusqu'à arriver à la dernière et on peut donc récupérer tous les vecteurs les plus proches en un minimum d'opérations.

Un super-calculateur de Nvidia avec 10000 carte graphiques H100 spécialisées pour les opérations sur les réseaux de neurones.

Ils ont pu entrainer un modèle GPT-3 en seulement 4 minutes alors qu'il a fallu plus de 30 jours pour l'entrainer il y a 3 ans (sur 1000 GPU)

Une exploitation de Google Calender pour envoyer des commandes à un malware.

Du coup ça passe pour du trafic totalement légitime