Mehdi Fekih

Awesome Public Datasets : une carte au trésor pour les projets data-driven

Si vous avez déjà lancé un projet de machine learning, construit un tableau de bord, rédigé un article de recherche ou simplement voulu explorer des données réelles, vous savez déjà que la partie la plus difficile n’est souvent pas le code. C’est de trouver un bon jeu de données.

C’est pourquoi le dépôt GitHub Awesome Public Datasets est une ressource aussi précieuse. Il s’agit d’une collection organisée de jeux de données publics, classés par sujet, qui aide les développeurs, chercheurs, analystes, étudiants et passionnés de données à découvrir des sources de qualité sans passer des heures à chercher sur le web.

Que vous cherchiez des relevés climatiques, des indicateurs économiques, des graphes de réseaux sociaux, des jeux d’images, des données gouvernementales, des ressources de santé ou des benchmarks de machine learning, ce dépôt agit comme une carte de l’écosystème des données publiques.

Qu’est-ce qu’Awesome Public Datasets ?

Awesome Public Datasets est une “awesome list” dédiée aux sources de données publiques centrées sur des thématiques. Comme les autres awesome lists sur GitHub, son objectif est simple : rassembler des liens utiles au même endroit et les organiser pour que chacun puisse trouver rapidement ce dont il a besoin.

Le dépôt inclut des jeux de données provenant d’un large éventail de domaines : agriculture, biologie, chimie, climat et météo, cybersécurité, économie, éducation, énergie, finance, SIG et données géospatiales, gouvernement, santé, traitement d’images, machine learning, traitement du langage naturel, neurosciences, physique, sciences sociales, logiciel, sport, séries temporelles et transport.

Il inclut aussi des collections complémentaires, qui peuvent mener les utilisateurs vers encore plus de dépôts et d’archives de jeux de données. En bref, ce n’est pas un jeu de données unique. C’est une porte d’entrée vers des centaines de jeux de données.

Pourquoi ce dépôt est si utile

Internet regorge de données, mais toutes les données ne sont pas faciles à trouver, propres, documentées ou exploitables. De nombreux jeux de données précieux sont enfouis dans des pages universitaires, des portails gouvernementaux, des archives académiques, d’anciens sites de projets ou des laboratoires de recherche.

Awesome Public Datasets aide à résoudre ce problème de découverte. Au lieu de chercher sur Google “free public dataset for network analysis” ou “open agriculture data”, vous pouvez parcourir une liste catégorisée et trouver rapidement des sources pertinentes.

Par exemple, le dépôt renvoie vers des ressources connues comme la Stanford Large Network Dataset Collection pour la recherche sur les graphes et réseaux, Open Food Facts pour les données sur les produits alimentaires, NBER Patent Citations pour la recherche en économie et innovation, DIMACS Road Networks Collection pour le transport et les algorithmes de graphes, ainsi que de nombreux jeux de données en climat, biologie, finance et machine learning.

Chaque entrée inclut généralement une courte description et un lien vers la source originale des données. Beaucoup d’entrées incluent aussi des liens de métadonnées issus du projet compagnon du dépôt, apd-core.

Un répertoire de jeux de données pour de nombreux publics

Pour les data scientists

Les data scientists peuvent l’utiliser pour trouver des jeux de données destinés à l’analyse exploratoire, à la modélisation prédictive, à la visualisation et aux projets de portfolio. Plutôt que de travailler sans cesse avec les mêmes quelques jeux de données pour débutants, ils peuvent explorer des données réelles plus spécialisées.

Pour les ingénieurs machine learning

Les ingénieurs machine learning peuvent y trouver des benchmarks et des données spécifiques à un domaine pour expérimenter avec des modèles. Les catégories comme le traitement d’images, le langage naturel, les séries temporelles et la cybersécurité sont particulièrement utiles pour les workflows ML.

Pour les chercheurs

Les chercheurs peuvent découvrir des sources de données publiques liées à la biologie, à la physique, aux neurosciences, aux sciences sociales, au climat, à l’économie et à bien d’autres domaines. Le dépôt peut servir de point de départ pour des revues de littérature, des expériences reproductibles ou des recherches interdisciplinaires.

Pour les étudiants

Les étudiants qui apprennent Python, R, SQL, la visualisation de données ou les statistiques peuvent utiliser ce dépôt pour trouver des idées de projets. Les jeux de données réels rendent l’apprentissage plus concret, car ils contiennent des imperfections, des surprises et un contexte métier.

Pour les journalistes et analystes

Les journalistes de données et les analystes peuvent utiliser cette collection pour localiser des jeux de données d’intérêt public, notamment dans les domaines du gouvernement, de l’économie, du transport, de l’éducation, de la santé et du climat.

Qu’est-ce qui le rend meilleur qu’une simple liste de liens ?

La force d’Awesome Public Datasets ne vient pas seulement du nombre de liens qu’il contient. Elle vient de son organisation et de sa curation.

Les jeux de données sont regroupés par domaine, ce qui rend la navigation naturelle. Si vous vous intéressez à l’analyse géospatiale, vous pouvez aller directement à la section SIG. Si vous travaillez sur les réseaux de transport, vous pouvez explorer Transportation ou Complex Networks. Si vous cherchez des ressources NLP, une section Natural Language est disponible.

Le dépôt utilise aussi des icônes de statut pour les entrées. Certains liens sont indiqués comme sains, tandis que d’autres sont signalés comme nécessitant de l’attention. C’est important, car les liens vers des jeux de données publics se cassent souvent avec le temps. Ce statut de maintenance donne aux utilisateurs un signal rapide pour savoir si une ressource doit être vérifiée.

Autre détail important : le README précise que le dépôt est généré automatiquement par apd-core. Les contributeurs sont invités à ne pas modifier directement le README généré, mais à contribuer via le workflow de métadonnées approprié. Cela rend le projet plus structuré qu’une liste éditée manuellement.

Bonnes idées de projets avec Awesome Public Datasets

• Construire un tableau de bord climatique : utilisez des jeux de données météo et climat pour visualiser l’évolution des températures, les tendances de précipitations ou les événements météorologiques extrêmes dans le temps.
• Analyser les réseaux de transport : explorez des jeux de données de réseaux routiers ou de transport public pour étudier les plus courts chemins, la congestion ou l’accessibilité urbaine.
• Créer un explorateur de produits alimentaires : utilisez Open Food Facts ou d’autres jeux de données agricoles et alimentaires pour analyser la nutrition, les ingrédients, l’origine des produits ou les tendances d’étiquetage.
• Étudier les réseaux sociaux : utilisez des jeux de graphes issus des sections réseaux sociaux ou réseaux complexes pour apprendre l’analyse de réseau, la centralité, la détection de communautés et la visualisation de graphes.
• Pratiquer la prévision de séries temporelles : trouvez des jeux de données de séries temporelles liés à l’énergie, à la finance, au climat ou au transport, puis construisez des modèles de prévision.
• Entraîner un modèle de classification d’images : parcourez les jeux de données de traitement d’images et expérimentez des techniques de vision par ordinateur.
• Explorer des questions de politique publique : les jeux de données liés au gouvernement, à l’éducation, à l’économie, à la santé et aux sciences sociales peuvent soutenir des projets sur les inégalités, les dépenses publiques, les tendances démographiques ou les résultats de politiques publiques.

Si vous voulez de l’aide pour transformer l’un de ces jeux de données en pipeline prêt pour la production — ETL, stockage ou modèle déployé — consultez mes services de data engineering ou contactez-moi.

Quelques points à garder en tête

Awesome Public Datasets est un répertoire, pas une garantie que chaque jeu de données est immédiatement prêt à l’emploi.

Avant de démarrer un projet, vous devez toujours vérifier la licence du jeu de données, si les données sont gratuites ou payantes, la fréquence de mise à jour, le format des fichiers, la qualité de la documentation, les considérations de confidentialité ou d’éthique, si le lien est toujours actif et si le jeu de données convient à un usage commercial.

Le dépôt lui-même indique que la plupart des jeux de données sont gratuits, mais que certains ne le sont pas. Cette distinction compte, surtout pour les projets de production ou commerciaux.

De plus, comme beaucoup de jeux de données proviennent de sources tierces, leur qualité peut varier. Certains peuvent être propres et bien documentés, tandis que d’autres peuvent nécessiter un prétraitement important.

Pourquoi les données publiques comptent

Les jeux de données publics sont l’un des fondements du travail moderne sur les données. Ils rendent la recherche plus transparente, aident les étudiants à apprendre par la pratique, permettent aux développeurs de tester des idées et donnent aux journalistes comme aux citoyens les moyens d’enquêter sur des questions importantes.

L’open data abaisse aussi la barrière à l’innovation. Un étudiant avec un ordinateur portable peut analyser les tendances climatiques. Un développeur peut construire un prototype avec des données de transport public. Un chercheur peut comparer ses résultats avec des benchmarks partagés. Une startup peut valider une idée avant de collecter des données propriétaires.

Des dépôts comme Awesome Public Datasets rendent cet écosystème plus facile à explorer.

Conclusion

Awesome Public Datasets fait partie de ces dépôts GitHub à ajouter immédiatement à ses favoris. Il fait gagner du temps, donne des idées et ouvre l’accès à des données issues de dizaines de domaines.

Si vous apprenez la data science, construisez des modèles de machine learning, rédigez une recherche, créez des visualisations ou cherchez votre prochain projet de portfolio, ce dépôt est un excellent point de départ.

La prochaine fois que vous vous demanderez “Où puis-je trouver un bon jeu de données ?”, commencez par Awesome Public Datasets. Et si vous avez besoin d’aide pour transformer ces données en quelque chose de concret — un tableau de bord, un modèle, un pipeline — c’est mon métier. Discutons-en.

Sauvegarder WordPress sur Amazon S3 avec UpdraftPlus

Sauvegarder son site WordPress est indispensable. Une erreur, une mise à jour ratée ou un piratage peuvent faire disparaître un site en quelques secondes.

Le plugin UpdraftPlus permet de sauvegarder automatiquement WordPress vers un espace sécurisé comme Amazon Web Services S3.
Lors de la configuration, Amazon affiche des messages de sécurité qui peuvent sembler inquiétants. Ce guide explique quoi choisir et pourquoi, sans jargon technique.

Pourquoi Amazon affiche des avertissements ?

Amazon recommande d’éviter certaines méthodes de connexion dans des contextes très spécifiques, par exemple quand un site est hébergé directement chez Amazon.

👉 Pour un site WordPress classique, ces avertissements sont normaux et sans danger.

Si votre site est hébergé chez :

• un hébergeur mutualisé
• un VPS
• un serveur dédié
• un hébergeur européen classique

alors la méthode proposée est la bonne.

Quel choix faire lors de la création de la clé Amazon ?

Lors de la création d’une clé d’accès, Amazon demande à quoi elle va servir.

Choix correct :

Application exécutée en dehors d’AWS

Pourquoi ?

• WordPress n’est pas hébergé chez Amazon
• UpdraftPlus est un plugin externe
• Il a simplement besoin d’envoyer des fichiers de sauvegarde

C’est exactement ce cas d’usage.

👉 Ce choix n’affaiblit pas la sécurité et n’a aucun impact négatif.

Comment fonctionne la sauvegarde (schéma simple)

Votre site WordPress
 └─ Plugin UpdraftPlus
      └─ Coffre-fort Amazon S3 (privé)

Vos sauvegardes sont stockées en ligne, en sécurité, hors de votre site.

Étape 1 – Créer un espace de sauvegarde Amazon S3

Bonnes pratiques :

• Espace privé (non accessible au public)
• Dédié uniquement aux sauvegardes
• Nom clair, par exemple : sauvegardes-wordpress

Aucune connaissance technique n’est requise ici.

Étape 2 – Créer un accès dédié pour UpdraftPlus

Il est très important de :

• ❌ ne pas utiliser le compte principal Amazon
• ❌ ne pas réutiliser une clé existante

Créez un accès uniquement pour les sauvegardes WordPress.

Exemple de nom :

updraftplus-wordpress

Cela limite les risques en cas de problème.

Étape 3 – Donner uniquement les droits nécessaires

UpdraftPlus a besoin de :

• envoyer des fichiers
• lire des fichiers
• supprimer des anciens fichiers

Rien de plus.

Cette restriction empêche tout accès à d’autres données Amazon.

Étape 4 – Récupérer la clé et la renseigner dans WordPress

Amazon vous fournit :

• une clé d’accès
• une clé secrète

Dans WordPress :

1. Réglages → UpdraftPlus → Réglages
2. Choisir Amazon S3
3. Renseigner les informations demandées
4. Choisir la région (Europe, Paris, etc.)
5. Enregistrer

Tester la sauvegarde

Cliquez sur :

• Tester les réglages
• Puis lancez une sauvegarde manuelle

Vérifiez que les fichiers apparaissent bien dans Amazon S3.

Conseils simples pour plus de sécurité

Supprimer automatiquement les anciennes sauvegardes

Par exemple :

• garder 14 jours de sauvegardes quotidiennes
• garder 6 mois de sauvegardes mensuelles

Cela évite des coûts inutiles.

Chiffrement automatique

Amazon chiffre les fichiers automatiquement.
Aucune action n’est nécessaire.

Erreurs fréquentes à éviter

• Utiliser le compte principal Amazon
• Donner trop de droits
• Oublier de tester la sauvegarde
• Stocker les sauvegardes sur le même serveur que le site

En résumé

✔ Les clés d’accès Amazon sont normales pour WordPress
✔ Le choix “Application exécutée en dehors d’AWS” est le bon
✔ Cette méthode est fiable et largement utilisée
✔ Une sauvegarde externe peut sauver votre site

Bitcoin et la « cyclicité » : mythe rassurant ou analyse sérieuse ?

Depuis plusieurs années, une grande partie du discours autour du Bitcoin repose sur une idée centrale : la cyclicité.
Halving, cycles de quatre ans, bull run « inévitable », bear market tout aussi attendu. Le récit est bien huilé, presque confortable.

Mais une question mérite d’être posée franchement :
Peut-on vraiment parler d’analyse sérieuse quand on attend un phénomène supposé téléphoné et prévisible ?

Ce que les partisans de la cyclicité avancent

Les défenseurs de cette vision s’appuient principalement sur trois éléments :

• Les données historiques : depuis 2012, les grandes phases haussières ont suivi les halvings.
• La raréfaction programmée : la réduction de l’émission est censée mécaniquement influencer le prix.
• La répétition des comportements humains : euphorie, excès, correction, oubli, puis retour.

Pris isolément, ces éléments ne sont pas absurdes. Le problème commence quand ils sont présentés comme un mécanisme quasi déterministe.

Là où le raisonnement devient fragile

1. Un échantillon statistique ridiculement faible

Bitcoin existe depuis un peu plus de quinze ans.
Parler de cycles robustes sur trois ou quatre occurrences relève plus de la narration que de la science.

En finance, on ne qualifierait jamais cela de série temporelle exploitable à haut niveau de confiance.

2. La confusion entre corrélation et causalité

Que des hausses aient suivi des halvings ne prouve pas que :

• le halving en est la cause principale,
• ni que cela se reproduira à l’identique.

Le marché de 2013, celui de 2017 et celui de 2021 n’ont rien à voir en termes de liquidité, d’acteurs, de régulation ou de macroéconomie.

3. Une prophétie auto-réalisatrice

Plus une idée est répétée, plus elle influence les comportements.

• Les investisseurs achètent « avant le halving »
• Les médias amplifient le récit
• Les flux se synchronisent

Le cycle devient alors un artefact social, pas une loi de marché.
Cela fonctionne… jusqu’au jour où cela ne fonctionne plus.

L’analyse technique : outil ou illusion de contrôle ?

L’analyse technique n’est pas inutile en soi. Elle est efficace pour :

• lire le comportement collectif,
• identifier des zones de liquidité,
• gérer le risque à court ou moyen terme.

Mais elle ne transforme pas un actif aussi jeune, politique et narratif que le Bitcoin en métronome prévisible.

Croire l’inverse, c’est confondre lecture du passé et capacité de prévision.

Ce que le Bitcoin est réellement

Bitcoin n’est pas :

• une action avec des flux de trésorerie,
• une matière première classique,
• un actif mûr.

C’est à la fois :

• un objet technologique,
• un actif monétaire expérimental,
• un symbole idéologique,
• un terrain de spéculation mondiale.

Réduire cela à une simple courbe cyclique est intellectuellement confortable, mais analytiquement pauvre.

Alors, être sceptique est-il une erreur ?

Non.

Être sceptique face à une cyclicité présentée comme évidente, c’est au contraire :

• refuser les récits trop propres,
• éviter les certitudes paresseuses,
• garder une posture d’analyse ouverte.

Le vrai danger n’est pas de douter des cycles.
Le vrai danger, c’est de les prendre pour des lois naturelles.

Conclusion

La cyclicité du Bitcoin est un récit utile, parfois opérant, mais jamais garanti.
Elle aide à structurer des attentes, pas à prédire l’avenir.

Dans un marché aussi jeune et mouvant, la seule position vraiment rationnelle reste la prudence intellectuelle.

Le jour où le cycle « évident » échoue, ce ne sera pas une anomalie.
Ce sera simplement le marché qui rappelle qu’il ne doit rien à nos graphiques.

SIPO et PISO : étendre les entrées/sorties d’Arduino et ESP proprement

Quand on travaille avec Arduino, ESP8266 ou ESP32, on se heurte vite à une limite simple : le nombre de GPIO disponibles.
Plutôt que d’empiler des cartes ou de bricoler des multiplexeurs douteux, il existe une solution simple, robuste et industrielle : les registre à décalage.

Deux familles dominent :

• SIPO (Serial In / Parallel Out)
• PISO (Parallel In / Serial Out)

Pourquoi utiliser des registres à décalage ?

• Économiser des GPIO
• Simplifier le câblage
• Chaîner plusieurs circuits
• Compatible Arduino / ESP / Raspberry Pi
• Très utilisé en industrie, domotique, vending machines, LED panels

👉 3 broches suffisent pour piloter 8, 16, 32 sorties ou entrées.

SIPO – Serial In, Parallel Out

Principe

Tu envoies les données bit par bit en série, et le circuit les expose en parallèle sur ses sorties.

Circuit le plus courant

74HC595

• 8 sorties digitales
• Chaînable à l’infini
• Très stable jusqu’à plusieurs MHz

Broches clés

Exemple Arduino – piloter 8 LEDs

int dataPin = 11;
int clockPin = 13;
int latchPin = 10;

void setup() {
  pinMode(dataPin, OUTPUT);
  pinMode(clockPin, OUTPUT);
  pinMode(latchPin, OUTPUT);
}

void loop() {
  digitalWrite(latchPin, LOW);
  shiftOut(dataPin, clockPin, MSBFIRST, B10101010);
  digitalWrite(latchPin, HIGH);
  delay(500);
}

Cas d’usage SIPO

• LEDs
• Relais
• MOSFETs
• Afficheurs 7 segments
• Panneaux lumineux
• Cartes de puissance

PISO – Parallel In, Serial Out

Principe

Tu lis plusieurs entrées simultanément, puis tu récupères leur état en série.

Circuit classique

74HC165

• 8 entrées digitales
• Lecture rapide et fiable
• Chaînable comme le 74HC595

Broches clés

Exemple Arduino – lire 8 boutons

int loadPin = 8;
int clockPin = 12;
int dataPin = 11;

void setup() {
  pinMode(loadPin, OUTPUT);
  pinMode(clockPin, OUTPUT);
  pinMode(dataPin, INPUT);
}

byte readInputs() {
  digitalWrite(loadPin, LOW);
  delayMicroseconds(5);
  digitalWrite(loadPin, HIGH);
  return shiftIn(dataPin, clockPin, MSBFIRST);
}

void loop() {
  byte state = readInputs();
}

SIPO vs PISO – comparaison directe

Arduino vs ESP : points d’attention

Arduino (5V)

• Compatible direct avec HC / HCT
• Tolérant
• Simple

ESP8266 / ESP32 (3.3V)

• Utiliser 74HCT ou alimenter en 3.3V
• Attention aux niveaux logiques
• Éviter OE/MR flottants

👉 En pratique : 74HC fonctionne souvent, mais ce n’est pas garanti à 100%.

Chaînage : scaler sans limite

• Q7’ → DS pour les SIPO
• Q7 → DS pour les PISO
• Même clock, même latch
• 8 bits par circuit

Exemple :

• 4 × 74HC595 = 32 sorties
• 2 × 74HC165 = 16 entrées

Alternatives modernes

👉 Mais SIPO/PISO reste imbattable pour la simplicité et la robustesse.

Quand utiliser SIPO / PISO ?

✅ Tu veux :

• réduire le câblage
• garder un timing maîtrisé
• éviter I²C / SPI complexes
• faire du hardware fiable

❌ Évite si :

• besoin d’analogique
• besoin d’interruptions par pin
• besoin de retours d’état complexes

Conclusion

Les registres SIPO et PISO sont des briques fondamentales de l’électronique embarquée.
Ils sont simples, rapides, économiques et parfaitement adaptés à Arduino et ESP.

Si tu construis :

• une carte maison
• un automate
• un distributeur
• une domotique custom

AliExpress Bundle Bypass Browser Plugin

Marre des “Bundle Deals” AliExpress qui vous forcent à acheter plusieurs articles ? Ce script gratuit intercepte ces liens et vous redirige directement vers la page produit individuelle.

Le problème des Bundle Deals

AliExpress pousse de plus en plus les acheteurs vers des “Bundle Deals” — des offres groupées qui semblent attractives mais vous empêchent d’acheter un seul article au prix unitaire. Quand vous cliquez sur un produit depuis les résultats de recherche, vous atterrissez sur une page intermédiaire qui vous force à ajouter d’autres articles.

Le lien ressemble à ça :

aliexpress.com/ssr/300000512/BundleDeals2?productIds=1005008154245742...

Au lieu du lien direct vers le produit :

aliexpress.com/item/1005008154245742.html

La solution : AliExpress Bundle Bypass

Ce userscript détecte automatiquement les liens “Bundle Deals” et les convertit en liens directs vers la page produit. Plus besoin de chercher comment contourner ces pages, le script fait tout le travail.

Fonctionnalités

• Redirection automatique — Si vous atterrissez sur une page Bundle, vous êtes immédiatement redirigé vers le produit
• Conversion des liens — Les liens Bundle dans les résultats de recherche sont réécrits en temps réel
• Interception des clics — Même si un lien n’a pas été converti, le clic est intercepté et redirigé
• Panel de debug — Un indicateur visuel montre combien de liens ont été détectés et convertis
• Indicateurs visuels — Les liens convertis sont entourés en vert pour confirmation

Installation

Le script fonctionne avec un gestionnaire de userscripts. Voici comment l’installer selon votre navigateur :

🟡 Google Chrome

1. Installez l’extension Tampermonkey depuis le Chrome Web Store
2. Cliquez sur l’icône Tampermonkey dans la barre d’extensions
3. Sélectionnez “Create a new script…”
4. Supprimez le contenu par défaut
5. Collez le code du script (voir ci-dessous)
6. Appuyez sur Ctrl+S pour sauvegarder
7. Rafraîchissez AliExpress — le panel debug doit apparaître en haut à droite

🟠 Mozilla Firefox

1. Installez l’extension Violentmonkey ou Greasemonkey depuis les modules Firefox
2. Cliquez sur l’icône de l’extension
3. Cliquez sur le “+” pour créer un nouveau script
4. Collez le code du script
5. Sauvegardez avec Ctrl+S
6. Testez sur AliExpress

🔵 Microsoft Edge

1. Installez Tampermonkey pour Edge depuis le Microsoft Edge Add-ons store
2. Cliquez sur l’icône Tampermonkey
3. Sélectionnez “Create a new script…”
4. Collez le code et sauvegardez

🦁 Brave Browser

Brave est basé sur Chromium, la procédure est identique à Chrome. Installez Tampermonkey depuis le Chrome Web Store (compatible avec Brave).

Le code du script

Copiez l’intégralité du code ci-dessous :

// ==UserScript==
// @name         AliExpress Bundle Bypass
// @namespace    https://github.com/mehdi
// @version      3.1.0
// @description  Bypass bundle deals and go directly to product pages
// @author       Mehdi
// @match        *://*.aliexpress.com/*
// @match        *://*.aliexpress.ru/*
// @match        *://*.aliexpress.us/*
// @grant        GM_addStyle
// @run-at       document-end
// ==/UserScript==

(function() {
    'use strict';

    const processedLinks = new WeakSet();
    let isScanning = false;
    let scanTimeout = null;
    let scannedCount = 0;
    let foundCount = 0;
    let convertedCount = 0;

    // Debug panel
    function createDebugPanel() {
        const panel = document.createElement('div');
        panel.id = 'bundle-bypass-debug';
        panel.innerHTML = `
            <div style="
                position: fixed;
                top: 10px;
                right: 10px;
                background: #1a1a2e;
                color: #0f0;
                font-family: monospace;
                font-size: 12px;
                padding: 10px 15px;
                border-radius: 8px;
                z-index: 999999;
                max-width: 350px;
                box-shadow: 0 4px 20px rgba(0,255,0,0.3);
                border: 1px solid #0f0;
            ">
                <div style="font-weight: bold; margin-bottom: 8px; color: #0ff;">
                    ⚡ BUNDLE BYPASS v3.1
                </div>
                <div id="bb-status">Active ✓</div>
                <div id="bb-stats" style="margin-top: 8px;">
                    Scanned: <span id="bb-scanned">0</span> |
                    Bundles: <span id="bb-found">0</span> |
                    Fixed: <span id="bb-converted">0</span>
                </div>
                <button id="bb-close" style="position: absolute; top: 5px; right: 10px; background: none; border: none; color: #f00; cursor: pointer;">✕</button>
            </div>
        `;
        return panel;
    }

    function updateStats() {
        const el1 = document.getElementById('bb-scanned');
        const el2 = document.getElementById('bb-found');
        const el3 = document.getElementById('bb-converted');
        if (el1) el1.textContent = scannedCount;
        if (el2) el2.textContent = foundCount;
        if (el3) el3.textContent = convertedCount;
    }

    // Redirect if on bundle page
    const currentUrl = window.location.href;
    if (currentUrl.includes('BundleDeals')) {
        const match = currentUrl.match(/productIds=(\d+)/);
        if (match) {
            window.location.replace(`https://www.aliexpress.com/item/${match[1]}.html`);
            return;
        }
    }

    function extractProductId(url) {
        let match = url.match(/productIds=(\d+)/);
        if (match) return match[1];
        match = url.match(/x_object_id[%3A:]+(\d+)/i);
        if (match) return match[1];
        return null;
    }

    function scanLinks() {
        if (isScanning) return;
        isScanning = true;

        document.querySelectorAll('a[href*="BundleDeals"]').forEach(link => {
            if (processedLinks.has(link)) return;
            processedLinks.add(link);
            scannedCount++;

            const productId = extractProductId(link.href);
            if (productId) {
                foundCount++;
                link.dataset.originalBundle = link.href;
                link.href = `https://www.aliexpress.com/item/${productId}.html`;
                link.classList.add('bb-converted');
                convertedCount++;
            }
        });

        updateStats();
        isScanning = false;
    }

    function debouncedScan() {
        if (scanTimeout) clearTimeout(scanTimeout);
        scanTimeout = setTimeout(scanLinks, 200);
    }

    // Click interceptor (fallback)
    document.addEventListener('click', function(e) {
        const link = e.target.closest('a');
        if (!link || !link.href.includes('BundleDeals')) return;

        const productId = extractProductId(link.href);
        if (productId) {
            e.preventDefault();
            e.stopPropagation();
            const url = `https://www.aliexpress.com/item/${productId}.html`;
            link.target === '_blank' ? window.open(url, '_blank') : window.location.href = url;
        }
    }, true);

    // Observer
    const observer = new MutationObserver(mutations => {
        if (mutations.some(m => m.target.closest('#bundle-bypass-debug'))) return;
        debouncedScan();
    });

    // CSS
    const style = document.createElement('style');
    style.textContent = `
        a.bb-converted { outline: 3px solid #0f0 !important; outline-offset: 2px !important; }
        a[href*="BundleDeals"]:not(.bb-converted) { outline: 3px dashed #ff0 !important; }
    `;
    document.head.appendChild(style);

    // Init
    function init() {
        document.body.appendChild(createDebugPanel());
        document.getElementById('bb-close').onclick = () => 
            document.getElementById('bundle-bypass-debug').remove();
        scanLinks();
        observer.observe(document.body, { childList: true, subtree: true });
        let polls = 0;
        const id = setInterval(() => { scanLinks(); if (++polls >= 5) clearInterval(id); }, 2000);
    }

    document.readyState === 'loading' 
        ? document.addEventListener('DOMContentLoaded', init) 
        : init();
})();

Utilisation

Une fois installé, le script fonctionne automatiquement sur toutes les pages AliExpress. Vous verrez :

• Un panel de debug en haut à droite de l’écran avec les statistiques en temps réel
• Un contour vert autour des liens qui ont été convertis avec succès
• Un contour jaune pointillé autour des liens Bundle non encore traités (rare)

Vous pouvez fermer le panel debug en cliquant sur le ✕ rouge. Le script continuera de fonctionner en arrière-plan.

Dépannage

Le panel debug n’apparaît pas

• Vérifiez que le script est activé dans Tampermonkey/Violentmonkey
• Rafraîchissez la page avec Ctrl+F5
• Vérifiez que le script matche bien le domaine (aliexpress.com)

Les compteurs restent à 0

C’est normal si la page actuelle ne contient aucun lien Bundle. Faites une recherche de produit pour voir le script en action.

AliExpress a changé son code

AliExpress modifie régulièrement son interface. Si le script ne fonctionne plus, ouvrez la console développeur (F12) et vérifiez si les liens Bundle utilisent toujours le pattern BundleDeals dans l’URL. Si le format a changé, le script devra être mis à jour.

Désactiver le mode debug

Si le panel vous gêne, vous pouvez commenter ou supprimer la section createDebugPanel() et la ligne document.body.appendChild(createDebugPanel()) dans la fonction init().

Script testé sur Chrome 120+, Firefox 121+, Edge 120+ et Brave 1.61+. Dernière mise à jour : janvier 2025.

Claude Code + Ollama : le rêve du coding local gratuit devient réalité

TL;DR : Ollama v0.14.0 permet enfin d’utiliser Claude Code avec des modèles locaux. Sur le papier, c’est révolutionnaire. En pratique, les modèles open source ne sont pas encore à la hauteur pour le workflow agentic.

L’annonce qui a fait saliver les devs

Mi-janvier 2026, Ollama a annoncé le support natif de l’API Anthropic. Traduction : Claude Code, l’outil de coding agentic d’Anthropic, peut désormais tourner sur des modèles locaux comme Qwen, Mistral ou LLaMA. Fini les tokens facturés à l’usage, fini l’envoi de code propriétaire dans le cloud. Le Graal du développeur privacy-conscious.

J’ai voulu tester. Voici ce que j’ai appris.

Le setup (qui fonctionne)

Prérequis : Ollama v0.14.0 minimum. Si vous êtes sur Mac :

brew upgrade ollama
brew services restart ollama
ollama --version  # doit afficher 0.14.0+

Ensuite, deux variables d’environnement suffisent :

export ANTHROPIC_AUTH_TOKEN=ollama
export ANTHROPIC_BASE_URL=http://localhost:11434

Et on lance Claude Code avec le modèle de son choix :

ollama pull qwen3-coder
claude --model qwen3-coder

Ollama recommande des modèles avec au moins 32K tokens de context window. Qwen3-coder et gpt-oss:20b sont les plus adaptés.

Là où ça coince

Claude Code n’est pas un simple chatbot. C’est un agent qui utilise des tool calls pour lire des fichiers, exécuter du code, naviguer dans une codebase. Le problème : les modèles open source ne maîtrisent pas parfaitement le format de tool-use d’Anthropic.

Concrètement, voici ce que j’ai observé avec qwen2.5-coder:7b :

❯ fais un hello world
⏺ {"name": "Skill", "arguments": {"skill": "console", "args": "Hello, World!"}}

Le modèle essaie d’émettre un tool call, mais il balance du JSON brut au lieu de l’exécuter. Avec qwen3-coder (plus gros), le /init a pris 4 minutes pour… ne pas créer le fichier CLAUDE.md attendu. Avec gpt-oss:20b, j’ai obtenu “Invalid tool parameters”.

Le pattern est clair : les modèles locaux comprennent vaguement ce qu’on leur demande, mais ils ne structurent pas leurs réponses comme Claude le ferait nativement.

Pourquoi c’était prévisible

Claude Code a été conçu pour Claude. Son system prompt, son schéma de tools, ses conventions de réponse — tout est calibré pour les modèles d’Anthropic. Quand vous branchez un modèle tiers, il doit :

• Comprendre un system prompt massif (plusieurs milliers de tokens)
• Respecter un format de tool call très spécifique
• Raisonner sur plusieurs étapes (planification, exécution, vérification)
• Gérer un context window qui grossit à chaque interaction

Les modèles 7B-20B n’ont tout simplement pas la capacité cognitive pour jongler avec tout ça. Même les 32B+ galèrent sur les workflows complexes.

Les alternatives qui fonctionnent mieux

Si vous voulez du coding assisté local, plusieurs options sont plus matures :

• Continue (extension VS Code) : conçu dès le départ pour les modèles locaux
• Cline : agent de coding qui supporte nativement Ollama
• aider : CLI de pair programming, excellent avec GPT-4 mais fonctionne aussi en local
• OpenCode : alternative open source à Claude Code, pensée pour être provider-agnostic

Ces outils ont des prompts et des workflows adaptés aux limitations des modèles open source.

Le verdict

L’intégration Ollama + Claude Code est une avancée technique réelle. Pour la première fois, on peut faire tourner l’agent d’Anthropic sans envoyer une seule requête à leurs serveurs. Mais l’expérience est dégradée : lenteur, tool calls mal formatés, workflows qui plantent.

Mon conseil : si vous avez un abonnement Claude Pro ou un budget API, restez sur Claude natif pour le travail sérieux. Utilisez les alternatives locales pour l’expérimentation, les projets perso, ou les environnements air-gapped.

La promesse du coding agentic 100% local est là. Les modèles ne le sont pas encore.

Testé sur Mac avec Ollama 0.14.0, Claude Code v2.1.15, qwen2.5-coder:7b, qwen3-coder et gpt-oss:20b.