L’essentiel
- Andrej Karpathy a publié HackerTube après environ deux heures de travail avec Claude Code : Opus 5.5 a construit le projet, Sonnet a passé au crible les commentaires de Hacker News pour en garder environ 40 000 qui recommandent une vidéo, soit 6 454 vidéos publiées entre 2007 et 2026.
- Karpathy juge l’expérience nettement meilleure que les recommandations de YouTube, sans mesure indépendante à l’appui, et ne chiffre aucune dépense.
- Le site n’exige aucun compte, affiche une seule image prélevée au milieu de chaque vidéo et garde son état dans le navigateur ; une variante, TristanTube, couvre 47 000 vidéos et a été produite d’un seul jet avec Claude Code en 3 minutes.
Un nom de domaine acheté, un serveur loué, une clé d’API (interface de programmation) YouTube créée dans Google Cloud : ce sont les trois seuls gestes manuels qu’Andrej Karpathy, cofondateur d’OpenAI, revendique pour HackerTube. Le reste, de l’analyse des données à la sécurisation du serveur, est passé par Claude Code, l’agent de programmation d’Anthropic. Il le raconte dans un billet de blog : « je ne parle qu’à Claude et je lui fais tout faire ».
Le produit fini est modeste en apparence : une liste de 6 454 vidéos recommandées sur Hacker News, rangées en 150 thèmes. Sa fabrication, elle, soulève la question de ce qu’un grand modèle de langage peut remplacer dans une chaîne de recommandation, et de ce que cela coûte.
Un site sans compte, sans vignette retouchée
Selon Karpathy, qui l’écrit sur X, HackerTube offre une expérience de visionnage nettement meilleure que les recommandations de YouTube. Le site ne demande aucune connexion, stocke son état localement dans le navigateur et remplace la vignette optimisée par une unique image tirée du milieu de la vidéo. Ce dernier choix retire aux créateurs leur levier le plus classique, la miniature conçue pour provoquer le clic.
Karpathy a enchaîné avec TristanTube, bâti « d’un seul jet » avec Claude Code en 3 minutes. Il agrège 47 000 vidéos issues d’une liste de chaînes YouTube établie par Tristan Hume. Cette seconde version est sept fois plus fournie que la première, mais sa sélection ne repose sur aucun tri par le modèle : la liste de chaînes fait office de filtre. Les 3 minutes mesurent donc la génération du site, pas celle de la curation.
Deux modèles, deux rôles
Le partage des tâches est plus fin que ne le laisse croire le nom d’Opus 5.5 accolé au projet. Opus, réglé sur un effort moyen, a conçu et monté l’ensemble : téléchargement de tous les commentaires de Hacker News depuis un jeu de données public, code du site, déploiement. La lecture des commentaires, elle, a été confiée à Sonnet, un modèle moins cher de la même famille, lancé dans un Workflow de Claude Code pour écarter le spam et repérer les recommandations de vidéos.
Au bout de ce tri, il reste environ 40 000 commentaires pour 6 454 vidéos, soit six recommandations par vidéo en moyenne. Une vidéo retenue n’est donc pas un coup de cœur isolé : elle revient dans les conversations, parfois sur plusieurs années.
Vingt ans de goût humain, lus par un modèle
Cela tempère l’idée d’un curateur LLM (modèle de langage) qui détrônerait les algorithmes de recommandation. Le signal de qualité de HackerTube a été produit par des humains, pendant 20 ans, dans un forum à la population très homogène : des lecteurs techniques qui se recommandent mutuellement des conférences, des documentaires, des cours. Le modèle distille ce signal, il ne l’invente pas.
Un algorithme de type YouTube optimise l’engagement mesuré sur des milliards d’utilisateurs. Le curateur LLM, lui, s’appuie sur un échantillon étroit mais choisi, et sur une lecture du texte que les statistiques de clics ne permettent pas : comprendre pourquoi quelqu’un recommande une vidéo, dans quel contexte, avec quelle réserve. Le gain est réel, à condition de disposer d’un corpus déjà trié par des gens qui ont du goût.
La facture qu’aucun message ne chiffre
Karpathy ne publie ni consommation de tokens (les unités de texte facturées par les fournisseurs de modèles) ni coût en dollars. Le choix de Sonnet pour la lecture en masse dit pourtant qu’il y a pensé : faire parcourir l’archive entière par le modèle le plus cher aurait multiplié la note. Combien de commentaires Sonnet a-t-il réellement lus, et combien ont été écartés en amont par du code ordinaire ? Le billet ne le précise pas, alors que l’essentiel de la facture en dépend.
D’autres coûts échappent au compteur. Karpathy sait ce qu’il faut demander, repère un résultat faux et dispose d’un compte pour louer un serveur en quelques minutes. Son verdict, « nettement meilleur » que YouTube, est une appréciation d’auteur, sans test auprès d’autres spectateurs. Enfin, une liste filtrée par un modèle devient une cible : si elle prend de l’audience, rien n’empêche d’écrire des commentaires pensés pour y figurer.
Le développeur qui veut refaire l’exercice sur un forum ou un fil de support peut retenir l’ordre des opérations : mesurer d’abord ce que le modèle lit réellement, confier la lecture de masse au modèle le moins cher qui suffit, chiffrer ensuite, et garder un humain pour juger la sortie.
Mon avis
Les algorithmes de recommandation ne perdront rien face à ce genre de projet, et c’est tant mieux : le curateur LLM vaut surtout comme extracteur de goût humain déjà accumulé. Chaque communauté qui possède dix ans d’archives bien tenues aura son propre HackerTube d’ici un an, sur la musique, la cuisine ou les cours en ligne. Le modèle se loue à l’heure ; dix ans de discussions entre connaisseurs, personne ne peut les acheter.
Vous avez aimé celui-ci ?
La newsletter du vendredi réunit les articles de la semaine, avec leurs sources.
Offert à l'inscriptionMa configuration Claude Code, avec mes skills, mes sous-agents et mes hooks, prêts à copier.
Ils m’ont fait confiance
« Il ne se contente pas de corriger les symptômes, il cherche à comprendre l'origine des problèmes et à sécuriser les modifications effectuées. J'ai réellement le sentiment d'avoir trouvé un développeur qui comprend à la fois la technique et les enjeux globaux du projet. »
Évaluation client · projet WordPress · septembre 2026
5,0/5 sur 22 évaluations
Faire appel à mes services →
