Karpathy crée HackerTube avec Claude en un week-end : 6454 vidéos extraites de 43 millions de commentaires

Le problème est bien connu : les recommandations de YouTube sont optimisées pour le temps de visionnage, pas pour la qualité. On aimerait un fil de vidéos « que des gens avisés recommandent vraiment », mais ce fil n'existe pas. Andrej Karpathy a résolu le problème en un week-end. Ce qui retient l'attention ici, c'est moins le site lui-même que le peu de travail manuel nécessaire pour le créer.

Ce qu'il a construit

HackerTube est un catalogue de vidéos sélectionnées. Sa source de données sort de l'ordinaire : 20 ans de commentaires sur Hacker News, soit environ 43 millions de messages. Les utilisateurs y écrivent régulièrement des choses comme « regardez absolument cette conférence ». Claude, avec le modèle Opus 5.5, a filtré cet ensemble pour le ramener à 6454 vidéos que la communauté recommande encore et encore.

Voyez cela comme un vote par les liens. Si la même conférence revient dans des discussions à plusieurs années d'intervalle, elle est probablement de qualité. C'est bien plus fiable qu'un algorithme qui vous propose la vidéo suivante pour vous empêcher de fermer l'onglet.

Les choix de conception sont eux aussi révélateurs. Aucune connexion n'est nécessaire. À la place des miniatures optimisées, le site affiche une image prise au milieu de la vidéo : pas de piège à clics. Les données d'utilisation — vidéos regardées ou mises de côté — sont conservées localement dans le navigateur. Le serveur n'a donc besoin ni de comptes ni d'une base de données d'utilisateurs.

Dans la foulée, Karpathy a créé TristanTube : 47 000 vidéos issues d'une liste de chaînes YouTube établie par Tristan Hume. Selon ses mots, le projet a été « one-shotted with Claude Code in 3 minutes », autrement dit réalisé à partir d'une seule requête en trois minutes.

Où se trouve la véritable nouveauté

Karpathy explique que Claude Code a effectué presque tout le travail, de l'analyse des données à la configuration du serveur. Il n'a réalisé manuellement que trois opérations que l'agent ne peut pas effectuer : obtenir une clé API Google Cloud, louer un serveur et acheter un nom de domaine. L'agent a pris en charge tout le reste, y compris l'analyse de cette immense archive de commentaires.

Selon son estimation, des projets qui demandaient auparavant des semaines se réalisent désormais en quelques heures. Il s'agit de l'appréciation d'une seule personne, particulièrement expérimentée et disposant d'un accès privilégié aux outils : il ne faut donc pas en tirer des chiffres universels. La tendance est néanmoins claire : le coût d'un « projet personnel fondé sur des données » est descendu au niveau d'un week-end de travail.

Les limites

Plusieurs points méritent d'être examinés avec lucidité. D'abord, ces informations proviennent de Karpathy lui-même, sur X ; aucune évaluation indépendante de la qualité de la sélection n'est disponible. L'affirmation selon laquelle l'expérience serait « nettement meilleure que les recommandations de YouTube » reste subjective.

Ensuite, l'échantillon est biaisé : Hacker News rassemble un public de développeurs. Le catalogue porte donc surtout sur la technologie, les mathématiques et les sciences, plutôt que sur tous les sujets. Troisièmement, les vidéos proviennent de YouTube : la plateforme dépend donc de liens externes, de quotas d'API et de conditions d'utilisation qu'elle ne maîtrise pas.

Enfin, Karpathy n'est pas un utilisateur représentatif : il sait formuler une tâche pour un agent et repérer rapidement une erreur.

Qu'en faire

Pour les développeurs : examinez les données que vous avez accumulées, qu'il s'agisse de commentaires, de tickets, de conversations avec l'assistance ou de journaux techniques. Le schéma dans lequel un agent analyse une vaste archive pour en tirer une sélection organisée est désormais peu coûteux à mettre en œuvre. Un premier prototype mérite d'être abordé comme une expérience de week-end, plutôt que comme un projet trimestriel.

Pour les responsables produit et les fondateurs : la sélection fondée sur les recommandations d'une communauté redevient un créneau viable. Si les algorithmes de recommandation des grandes plateformes agacent leur public, une sélection spécialisée, sans connexion ni suivi, peut constituer un produit à part entière. Gardez à l'esprit que le goulot d'étranglement se déplace : le code et le traitement des données coûtent moins cher, tandis qu'une bonne source de recommandations et le discernement nécessaire pour définir ce qui est « bon » prennent de la valeur.

Dernier point : observez où s'arrête l'automatisation. L'intervention humaine reste nécessaire pour les opérations impliquant des paiements et des droits d'accès : clés, serveur, domaine. Ces étapes relèvent encore de l'humain, et ce sont précisément celles qu'il faut préparer à l'avance pour avancer au même rythme.