Un ingénieur de Selectel présente un agent LLM qui trouve des noms de domaine libres
Un ingénieur de Selectel a décrit un projet personnel pour choisir des noms de domaine sans tâtonnement manuel. Le service Python envoie la description du produit à un LLM, récupère une liste de noms et la passe aussitôt à la moulinette de WHOIS, avec vérification en parallèle. L'utilisateur ne voit que des options vérifiées, et toute la routine des registrars, des noms pris et des refus à répétition tient dans un seul pipeline de 10 à 30 secondes. L'auteur précise qu'il s'agit d'un prototype fonctionnel, pas d'un produit abouti.
Traité par IA depuis Habr AI ; édité par Hamidun News
Choisir un nom de domaine peut cesser d'être un tâtonnement manuel sans fin pour devenir un court scénario automatique : un LLM propose des options, et un script vérifie aussitôt leur disponibilité et écarte celles qui sont prises. C'est ce que décrit un ingénieur de Selectel dans un projet personnel : un service simple pour les cas où il faut lancer vite une marque, un produit ou une landing page sans passer des heures à chercher une adresse libre.
Le projet part d'un problème très concret. Dans les extensions populaires comme .com, .
ru, .io et .org, l'espace est saturé depuis longtemps : d'après les données citées par l'auteur, le seul .
com compte plus de 160 millions de domaines enregistrés. Les noms les plus courts et les plus clairs sont pris, et les bonnes options sont souvent soit occupées, soit mises en vente. Résultat, les nouveaux projets font des compromis : ils ajoutent des chiffres, des lettres superflues ou des tirets, ou se rabattent sur des extensions moins courantes.
L'indice du marché des domaines que cite l'auteur montre aussi que l'activité dans les extensions populaires a à peu près triplé ces trois dernières années. Cela nuit non seulement à la notoriété, mais aussi à la confiance : une adresse doit se lire facilement, se retenir et se saisir au clavier sans erreur.
L'auteur relie par ailleurs la pénurie de domaines corrects à la sécurité. Quand le beau nom est déjà pris, entreprises et utilisateurs s'habituent aux adresses contrefaites, aux miroirs et aux variantes douteuses, un terrain favorable au phishing et au typosquatting. L'article donne des exemples de domaines qui ne diffèrent de l'original que d'un chiffre ou d'une lettre, et rappelle des cas plus importants où des attaquants ont déployé des centaines de fausses adresses autour d'événements très médiatisés. Dans ce contexte, un bon domaine n'est plus un choix purement esthétique : c'est aussi un moyen de réduire le risque d'erreurs, de confusion et de perte de confiance chez l'utilisateur.
Le service est écrit en Python et se déroule en deux étapes. D'abord, l'utilisateur renseigne la description du projet, les extensions souhaitées et le nombre d'options. Plus la requête est précise, plus les résultats sont pertinents : une description étroite du produit donne des noms plus exploitables que des catégories abstraites comme « fintech » ou « marketplace ». Ensuite, le LLM génère, via une API compatible OpenAI, une liste de noms à partir d'un prompt strict : courts, mémorables, sans caractères superflus et uniquement dans les TLD indiqués.
Un second module passe ensuite chaque option dans python-whois. Si la réponse WHOIS contient des informations sur le domaine, le registrar ou la date de création, l'adresse est considérée comme prise ; si le service renvoie une réponse vide ou des messages du type not found, l'option est marquée comme libre. Pour éviter une trop longue attente, la vérification s'exécute en parallèle sur dix threads, et le cycle complet dure généralement environ 10 à 30 secondes.
Par-dessus ce pipeline, l'auteur a ajouté une interface web minimaliste : un champ pour la description du projet, un choix d'extensions, un compteur de résultats et un bouton de lancement. Une fois le formulaire envoyé, le système renvoie une liste déjà vérifiée, avec les mentions « libre » ou « pris ». Lors des tests, pour une requête sur le coaching d'entreprise à Moscou, le service a trouvé l'option libre bizmoscow.org, et pour une boutique de produits à base de café à Saratov, il a proposé quelques autres noms exploitables dans les extensions .store, .shop et .ru.
L'auteur ne présente pas le projet comme un produit abouti : c'est plutôt un prototype fonctionnel qui peut évoluer grâce à un réglage fin des prompts, à des filtres supplémentaires et à une logique plus soignée d'évaluation de la qualité des noms.
L'intérêt du projet n'est pas que l'IA ait soudain résolu la pénurie de domaines, mais qu'elle s'acquitte bien de la partie fastidieuse du processus. Le LLM joue le rôle de générateur d'idées, et WHOIS celui de filtre de réalité rapide. Pour les startups, les développeurs indépendants et les petites équipes, cette approche peut faire gagner du temps au démarrage et réduire les vérifications manuelles inutiles, surtout quand il ne faut pas un domaine parfait pour l'éternité, mais simplement une adresse claire et libre pour le lancement.
- 2 nov. 2026DeepSeek ouvre le code d'un prototype de Super-agent : p95 du temps d'exécution de 15,7 min contre 29,5
- 2 nov. 2026Le créateur de Bun migre 750 000 lignes de Zig vers Rust en 11 jours avec Claude Code
- 2 nov. 2026Microsoft publie Mage-VL-Cowork, un modèle de 4B qui résout 66,0% des tâches d'OSWorld-Verified
- 2 nov. 2026L'assistant Muse de Meta tient un dossier sur vos proches et obtient root par défaut sous Ubuntu
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
L'essentiel de l'IA — une fois par semaine
Sept actus qui ont vraiment compté, choisies à la main. Sans bruit ni communiqués.
C'est fait ! Vérifiez votre boîte mail pour la confirmation.