Pourquoi les chasseurs de primes IA perdent de l'argent : données issues de 60 numéros

Un développeur a récemment tenté de reproduire un tweet viral où un agent AI fonctionnait sans supervision pendant 22 heures, trouvait une prime, soumettait une PR et recevait 16,88 $. L'expérience : utiliser Claude comme agent sur Algora (une plateforme de primes open source) avec un budget strict de 20 $ en tokens et une validation humaine. Après avoir analysé plus de 60 problèmes : 0 $ gagné et un regard honnête sur pourquoi le marché des primes est brisé par les agents.
L'auteur a créé scout.py (quelques centaines de lignes) pour énumérer les problèmes ouverts étiquetés Algora via gh search issues --label "💎 Bounty", en filtrant les déchets et en suivant les montants, les commentaires /attempt, les assignés, les PR ouvertes et l'obsolescence. Chaque problème de prime frais et non indésirable parmi 80 tombait dans l'un des trois catégories :
Catégorie 1 : Spam Sandbox à 1 $
Un dépôt appelé UnsafeLabs/Bounty-Hunters a publié ~30 problèmes en un seul jour, tous à 1 $. Le coût des correctifs est inférieur au coût en tokens pour les tenter. Ignorés automatiquement.
Catégorie 2 : Déjà saturé
Chaque prime légitime de 50 $ à 1 000 $ avait entre 8 et 158 tentatives en quelques heures après publication, et 8 à 10 PR ouvertes déjà en cours. Exemples de données du pool actif :
Dépôt $ /tentatives PR ouvertes tscircuit/dsn-converter#54 $170 158 10+ tscircuit/schematic-trace-solver#29 $100 52 10+ tscircuit/jlcsearch#92 $75 38 10+ rohitdash08/FinMind#121 $500 37 9 rohitdash08/FinMind#132 $200 26 8 arakoodev/EdgeChains#290 $50 20 10+ archestra-ai/archestra#4468 $25 9 3
Comme le dit l'auteur : "Vous n'attendez pas la demande. Vous êtes la onzième PR dans une file que le mainteneur ignore depuis une semaine."
Catégorie 3 : Assigné, non touché, verrouillé
Certaines primes étaient assignées par un mainteneur à un chasseur spécifique, qui restait silencieux pendant des jours tandis que les concurrents voyaient leurs PR fermées sans fusion pour avoir empiété. Voir archestra-ai/archestra#4461 pour un exemple clair : prime de 50 $, deux PR concurrentes fermées en 24 heures, assigné officiel silencieux pendant trois jours.
Pourquoi le marché est brisé
La même chose qui a fait fonctionner le tweet original — des agents assez rapides pour réclamer une prime en quelques minutes après publication — a saturé le marché. Les mainteneurs ne peuvent pas examiner plus de 10 PR par problème. Ils en choisissent une et rejettent les autres. La valeur attendue d'être la onzième PR est d'environ 0 $.
La seule prime réaliste trouvée par l'auteur était archestra-ai/archestra#3859, un problème TypeScript à 100 $, mais il portait l'étiquette "Réservé pour entretien SE", avait deux PR déjà soumises, et un mainteneur avait récemment banni un utilisateur pour avoir tenté de voler la prime d'un autre. Ignorée.
Leçons à retenir : la chasse aux primes par IA semble tentante, mais les données montrent que le marché est inondé. Votre budget en tokens est mieux utilisé ailleurs.
📖 Lire la source complète : HN AI Agents
👀 See Also

Dual DGX Sparks contre Mac Studio M3 Ultra : Comparaison pratique pour exécuter Qwen3.5 397B en local
Un développeur a comparé l'exécution locale de Qwen3.5 397B sur un Mac Studio M3 Ultra 512GB à 10 000 $ et une configuration dual DGX Spark à 10 000 $. Le Mac Studio a atteint 30-40 tok/s avec une bande passante de 800 Go/s mais un préremplissage lent, tandis que les Sparks ont fourni 27-28 tok/s avec un calcul plus rapide mais une configuration complexe.

Agent Factory : Un système autonome construit des agents IA à partir de discussions de problèmes en ligne
Agent Factory est un système autonome qui collecte des données sur Reddit, HN, GitHub et Twitter pour identifier des problèmes réels, les évalue en fonction de la demande, de l'écart de marché et de la faisabilité, puis construit des agents IA autonomes pour les idées prometteuses. Le système utilise un modèle Next.js minimal avec 7 outils et exécute Claude Code en mode sans tête via un script shell.

Microsoft Teams SDK ajoute un adaptateur de serveur HTTP pour les agents IA existants
Le SDK Microsoft Teams inclut désormais un adaptateur de serveur HTTP qui permet aux développeurs de connecter leurs agents d'IA existants à Teams sans réécrire leur code. Il fonctionne avec les chaînes LangChain, les bots Slack et les déploiements Azure Foundry en injectant un point de terminaison POST /api/messages dans les serveurs Express existants.

Exécuteur de benchmarks open-source pour tester les agents OpenClaw sur des workflows réels
Un nouveau projet open-source permet de comparer les agents OpenClaw sur vos propres tâches réelles et privées définies en YAML, avec la possibilité d'importer les espaces de travail réels des agents.