Coder Survival Guide

What is the average size of JavaScript code downloaded per website? Fuck around and find out!

24 jours de web : Le calendrier de l'avent des gens qui font le web d'après.

Suite de l’article l’accompagnement des schémas d’accessibilité en intelligence collective (partie 1 sur 2). Sommaire : En quoi sont modifiés les processus de production numérique et la gestion …

L'intelligence collective est un levier pour déployer la démarche d'écoconception numérique dans une organisation : on vous explique pourquoi

These are mostly my thoughts about what I was expecting as a junior and how I perceived senior developers. To be honest, I was romanticizing them quite a

A puzzle about domino dots

L’écoconception numérique continue à se développer en France, notamment portée par le nouveau réglement général d’écoconception de services numériques (RGESN) développé au sein de l’État. Cette pratique consiste à se demander quoi faire pour réduire la charge environnementale (émissions de gaz à effet de serre, consommation d’énergie, d’eau, etc.) d’un site web et de son usage. Nous avons maintenant une certaine expérience du sujet puisque nous explorons à la fois en théorie et en pratique depuis 5 ans toutes ces questions. La refonte de Telecoop s’inscrit d’ailleurs dans la continuité de celle pour Commown avec Derek Salmon. Dans cette étude de cas, nous allons tâcher d’appliquer ce fameux RGESN qui se distingue par 8 grands axes : la stratégie, les spécifications, l’architecture, l’UX/UI, les contenus, le front-end, le back-end, l’hébergement. Nous allons reprendre point par point chacun de ces éléments.

Bonjour 👋 Bienvenue dans l’article #14 de Design 4 Change ! Nous sommes désormais 820 dans cette newsletter depuis 6 mois. Que tu me suives depuis le commencement ou que tu viennes de me découvrir, un grand merci de me lire ❤️.

Découvrez la conférence de Christophe Clouzeau, qui présente l'importance d'une écoconception et de l'impact environnemental du numérique.

Tired of manually checking spreadsheets, messy handovers, and expensive retrofitting? The all-new Stark Suite is a powerful combination of integrated tools that help you streamline your accessibility workflow. Now, you can create and test accessible software in record time. Whether you’re buildi...

Contrast lets you quickly run a AA or AAA type contrast report on all text across all your artboards at once. Simply select a few layers and run the command to see your report. See the code or file a bug on GitHub

Test the contrast of two colors to ensure the highest measure of readability using the Advanced Perception of Color Algorithm (APCA) and the classic ratio.

The APCA Accessible Perceptual Contrast Algorithim BASIC VERSION.

Achieving the UN Sustainable Development Goals (SDGs) demands a shift by industry, governments, society, and individuals to reach adequate levels of a…

Le SPN se nourrit des collaborations au sein de son réseau. Fin 2022, Game Partners évoquait le projet de construire un jeu sérieux sur le Numérique Responsable.

Smart coders can see the system is broken

Learn about optimizing your Azure carbon emissions.

Deep Learning (DL) frameworks such as PyTorch and TensorFlow include runtime infrastructures responsible for executing trained models on target hardware, managing memory, data transfers, and multi-accelerator execution, if applicable. Additionally, it is a common practice to deploy pre-trained models on environments distinct from their native development settings. This led to the introduction of interchange formats such as ONNX, which includes its runtime infrastructure, and ONNX Runtime, which work as standard formats that can be used across diverse DL frameworks and languages. Even though these runtime infrastructures have a great impact on inference performance, no previous paper has investigated their energy efficiency. In this study, we monitor the energy consumption and inference time in the runtime infrastructures of three well-known DL frameworks as well as ONNX, using three various DL models. To have nuance in our investigation, we also examine the impact of using different execution providers. We find out that the performance and energy efficiency of DL are difficult to predict. One framework, MXNet, outperforms both PyTorch and TensorFlow for the computer vision models using batch size 1, due to efficient GPU usage and thus low CPU usage. However, batch size 64 makes PyTorch and MXNet practically indistinguishable, while TensorFlow is outperformed consistently. For BERT, PyTorch exhibits the best performance. Converting the models to ONNX usually yields significant performance improvements but the ONNX converted ResNet model with batch size 64 consumes approximately 10% more energy and time than the original PyTorch model.

Today, we’re releasing a new guide explaining how to compel companies employing deceptive design to dodge data protection requests—like those for data deletion or access—to comply. It encapsulates five years...

The largest publicly available dataset of data brokers made available to the wider research community.

Alter Numeris, ce sont des chercheurs et des penseurs qui réfléchissent les enjeux de la société numérique.

If you want to save money in Enterprise IT, it turns out that sustainability as a KPI is more important than cost - this is one of the key findings coming from the recent GreenOps Survey, some research made possible by the recent ClimateAction MiniGrants fund.

Pistes d'interfaces pour un design écologique des paramètres sur mobile.