Un agent dans un terminal représente une unité de travail. Vous rédigez un prompt, vous attendez, vous relisez, puis vous recommencez. L'agent est rapide, et c'est vous qui ralentissez la cadence. La solution évidente consiste à en lancer plusieurs en même temps ; le problème tout aussi évident, c'est que des agents modifiant le même arbre de travail finissent par s'écraser mutuellement.
Orca résout ce problème de manière exemplaire. Développée par Stably, cette application desktop permet de faire tourner une flotte d'agents de code, chacun dans son propre worktree Git, le tout affichant 58 464 étoiles et sous licence MIT. Si vous travaillez seul et souhaitez décupler votre débit dès aujourd'hui, c'est une excellente option et cet article ne cherchera pas à vous en dissuader. Ce qu'elle ne fait pas, en revanche, c'est rendre ce travail visible pour les autres — ce qui relève d'une tout autre problématique.
En résumé
Il s'agit de l'un des cinq dossiers approfondis issus de notre sélection d'outils open source pour booster les agents de code.
Orca fait tourner Codex, Claude Code, OpenCode, Cursor CLI et pratiquement n'importe quel agent en ligne de commande côte à côte, chacun dans un worktree Git isolé, en s'appuyant sur les abonnements dont vous disposez déjà. L'application propose le découpage de terminal, l'annotation de diffs, des worktrees distants via SSH, un mode conception Chromium, la navigation dans GitHub et Linear, ainsi qu'une application mobile compagnon. Pour une personne seule, c'est remarquable. Pour une équipe, l'historique reste confiné dans l'historique de défilement d'une seule machine — et c'est précisément là que commence le besoin d'un système de travail partagé.
Ce que fait l'outil
La brique fondamentale repose sur un worktree par agent. Les worktrees Git permettent à un même dépôt d'avoir plusieurs répertoires de travail extraits simultanément, ce qui permet à cinq agents de travailler sur le même dépôt sans jamais se marcher sur les pieds. C'est exactement le même mécanisme que celui décrit dans les worktrees isolés pour les exécutions en parallèle, et c'est la base idéale.
Le paradigme qu'il débloque est le fan-out (la divergence) : envoyer un même prompt à plusieurs agents, comparer les résultats, puis fusionner la proposition gagnante. Face à un problème réellement ambigu, trois tentatives menées par trois modèles distincts n'échoueront pas de la même façon, et retenir la meilleure des trois est bien plus efficace que d'itérer indéfiniment sur la première.
| Fonctionnalité | Ce que cela vous apporte |
|---|---|
| Worktrees parallèles | Plusieurs agents sur un seul dépôt, en totale isolation |
| Séparation de terminaux | Rendu WebGL, historique conservé après redémarrage |
| Annotation des diffs de l'IA | Commentaires ligne par ligne renvoyés à l'agent |
| Worktrees SSH | Exécution des agents sur une machine distante plus puissante, reconnexion automatique |
| Mode conception | Cliquez sur un élément d'interface, injectez le HTML, le CSS et une capture d'écran dans le prompt |
| GitHub et Linear | Parcourez les PR, les tickets et les tableaux, ouvrez un worktree à partir d'une tâche |
| Suivi de l'utilisation | Limites et heures de réinitialisation pour Claude et Codex, basculement de compte à chaud |
| Compagnon mobile | Notifications et suivi depuis un smartphone |
Le sélecteur de compte mérite une mention particulière. Faire tourner cinq agents en parallèle implique d'atteindre rapidement les limites de requêtes (rate limits) ; pouvoir consulter les délais de réinitialisation directement dans l'application permet d'anticiper la contrainte plutôt que de la subir en plein milieu d'une tâche.
L'installation s'effectue par simple téléchargement, via un cask Homebrew ou un paquet AUR, avec orca serve pour une machine Linux sans interface graphique (headless).
Quand la parallélisation est-elle rentable ?
Le parallélisme n'est pas gratuit, et l'écueil classique consiste à dépenser cinq fois plus de tokens pour obtenir cinq variantes d'une même réponse.
Parallélisez lorsqu'une tâche admet plusieurs approches valables : le refactoring d'une gestion d'état, l'intégration d'une bibliothèque méconnue ou un problème de performance dont le goulot d'étranglement n'a pas été identifié. Tout l'intérêt réside dans la diversité des résultats obtenus.
Contentez-vous d'un seul agent lorsque la tâche est parfaitement cadrée. Ajouter un champ à un endpoint ou écrire un handler calqué sur quatre existants ne fera que produire cinq diffs quasi identiques et gonfler inutilement votre facture.
Diversifiez les modèles plutôt que de multiplier les exécutions d'un même modèle. Trois instances d'un même agent donneront des résultats très proches. Trois agents différents, en revanche, divergeront réellement, car les variations proviennent de leur entraînement et non d'un simple échantillonnage aléatoire.
Définissez vos critères d'acceptation avant de vous lancer. Si vous n'êtes pas capable d'indiquer à l'avance à quoi ressemble une solution correcte, vous finirez par choisir le résultat vainqueur au simple coup d'œil.
Les limites du modèle à utilisateur unique
Orca constitue un cockpit remarquable pour une personne seule. Tout réside sur votre machine : les worktrees, les sessions, les diffs et l'historique du terminal qui subsiste opportunément aux redémarrages. C'est parfaitement adapté à un usage individuel.
Cela devient toutefois un obstacle dès qu'une deuxième personne entre en jeu. Vous lancez cinq agents le jeudi. Le lundi suivant, un collègue vous demande pourquoi la logique de nouvelle tentative a changé dans le client de paiement. La réponse se trouve dans un volet de terminal sur votre ordinateur portable — à condition que ce worktree soit encore ouvert. Le prompt à l'origine de ce changement a disparu, et le seul élément persistant est un message de commit rédigé par un modèle.
Un prompt ne constitue pas une trace historique. Un cockpit ne remplace pas un système de travail d'équipe. Ce ne sont pas des défauts propres à Orca ; ce sont simplement les limites intrinsèques d'une application desktop conçue pour un développeur unique.
Isolation par volet ou isolation par Tâche
Sharkly et Orca partagent bien plus de principes que ne le laisseraient penser leurs catégories respectives. Tous deux isolent le travail afin que les agents exécutés en parallèle n'entrent pas en conflit. Tous deux exploitent les outils de code que vous avez déjà installés plutôt que de chercher à les remplacer, et la consommation des modèles passe par vos propres abonnements ou clés API configurés dans ces outils.
La différence réside dans l'unité qui fait l'objet de cette isolation.
Dans Sharkly, l'unité de travail principale est la Tâche (Task). Le travail sur le dépôt s'exécute dans un répertoire isolé et un worktree Git distinct par exécution de Tâche. Ainsi, le mécanisme qui isole les volets d'Orca sert ici à isoler les tâches assignées, au niveau d'une unité visible par toute l'équipe.
Chaque composant a un rôle précis. L'Agent définit la façon dont le travail doit être traité. Le Computer fournit la machine hôte et les ressources locales. Le Runtime prend en charge la session d'agent à proprement parler. La Tâche, elle, demeure le registre partagé.
Sharkly ne remplace ni Claude Code, ni Codex, ni Orca en tant qu'environnement de développement local. Il ajoute une couche partagée de gestion des tâches, de Computer, de contexte, de contrôle et de revue par-dessus les outils que votre équipe utilise déjà.
Il en découle deux fonctionnalités clés qu'un cockpit mono-utilisateur ne vise pas à fournir. Une équipe Crew est un groupe réutilisable d'humains et d'Agents coordonné par un Agent leader ; la parallélisation s'enrichit ainsi d'une étape de synthèse : le leader interprète l'objectif, sollicite les membres nécessaires et consolide leurs résultats au sein d'une seule Tâche, au lieu de vous laisser arbitrer entre cinq diffs disparates. De plus, une Tâche placée dans le Backlog ne déclenche aucune exécution, ce qui permet de préparer et de valider le travail avant d'exécuter la moindre action.
L'exécution, les points de blocage, les résultats et les échanges de suivi sont tous consignés dans le fil chronologique de la tâche. La question du lundi trouve ainsi une réponse qui ne se résume pas à un simple enregistrement d'écran.
Comment choisir
Utilisez Orca si vous êtes seul, que vous maîtrisez la tâche de bout en bout et que votre seul facteur limitant réside dans le nombre d'agents que vous pouvez piloter simultanément. C'est le meilleur outil desktop pour cet usage et il vaut largement la peine d'être installé dès aujourd'hui.
Optez pour un système de travail partagé dès lors qu'un collègue doit savoir ce que les agents ont réalisé, qu'une revue s'impose avant le déploiement ou que quelqu'un viendra vous demander dans trois mois ce qui a été modifié et pourquoi. La démarcation ne dépend pas de la taille de l'équipe, mais de la nécessité ou non de conserver une trace au-delà de la session en cours.
De nombreuses équipes combinent d'ailleurs les deux approches, qui s'articulent très bien ensemble. Les agents explorent, exécutent, testent et rendent compte. Les humains donnent la direction, accordent les autorisations et valident les livrables.
Foire aux questions
Quels agents Orca prend-il en charge ? N'importe quel agent en ligne de commande. Claude Code, Codex, Cursor CLI, Copilot CLI, OpenCode, Grok, Amp, Pi, Devin, Goose, Cline, Continue, Kimi, Qwen Code et bien d'autres sont explicitement pris en charge.
Faut-il souscrire des abonnements supplémentaires pour faire tourner des agents en parallèle ? Non. Orca s'appuie sur les comptes dont vous disposez déjà. Vous atteindrez toutefois plus rapidement les quotas (rate limits) de votre forfait en en lançant plusieurs en simultané, ce qui relève de votre formule d'abonnement et non de l'outil.
Est-il sans danger de faire tourner cinq agents sur un même dépôt ? Oui pour les fichiers, car chacun dispose de son propre worktree. En revanche, l'état partagé extérieur au dépôt — à savoir les bases de données, les serveurs de développement et les ports — reste sous votre responsabilité.
Comment départager les différents diffs obtenus ? Lancez la même suite de tests sur chacun d'eux et laissez-la trancher. Si vos tests ne permettent pas de distinguer les propositions, remédiez-y avant d'intensifier la parallélisation.
Orca ou Sharkly ? Il s'agit de niveaux d'abstraction différents, et ils sont complémentaires. Orca permet à un individu de piloter des agents dans l'immédiat. Sharkly permet d'assigner, de suivre et de relire le travail à l'échelle d'une équipe. En solo, le premier peut amplement suffire. Consultez notre comparatif sur les outils pour gérer des agents en parallèle pour une analyse plus globale.
En conclusion
Orca apporte la réponse la plus solide au défi de productivité auquel fait face un développeur individuel. Des worktrees parallèles, un véritable terminal, l'annotation des diffs, l'exécution distante et une application compagnon en font un outil particulièrement robuste, sans compter que s'appuyer sur vos propres abonnements constitue le modèle idéal.
Ce qu'il permet d'obtenir, c'est un plus grand nombre de propositions de solutions par heure. C'est une vraie avancée si vous êtes en mesure de les départager et de garder une trace de ce qui a été fait. Mais dès lors que d'autres personnes doivent intervenir dans ce processus, ce travail nécessite une Tâche. C'est précisément cette couche que prend en charge Sharkly, en appliquant le même principe d'isolation par worktree à une unité visible par l'ensemble de l'équipe.
