Sharkly vs Conductor : où exécuter des agents parallèles quand l’équipe s’agrandit

Conductor est l’outil que la plupart des gens citent en premier lorsqu’il s’agit d’exécuter plusieurs agents de codage en même temps. Il l’a bien mérité. Une application Mac native, des agents dans des espaces de travail isolés, des diffs propres à relire, et aucune des acrobaties tmux que ce mode de travail exigeait auparavant.

Ainsi, la comparaison utile n’est pas « lequel exécute des agents en parallèle ». Les deux le font. C’est ce qui se passe lorsque le travail cesse d’être l’après-midi d’un seul développeur : quand une deuxième personne doit voir l’exécution, quand quelqu’un sous Windows rejoint l’équipe, quand l’agent a besoin d’une machine qui n’est pas un ordinateur portable, et quand le plan doit vivre ailleurs que dans une liste d’espaces de travail. Ce guide trace ces lignes et dit clairement où Sharkly n’est pas la bonne réponse.

TL;DR

Conductor exécute des agents Claude Code, Codex et Cursor en parallèle dans des espaces de travail isolés sur macOS, avec un niveau gratuit où vous apportez vos propres abonnements et clés, et des niveaux payants qui ajoutent Conductor Cloud, une API, la collaboration en direct pour les équipes et des contrôles d’identité d’entreprise. Sa documentation indique qu’il n’est pas encore disponible pour Windows ou Linux. Sharkly exécute des agents sur les Computers que vous connectez, y compris des serveurs distants et des conteneurs, sous macOS, Linux et Windows, et les intègre dans un système de travail : Tâches, Projets, Sprints, Crews et synchronisation Jira bidirectionnelle. Si votre équipe est entièrement sous macOS et veut l’expérience native la plus aboutie, Conductor est une excellente réponse. Si l’exécution doit quitter l’ordinateur portable ou si la planification doit vivre avec l’exécution, c’est là que Sharkly prend le relais.

Ce que Conductor fait bien

Conductor a prouvé quelque chose que toute la catégorie tient désormais pour acquis : le travail d’agents en parallèle a besoin d’isolation et d’une surface de revue, et les deux doivent être à un clic plutôt que relever d’un rituel en shell.

Sa page d’accueil décrit le produit sans détour : « Exécutez des agents Claude Code, Codex et Cursor en parallèle dans des espaces de travail isolés sur votre Mac. » Chaque agent dispose de son propre espace de travail, si bien que deux agents modifiant les mêmes fichiers cessent d’être une catastrophe de fusion. Créer un espace de travail, assigner un agent et relire le diff obtenu sont des actions d’interface, pas des commandes à mémoriser.

La tarification est honnête quant à la relation avec le runtime. Le niveau gratuit indique que vous apportez vos propres abonnements et clés, ce qui est la bonne posture pour une couche qui n’exécute pas le modèle elle-même. Les niveaux payants ajoutent Conductor Cloud avec des heures d’espace de travail cloud et une API Conductor sur Pro, tandis que le niveau Teams ajoute la collaboration en direct pour les équipes de toute taille, la facturation centralisée et un portail d’administration. Le niveau Enterprise ajoute un accord de traitement des données, SAML SSO, SCIM et un SLA avec support dédié.

Ce dernier point compte pour une comparaison équitable, car l’ancienne formule « Conductor est un outil solo » est dépassée. Il propose un niveau équipe avec collaboration et contrôles d’administration. Toute comparaison qui l’omet cherche à vous vendre quelque chose.

Si vous voulez un panorama plus complet des runners locaux, notre comparaison de Claude Squad, Conductor et tmux explique comment ces approches diffèrent en pratique.

Où une application native Mac atteint ses limites

Trois limites découlent de la conception, et une seule concerne les fonctionnalités.

Plateforme. La documentation d’installation de Conductor indique : « Conductor n’est pas encore disponible pour Windows ou Linux. » Pour une équipe 100 % Mac, ce n’est pas un problème. Pour une équipe avec un développeur sous Windows, une station de travail Linux ou une machine de build proche de la CI, cela tranche la question avant même le début de toute comparaison de fonctionnalités.

L’hôte d’exécution. Les espaces de travail s’exécutent là où l’application s’exécute. Conductor Cloud ajoute des heures d’espace de travail hébergées sur les niveaux payants, ce qui atténue le problème, mais le modèle local reste centré sur la machine du développeur. Un travail d’agent qui a besoin d’une machine avec une route VPN, une base de données préremplie ou un GPU relève d’un autre type d’hôte, et ce n’est généralement pas un ordinateur portable.

L’unité de travail. Un espace de travail est une session. C’est une bonne abstraction pour « cet agent, cette branche, ce diff ». Ce n’est pas un élément de backlog. Il ne porte ni priorité, ni appartenance à un sprint, ni critères d’acceptation, ni blocage que quelqu’un d’autre doit lever, ni l’historique de ce qu’un relecteur a décidé il y a trois semaines. Les équipes qui ont besoin de ces éléments les conservent ailleurs, ce qui signifie que le plan et l’exécution vivent dans deux systèmes qui divergent.

Aucune de ces limites n’est un défaut. Elles dessinent la forme d’un outil local ciblé, et c’est ce ciblage qui le rend agréable à utiliser.

Les deux cas de décision

Utilisez Conductor lorsque tout le monde est sous macOS, que les agents que vous voulez sont Claude Code, Codex ou Cursor, que le travail tourne bien sur les machines des développeurs ou sur des heures d’espace de travail hébergées, et que votre planification vit déjà dans un tracker qui vous convient. Une application native avec collaboration en direct est plus légère qu’un système de travail, et la légèreté est une fonctionnalité.

Utilisez Sharkly lorsque l’exécution doit se faire en dehors de l’ordinateur portable ou sur des plateformes mixtes, ou lorsque l’équipe veut regrouper planification, exécution et revue dans un même enregistrement.

La définition qui porte la différence : un Computer dans Sharkly fournit l’hôte d’exécution pour le travail des Agents, et il peut s’agir d’un ordinateur local, d’un serveur distant, d’un conteneur ou d’un hôte cloud pris en charge. Un petit service local connecte le Computer à Sharkly, détecte les Runtimes disponibles, reçoit le travail, prépare le répertoire de la tâche, démarre le Runtime sélectionné et renvoie la progression en continu.

Cette séparation constitue toute la conception. L’Agent définit la manière dont le travail doit être traité. Le Computer fournit l’hôte et les ressources locales. Le Runtime exécute la session d’agent proprement dite. La Tâche reste l’enregistrement partagé pour l’équipe.

Ce que le système de travail apporte

Si l’isolation parallèle vous convient déjà, cette section est la seule raison de continuer votre lecture.

Le travail a un foyer qui survit à la session. Une Tâche est l’unité de travail principale. Elle appartient à une Organisation et à un Espace, et peut aussi appartenir à un Projet ou à un Sprint. Elle enregistre l’objectif et la description, le statut, la priorité, les dates, les libellés et le type de tâche, la personne responsable, l’Agent ou la Crew chargés de l’exécuter, les commentaires et pièces jointes, ainsi que l’état d’exécution, la trace et le résultat de l’Agent. Quand une exécution cale, le blocage se trouve sur la Tâche, là où la personne qui s’en saisira demain le trouvera.

Les configurations d’Agent deviennent un bien d’équipe. Un Agent est une configuration de travail enregistrée plutôt qu’un prompt ponctuel : instructions, Runtime, Skills, dépôts, environnement et paramètres d’exécution. Une équipe peut maintenir des Agents distincts pour les modifications de code, la revue, les tests, la documentation ou le triage opérationnel sans réécrire les mêmes instructions à chaque fois. Notre article explicatif sur ce qu’est un Skill d’agent de codage couvre la partie relative aux instructions réutilisables.

La coordination a une structure quand elle en a besoin. Une Crew est un groupe réutilisable de People et d’Agents coordonné par un Agent leader, pour un travail qui tire profit d’une collaboration fondée sur les rôles, d’un séquencement ou d’un leader qui décide quel Agent agit ensuite. Utilisez un seul Agent quand un seul Agent suffit ; le guide des Crews explique clairement quand il ne faut pas en créer une.

Le tracker reste connecté. L’intégration Jira de Sharkly prend en charge Jira Cloud et Jira Server ou Data Center, avec import, synchronisation unidirectionnelle ou synchronisation bidirectionnelle reliant un projet Jira à un Espace. Les équipes qui ne peuvent pas quitter Jira n’y sont pas obligées.

Les Runtimes sont extensibles. Lorsque le service local ne détecte pas la capacité d’exécution souhaitée, vous pouvez ajouter un Runtime ACP personnalisé depuis le détail du Computer : configurez l’icône, le nom et la commande de démarrage, enregistrez, puis sélectionnez Test connection.

Un exemple concret

Une équipe de douze personnes livre une application web et un service de données interne. Huit développeurs sont sur Mac, deux sous Windows, et deux font l’essentiel de leur travail en SSH sur une machine Linux qui héberge le pipeline de données.

Les huit développeurs Mac étaient satisfaits de lancer des agents en parallèle en local. Les quatre autres ne pouvaient pas se joindre, et c’était là le vrai problème : l’outillage décrivait la façon de travailler de huit personnes, pas celle de l’équipe.

Ils ont connecté des Computers au lieu d’uniformiser le matériel : plusieurs ordinateurs portables, plus la machine Linux qui disposait déjà de l’environnement du pipeline et de la route réseau vers la préproduction. Le travail qui a besoin du pipeline s’exécute là-bas. Le travail qui a besoin de la configuration locale d’un développeur s’exécute sur cet ordinateur portable. Les développeurs Windows se connectent de la même manière.

Chaque exécution obtient toujours un worktree isolé, la partie à laquelle ils refusaient de renoncer. Notre guide sur l’exécution d’agents en parallèle dans des worktrees isolés couvre les mécanismes qui rendent les exécutions simultanées sûres.

Ce qui a changé, c’est ce que voit un relecteur. Au lieu d’un diff surgi de la machine de quelqu’un, la Tâche montre l’objectif, l’Agent qui l’a exécutée, le Computer sur lequel elle a tourné, la trace, les blocages et la discussion. Le stand-up se lit dans le sprint, pas dans huit listes d’espaces de travail séparées.

Sharkly vs Conductor : une comparaison équitable

Erreurs courantes

Comparer sur le parallélisme. Les deux isolent bien les exécutions parallèles. Décider sur cette fonctionnalité ne vous dit rien. Décidez en fonction de la couverture des plateformes, de l’hôte d’exécution et de la question de savoir si le plan doit vivre avec l’exécution.

Utiliser la formule dépassée de l’« outil solo ». Conductor propose un niveau Teams avec collaboration en direct et portail d’administration. Si quelqu’un vous dit qu’il ne peut pas servir une équipe, c’est qu’il n’a pas vérifié récemment.

Ajouter un système de travail dont vous n’avez pas besoin. Si tout le monde est sous macOS, que la planification se passe bien dans votre tracker et que les agents tournent sans problème sur les ordinateurs portables, une couche de travail est une surcharge. Dites non.

Uniformiser le matériel pour s’adapter à l’outil. Acheter des Mac pour qu’un outil fonctionne est une décision qui mérite d’être examinée avant d’être prise, en particulier si une partie du travail a de toute façon sa place sur un serveur.

Conclusion

Conductor est la meilleure version d’une idée ciblée : des agents en parallèle, des espaces de travail isolés, une revue propre, le tout natif sur Mac, avec des niveaux d’équipe en plus. Si votre équipe tient dans macOS et que votre planification a déjà un foyer, ce ciblage est une fonctionnalité et vous ne devriez pas l’échanger contre quelque chose de plus lourd.

Sharkly répond à une autre question : où le travail des agents s’exécute-t-il lorsqu’il a sa place sur un serveur, comment une équipe multiplateforme rejoint-elle le processus, et comment le plan reste-t-il dans le même enregistrement que la trace d’exécution et la décision humaine. Sharkly n’est pas un remplacement de Claude Code, Codex ou d’autres outils d’exécution. Il ajoute la tâche partagée, le Computer, le contexte, le contrôle et la couche de revue autour des outils que votre équipe utilise déjà.

Si votre configuration d’agents parallèles fonctionne, mais seulement pour une partie de votre équipe, c’est là qu’est l’écart. Commencez avec Sharkly, connectez un Computer qui n’est pas un ordinateur portable et assignez-lui une Tâche.

FAQ

Conductor fonctionne-t-il sous Windows ou Linux ? Sa documentation d’installation indique que Conductor n’est pas encore disponible pour Windows ou Linux, et vous invite à vous inscrire pour être notifié. Vérifiez la documentation actuelle avant de décider.

Sharkly exécute-t-il des agents dans des worktrees isolés comme les espaces de travail de Conductor ? Oui. Les exécutions sont isolées afin que les agents parallèles ne se percutent pas, l’isolation étant liée à une Tâche partagée plutôt qu’à une liste locale d’espaces de travail.

Puis-je continuer à utiliser Conductor et ajouter Sharkly ? Oui, même s’il est généralement plus propre de choisir un seul foyer par élément de travail. Une répartition courante consiste à garder les exécutions parallèles locales pour le travail personnel et Sharkly pour le travail que l’équipe doit voir, assigner et relire.

Quels agents Sharkly prend-il en charge ? Tous les Runtimes que le service local détecte sur le Computer connecté, ainsi que tout Runtime ACP personnalisé que vous configurez avec une icône, un nom et une commande de démarrage.

Qui paie l’utilisation des modèles dans chacun ? Les deux vous laissent vous en charger. Le niveau gratuit de Conductor indique d’apporter vos propres abonnements et clés ; Sharkly précise que l’utilisation des modèles continue via les abonnements ou clés API configurés dans ces outils.

Sharkly a-t-il besoin d’un serveur dédié ? Non. Un Computer peut être un ordinateur portable. L’intérêt est qu’il n’est pas obligatoire d’en avoir un, de sorte que le travail nécessitant un environnement spécifique peut s’exécuter là où cet environnement existe déjà.