Comment exécuter Codex, Claude Code et OpenCode côte à côte dans des worktrees parallèles

Orca : exécuter plusieurs agents de codage en parallèle sans perdre le contrôle

TL;DR : Orca est une application de bureau de Stably qui exécute simultanément une flotte d’agents de codage, chacun dans son propre worktree Git isolé. Elle pilote les agents CLI avec vos abonnements existants et ajoute des divisions de terminal, l’annotation de diffs, les worktrees SSH, un mode de conception Chromium, l’intégration de GitHub et Linear, ainsi qu’une application mobile compagnon. Au 1er septembre 2026, le projet compte 58 464 étoiles, est distribué sous licence MIT et fonctionne sur macOS, Windows et Linux. Orca supprime le goulot d’étranglement du débit, mais ne vous aide pas à déterminer quel diff est correct ni à conserver un historique lisible par toute l’équipe.

Essayez Apidog dès aujourd’hui

Cet article analyse Orca, l’un des cinq outils d’agents IA open source à installer en 2026.

Le principe : un worktree par agent

Un agent dans un terminal suit généralement cette boucle :

1. Vous donnez une instruction.
2. Vous attendez le résultat.
3. Vous révisez le diff.
4. Vous donnez une nouvelle instruction.

L’agent est rapide ; vous devenez la partie lente du processus.

La solution consiste à lancer plusieurs agents à la fois. Le problème est alors l’isolation : plusieurs agents qui modifient le même espace de travail peuvent écraser les fichiers des autres.

Les worktrees Git permettent d’extraire plusieurs répertoires de travail d’un même dépôt, chacun sur une branche différente. Orca en fait sa primitive principale : chaque agent reçoit son propre worktree.

Vous pouvez donc diffuser une même instruction à plusieurs agents, puis comparer les résultats :

Diffusez une instruction sur cinq agents, chacun dans son propre worktree isolé, comparez les résultats et fusionnez le meilleur.

Pour une tâche parfaitement spécifiée, cette approche gaspille des jetons. Pour une migration difficile ou un problème dont la solution n’est pas évidente, elle permet d’explorer plusieurs stratégies en parallèle.

Sans Orca, cette organisation demande plusieurs onglets de terminal, des commandes git worktree add et une carte mentale pour associer chaque onglet à chaque branche. C’est le genre de gestion que l’on abandonne rapidement.

Quels agents Orca peut-il exécuter ?

Orca exécute pratiquement tout ce qui fonctionne dans un terminal. La liste comprend notamment :

• Claude Code ;
• Codex ;
• Cursor CLI ;
• GitHub Copilot CLI ;
• OpenCode ;
• Grok ;
• Amp ;
• Antigravity ;
• Pi et oh-my-pi ;
• Hermes Agent ;
• Devin ;
• Goose ;
• Auggie ;
• Charm ;
• Cline ;
• Codebuff ;
• Command Code ;
• Continue ;
• Droid ;
• Kilocode ;
• Kimi ;
• Kiro ;
• Mistral Vibe ;
• Qwen Code ;
• Rovo Dev ;
• MiMo Code.

Un mode générique permet également d’utiliser d’autres agents CLI.

Orca utilise vos propres comptes et vos propres clés API. L’application ne revend pas de jetons et ne proxyfie pas vos requêtes. Vous pouvez, par exemple, exécuter Claude Code avec Opus 5 et Codex avec des modèles ouverts avec les abonnements que vous payez déjà.

Cela rend les comparaisons multi-modèles simples à tester : diffuser une instruction sur Claude Code, Codex et OpenCode coûte trois appels sur vos abonnements existants, sans créer de relation avec un nouveau fournisseur.

Installation

macOS

brew install --cask stablyai/orca/orca

Arch Linux

yay -S stably-orca-bin

Les versions disponibles incluent des téléchargements directs pour macOS Apple Silicon et Intel, un programme d’installation Windows et un AppImage Linux.

Pour un serveur Linux sans interface graphique, utilisez orca serve et suivez le guide fourni dans le dépôt.

L’application mobile compagnon se couple à l’application de bureau. Elle est disponible sur l’App Store iOS, tandis qu’un APK Android est fourni dans les versions du projet.

Les fonctionnalités utiles au quotidien

Les worktrees parallèles font la une. Après la première semaine, plusieurs autres fonctions deviennent particulièrement importantes.

Changement de compte et suivi des limites

Orca affiche l’utilisation de Claude et Codex ainsi que l’heure de réinitialisation des limites de débit. Vous pouvez changer de compte sans vous déconnecter puis vous reconnecter.

Avec cinq agents actifs, les limites sont faciles à atteindre. Connaître leur heure de réinitialisation permet de planifier le travail au lieu de découvrir le blocage au milieu d’une migration.

Annotation des diffs IA

Vous pouvez commenter directement une ligne d’un diff et renvoyer le commentaire à l’agent, puis réviser et commiter sans quitter l’application.

C’est une meilleure interface de révision qu’une conversation générale. Un commentaire comme « le délai d’attente de cet assistant devrait utiliser un backoff exponentiel » reste attaché à la ligne concernée, alors qu’une nouvelle invite risque de perdre ce contexte.

Worktrees SSH

Les worktrees SSH permettent d’exécuter les agents sur une machine distante plus puissante tout en conservant l’édition des fichiers, Git et les terminaux. Orca prend également en charge la reconnexion automatique et la redirection de ports.

Cette fonction devient utile dès que votre ordinateur portable ne peut plus héberger plusieurs builds en parallèle.

Mode Conception

Dans une fenêtre Chromium réelle, cliquez sur un élément pour transmettre à l’agent son HTML, son CSS et une capture d’écran recadrée.

Cela élimine l’une des parties les plus pénibles du développement frontend avec un agent : décrire avec des mots ce qui ne fonctionne pas visuellement.

Terminaux et historique

Orca propose des terminaux de type Ghostty avec rendu WebGL, divisions infinies et historique de défilement conservé après un redémarrage.

Ce dernier point est pratique pour le travail individuel, mais il ne constitue pas un historique d’équipe. Nous y reviendrons.

GitHub, Linear et CLI

L’application intègre la navigation dans les pull requests, les issues et les tableaux GitHub et Linear. Vous pouvez ouvrir un worktree directement depuis une tâche.

La CLI Orca permet aussi aux agents d’interagir avec Orca elle-même :

orca worktree create
orca snapshot
orca click
orca fill

Les workflows deviennent ainsi scriptables, au lieu de dépendre uniquement de clics dans l’interface.

Orca prend également en charge :

• le glisser-déposer de fichiers et d’images dans les invites ;
• un éditeur basé sur VS Code avec sauvegarde automatique ;
• le passage rapide entre worktrees et agents ;
• les aperçus Markdown et PDF ;
• l’utilisation de l’ordinateur pour les workflows nécessitant une interaction réelle avec l’interface utilisateur ;
• les notifications et l’état non lu lorsqu’un agent termine ou se bloque.

Les mainteneurs livrent quotidiennement. Le changelog est donc la liste la plus fiable des fonctionnalités disponibles — un avertissement à garder en tête, mais aussi un signe de développement actif.

Quand diffuser une tâche ?

Le parallélisme n’est pas gratuit. Le mauvais scénario consiste à dépenser cinq fois plus de jetons pour obtenir cinq réponses presque identiques.

Une règle simple fonctionne bien :

Diffusez sur l’ambiguïté ; exécutez une seule fois sur la spécification.

Diffusez lorsque plusieurs approches sont défendables

La diffusion est pertinente pour :

• un refactoring de gestion d’état ;
• une migration de données délicate ;
• un problème de performance dont le goulot d’étranglement n’est pas identifié ;
• l’intégration d’une bibliothèque inconnue ;
• une architecture pour laquelle plusieurs solutions sont raisonnables.

Dans ces cas, les agents peuvent réellement diverger. Trois modèles différents peuvent produire trois structures différentes, dont l’une sera meilleure que la première approche que vous auriez écrite.

Utilisez un seul agent pour une tâche spécifiée

Un seul agent suffit pour :

• ajouter un champ à un endpoint ;
• câbler un gestionnaire similaire à quatre gestionnaires existants ;
• écrire les tests d’une fonction dont le comportement est documenté ;
• appliquer une modification mécanique bien définie.

Cinq agents produiraient probablement cinq diffs quasi identiques, pour cinq fois le coût.

Préférez plusieurs modèles

Trois instances du même agent sur la même invite ont tendance à produire des résultats proches. Claude Code, Codex et OpenCode divergent davantage, car leurs différences viennent aussi de leur entraînement et de leur outillage.

Le sélecteur de comptes et le suivi d’utilisation d’Orca sont donc aussi importants que les worktrees : ils rendent cette comparaison multi-modèles praticable.

Écrivez les critères d’acceptation avant de lancer la diffusion

Si vous ne savez pas à quoi ressemble une réponse correcte avant le démarrage, vous choisirez le diff qui paraît le plus propre.

Écrivez d’abord trois critères vérifiables. Vous transformerez ainsi une préférence esthétique en décision technique. Ces critères peuvent aussi être fournis aux agents pour améliorer les cinq candidats.

L’économie est simple : la diffusion échange des jetons contre une exploration plus large de l’espace des solutions. C’est un bon échange lorsque cet espace est vaste, et un mauvais lorsqu’il n’existe qu’une seule réponse raisonnable.

Le problème créé par Orca : choisir entre cinq diffs

Lancer cinq agents produit cinq diffs. Ensuite, il faut décider lequel fusionner.

Orca ne résout pas cette étape. Votre capacité à distinguer le code correct du code seulement plausible reste la même, tandis que votre volume de sortie augmente.

Lire attentivement cinq diffs peut prendre plus de temps qu’écrire le code. En pratique, on finit souvent par survoler les changements, choisir celui qui paraît le plus propre et le fusionner.

Mais un diff élégant n’est pas nécessairement correct.

Le problème est particulièrement visible avec les API. Chaque agent peut inventer sa propre représentation de la réponse d’un endpoint, écrire du code adapté à cette hypothèse et ajouter des tests qui passent uniquement contre cette même hypothèse.

Les cinq diffs sont alors incompatibles, sans qu’une simple lecture permette de déterminer lequel correspond au comportement réel.

Ajoutez un arbitre indépendant

Il faut un contrat que les agents n’ont pas inventé et une suite de tests capable de faire échouer les mauvaises implémentations :

• La spécification OpenAPI devient la source de vérité. Chaque agent lit les mêmes schémas, codes d’état et enveloppes d’erreur. Consultez cet exemple sur l’utilisation d’une spécification OpenAPI comme outils d’agent.
• Les mocks sont générés depuis la spécification. Ils doivent inclure les branches d’erreur, afin qu’un agent qui ne gère que le chemin nominal échoue avant la mise en staging.
• Les tests de contrat décident du gagnant. Exécutez la même suite contre les cinq worktrees. Si deux passent et trois échouent, la décision de fusion repose sur des preuves.
• Les changements de schéma doivent échouer bruyamment. Lorsque l’API en amont change, les tests doivent échouer plutôt que laisser le comportement dériver silencieusement. Voir ce qui se passe lorsque les changements d’API cassent les agents IA.

C’est ici qu’Apidog complète Orca :

• Orca fournit plusieurs réponses candidates à faible coût ;
• Apidog fournit le contrat et la suite de tests déterministes qui permettent de les comparer.

Sans cette seconde moitié, le parallélisme augmente surtout la charge de révision. Téléchargez Apidog et intégrez la spécification avant d’activer la diffusion.

Pour approfondir, consultez avez-vous encore besoin d’un outil d’API à l’ère des agents IA et la fiabilité des agents IA en production.

L’historique du terminal n’est pas un enregistrement

La deuxième limite d’Orca concerne moins l’application que son modèle d’utilisation.

Orca est un excellent cockpit pour un opérateur seul. Les worktrees, les sessions de terminal, les diffs et l’historique sont stockés sur votre machine. C’est idéal pour travailler seul, mais insuffisant dès qu’une autre personne doit comprendre ce qui s’est passé.

Imaginez le scénario suivant :

• vous exécutez cinq agents jeudi ;
• lundi, un collègue demande pourquoi la logique de nouvelle tentative du client de paiement a changé ;
• la réponse se trouve peut-être dans un panneau de terminal sur votre ordinateur portable ;
• l’invite, le raisonnement et le contexte ont disparu ;
• le seul artefact durable est un message de commit généré par un modèle.

Les invites ne sont pas un enregistrement. Un cockpit n’est pas une organisation.

Orca et Sharkly : deux couches complémentaires

Sharkly se situe de l’autre côté de cette frontière. Les deux outils isolent le travail par unité et vous permettent d’apporter vos propres exécutions et abonnements. La différence est l’unité de travail :

• Orca organise un worktree que vous observez ;
• Sharkly organise une tâche qui survit à la session.

Le modèle Sharkly ajoute notamment :

• Une tâche comme enregistrement partagé. La progression, les appels d’outils et les résultats sont retransmis. La sortie de l’agent devient une série de commentaires auxquels vous pouvez répondre.
• Un agent comme configuration réutilisable. Instructions, runtime, compétences, dépôts et environnement sont enregistrés au lieu d’être retapés chaque matin.
• Une Crew comme étape de synthèse. Un agent leader lit le contexte, implique d’autres agents ou personnes et rassemble les résultats en un seul endroit. C’est une diffusion suivie d’une synthèse, plutôt qu’une diffusion suivie de cinq lectures manuelles.
• Une exécution selon le principe “apportez la vôtre”. Vous connectez un ordinateur — portable, serveur ou conteneur — et Sharkly utilise le runtime déjà installé.
• Un worktree séparé par tâche. La même isolation que dans Orca, appliquée au niveau de la tâche plutôt qu’au niveau du panneau.
• Un backlog qui n’exécute rien. Une tâche en attente ne consomme pas de jetons. Le travail peut être préparé et révisé avant son lancement.
• Une structure d’équipe. Espaces, projets, sprints, tâches et synchronisation Jira sont disponibles pour les équipes qui utilisent déjà ces concepts.

Le résumé est simple : pour du travail individuel, Orca est probablement suffisant — et très bon. Dès qu’une autre personne doit comprendre ce que les agents ont fait, il faut un enregistrement durable. Aucun historique de défilement ne peut le remplacer.

Une configuration pratique

Voici un ordre d’adoption qui limite les problèmes courants :

1. Installez Orca et utilisez un seul agent pendant une semaine. Familiarisez-vous avec le terminal, l’éditeur et l’annotation des diffs avant d’ajouter du parallélisme.
2. Ajoutez d’abord la spécification et les tests de contrat. Une diffusion sans arbitre augmente la charge de révision.
3. Diffusez uniquement les problèmes difficiles. Trois agents pour un refactoring ambigu ; un seul pour un ticket clair.
4. Réduisez le coût de chaque agent. Cinq agents qui explorent le même dépôt multiplient le gaspillage. Associez Orca à codebase-memory-mcp.
5. Utilisez les annotations plutôt que de réécrire l’invite. Un commentaire de ligne conserve le contexte exact du problème.
6. Passez aux worktrees SSH lorsque le matériel local sature. Cela arrive souvent dès le troisième ou quatrième agent sur une vraie build.
7. Ajoutez une couche de gestion des tâches dès qu’une deuxième personne intervient. En solo, vous pouvez vous en passer ; en équipe, l’enregistrement durable est indispensable.

Pour comprendre ce que chaque agent a réellement appelé, ajoutez également du traçage. Voir le traçage des appels d’outils d’agent.

FAQ

Orca remplace-t-il un IDE ?

Principalement pour le travail piloté par agent. Orca fournit un éditeur basé sur VS Code avec sauvegarde automatique, un explorateur de fichiers, des terminaux et une revue de diffs. Pour le débogage approfondi, beaucoup de développeurs conservent un IDE complet.

Faut-il un abonnement séparé pour chaque agent parallèle ?

Non. Orca utilise les comptes que vous avez déjà. Le suivi intégré affiche notamment les limites Claude et Codex ainsi que leurs heures de réinitialisation.

Vous pouvez toutefois atteindre les limites de débit plus rapidement en exécutant plusieurs agents. Il s’agit d’une contrainte de votre forfait, pas d’Orca.

Est-il sûr d’exécuter cinq agents sur un même dépôt ?

Oui, les worktrees Git empêchent les agents d’écraser les fichiers des autres.

L’état partagé hors du dépôt reste sous votre responsabilité : bases de données, serveurs de développement et ports réseau. Utilisez des environnements séparés pour éviter des échecs qui ressemblent à tort à des erreurs d’agent.

Comment choisir entre les diffs ?

Exécutez la même suite de tests contre tous les worktrees. Si les tests ne distinguent pas les candidats, améliorez les tests avant d’augmenter la diffusion.

Le traçage des appels d’outils permet aussi de vérifier ce que chaque agent a réellement exécuté.

Orca ou un outil de gestion du travail comme Sharkly ?

Ce sont deux couches différentes qui se complètent :

• Orca sert à piloter les agents en temps réel ;
• un système de tâches sert à faire vivre, assigner et réviser le travail dans la durée.

Pour un usage individuel, Orca peut suffire.

Orca est-il vraiment sous licence MIT ?

Oui. Stably est une entreprise commerciale, mais l’application de bureau Orca est open source sous licence MIT.

Conclusion

Orca est l’une des réponses les plus solides au problème de débit des agents IA. Les worktrees parallèles, le vrai terminal, l’annotation de diffs, l’exécution distante et l’application mobile compagnon en font un outil sérieux. Le fait d’utiliser vos propres abonnements, plutôt que de revendre des jetons, est également le bon modèle.

Orca vous fournit davantage de réponses candidates par heure. C’est un progrès uniquement si vous pouvez les comparer et conserver la trace de ce qui s’est passé :

• un contrat et des tests pour décider : Apidog ;
• une tâche durable pour mémoriser et partager : Sharkly.

Cinq agents sans arbitre ne produisent pas cinq fois plus de valeur. Ils produisent cinq fois plus de révision.