ThinkRail : l'IDE agentic de JetBrains où chaque agent travaille dans son propre git worktree
🔎 Le jour où les agents ont appris à ne plus se marcher dessus
Les 28 et 29 octobre 2026, un repo de JetBrains a raflé la première place de GitHub Trending avec +1 068 stars en une seule journée. Il s'appelle ThinkRail, il est signé JetBrains InnovationHub, sous licence Apache-2.0, et il apporte une réponse d'une simplicité désarmante à un problème que tous les devs agentiques connaissent : les agents qui travaillent en parallèle se marchent dessus.
Le constat de départ tient en une phrase, affichée en grand sur le site officiel : « Agents deserve worktrees, not your working tree ». Vos agents méritent des worktrees, pas votre copie de travail. Chaque session d'agent tourne dans son propre git worktree, avec sa branche et son répertoire — la main reste propre jusqu'au merge.
Pourquoi maintenant ? Parce que faire tourner trois agents en parallèle est devenu aussi banal que d'ouvrir trois onglets. Mais un repo git reste, par défaut, un espace à un seul joueur. La couche harness est en train de devenir une infrastructure à part entière, et ThinkRail est peut-être sa brique la plus visible à ce jour.
L'essentiel
- Un worktree par agent : chaque chat = un git worktree isolé (branche + répertoire propres). Plusieurs agents modifient le repo sans se marcher dessus, la branche main reste intacte jusqu'au merge.
- Open-source et gratuit : licence Apache-2.0, projet incubateur de JetBrains InnovationHub, moteur = l'agent de coding open-source pi (pas Junie).
- #1 GitHub Trending le 28-29 octobre 2026 : +1 068 stars/jour, ~5 280 au total, 271 forks, 604 commits (mesures GitNova).
- Spec-driven : specs SPEC.md reliées en graphe, on lance un agent depuis une spec.
- Extensible : serveurs MCP + Agent Skills portables, app desktop ou UI navigateur via la CLI thinkrail. PR via gh CLI, sans token stocké.
Outils recommandés
| Outil | Usage principal | Prix (octobre 2026) | Idéal pour |
|---|---|---|---|
| ThinkRail | IDE agentic multi-worktrees | Gratuit (Apache-2.0) | Faire travailler plusieurs agents sur un même repo |
| Git worktree | Isolation native des branches | Gratuit | Comprendre la mécanique sous le capot |
| GitHub CLI | Ouvrir des PR sans token stocké | Gratuit | Le flux Open PR de ThinkRail |
| Hostinger | VPS pour agents qui tournent 24/7 | dès ~5 €/mois (vérifiez sur hostinger.com) | Déléguer les tâches longues à une machine dédiée |
Trois agents, un repo : le problème que personne ne voulait nommer
Le goulot d'étranglement du développement agentique en 2026, ce n'est plus le modèle : c'est la working copy. On a des modèles qui codent comme des seniors — Claude Opus 4.7 (Adaptive), GPT-5.5, Gemini 3 Pro Deep Think — mais ils se disputent tous le même répertoire.
Faites l'essai : lancez trois agents sur trois features. Vingt minutes plus tard, git status ressemble à un champ de ruines. L'agent A a refactoré un fichier que l'agent B était en train de modifier. L'agent C a lancé les tests sur un état incohérent du code. Vous passez votre temps à stasher, revert, arbitrer.
Le problème n'est pas la compétence des agents. C'est une hypothèse héritée des années 2000 : un repo = un checkout = une personne. Cette équation était vraie pour des humains. Elle est fausse pour des agents, qui ne se plaignent pas de travailler à six sur le même dossier — ils le cassent, silencieusement.
JetBrains n'a pas inventé git worktree. Mais c'est la première grande maison qui en fait la brique fondamentale d'un IDE, et pas une commande que les barbus sortent une fois par an.
« Agents deserve worktrees, not your working tree »
La réponse de ThinkRail tient en une règle : une session d'agent = un worktree = une branche. Chaque nouveau chat crée automatiquement son propre répertoire de travail, avec sa branche dédiée, sous ~/.thinkrail/worktrees. Vous ne touchez à la working copy principale que pour merger.
Pour ceux qui n'ont jamais manipulé la fonctionnalité : git worktree permet de créer plusieurs checkouts d'un même dépôt, chacun sur sa branche, partageant le même .git. Concrètement :
git worktree add ../feature-login -b feature/login
Un répertoire feature-login apparaît, branché sur feature/login, pendant que votre répertoire principal reste sur main. ThinkRail automatise toute cette danse : chaque session d'agent obtient son worktree, son environnement, ses dépendances. Zéro conflit de fichiers, zéro stash, zéro « attends, je revert ce que l'autre agent a fait ».
Une workspace Default, des worktrees externes
L'architecture documentée du projet est limpide : une workspace Default par projet, plus des worktrees externes que vous pouvez attacher. La Default reste sur votre branche principale ; tout le travail d'agent se fait ailleurs, puis revient par merge après review.
C'est le workflow pensé par l'équipe depuis la présentation du projet le 19 août 2026 par Maciej Gorywoda : chaque session sur une branche séparée, mergée après review. L'isolation n'est pas un gadget, c'est le contrat. L'agent travaille, vous relisez le diff, vous mergez. Exactement comme avec un collaborateur humain — sauf que celui-ci ne se fatigue jamais.
Sous le capot : pi, Monaco et zéro token stocké
ThinkRail n'est pas Junie déguisé : son moteur est pi, un agent de coding open-source. C'est un point que les sources spécialisées comme Fresh Weights soulignent : l'IDE est bâti sur l'éditeur Monaco (celui de VS Code) avec pi comme moteur d'agent. Junie, l'agent propriétaire de JetBrains, n'a rien à voir ici.
Ce choix n'est pas anodin. Un moteur open-source signifie que la boucle agent-outils-modèles est auditable, scriptable, remplaçable. Vous pouvez brancher les modèles frontière du moment — Claude Opus 4.7 (Adaptive) pour les refactors lourds, GPT-5.3 Codex pour le code pur, Gemini 3.1 Pro pour l'analyse — ou des modèles self-host comme GLM-5 (Reasoning) ou Kimi K2.6 si votre code ne doit pas quitter votre infrastructure.
Deuxième choix fort : les PR sans token stocké. Quand vous cliquez « Open PR », ThinkRail pousse la branche et ouvre la pull request via le gh CLI de l'utilisateur. Pas de token OAuth rangé dans un coin, pas d'appel à une API REST de forge. Vos identifiants, votre machine, votre responsabilité.
Troisième point à connaître : ThinkRail est un projet incubateur. Dépendance externe à pi, historique jeune, API susceptible de bouger. Rien d'inquiétant pour un outil à ce rythme, mais ne migrez pas votre pipeline de prod dessus demain matin.
Le graphe de specs : vos SPEC.md deviennent une carte vivante du projet
Le deuxième pilier de ThinkRail, c'est le développement spec-driven : chaque tâche part d'une spec, et les specs sont reliées en graphe. Pas de prompt volatil perdu dans un historique de chat — un fichier SPEC.md, versionné, relié aux autres specs du projet.
Pourquoi c'est important ? Parce que le contexte d'un agent est sa ressource la plus rare. Un graphe de specs donne à l'agent une carte : cette spec dépend de celle-là, ce module implémente ce contrat. On lance un agent depuis une spec, il travaille dans son worktree, et la spec sert de critère de recette au moment de la review.
C'est aussi un gain de mémoire collective. Un nouveau dev — ou un nouvel agent — lit le graphe et comprend l'architecture en une heure. Les prompts jetables ne survivent pas à la semaine ; un graphe de specs, si.
Mon avis : c'est la fonctionnalité la plus sous-cotée du projet. Tout le monde parle des worktrees — à juste titre — mais le graphe de specs est ce qui rend le parallélisme gouvernable. Sans spec, trois agents parallèles = trois interprétations divergentes du besoin. Avec un graphe, trois agents = trois branches d'un même plan.
MCP et Agent Skills : l'extensibilité en première classe
ThinkRail supporte les serveurs MCP et des Agent Skills portables, et c'est ce qui le relie à la plus grosse tendance GitHub de l'automne. Les skills — ces paquets de capacités que les agents chargent à la demande — envahissent les tendances, comme je le détaillais dans Les skills envahissent GitHub Trending : obra Superpowers et Matt Pocock Skills.
La logique est la même partout : les capacités des agents deviennent des artefacts versionnables, partageables, auditables. Un skill portable écrit pour un agent fonctionne pour un autre. Dans ThinkRail, vos skills suivent vos sessions dans leurs worktrees — l'agent qui teste une API dans son coin a accès au même skill HTTP que celui qui rédige la doc.
C'est aussi le sens de l'histoire côté open-source : GenericAgent, l'agent IA open-source qui construit son propre arbre de compétences, avait montré la voie avec ses 6 700 étoiles en une semaine. ThinkRail applique la même philosophie depuis un IDE : l'intelligence du modèle est fixe, les capacités sont composables.
Concrètement, pour un dev : vos serveurs MCP (base de données, navigateur, ticketing) se déclarent une fois, et chaque worktree en hérite. Vous ne reconfigurez pas l'environnement de chaque agent à chaque session. Ça paraît évident. Aucun IDE ne le faisait proprement avant.
Les chiffres : +1 068 stars en une journée, et la courbe ne s'essouffle pas
Le 29 octobre 2026 à 4h58 UTC, ThinkRail comptait 5 280 stars, 271 forks et 604 commits, avec un rythme 4,1 fois supérieur à la semaine précédente (mesures GitNova). Le repo a terminé la journée #1 de GitHub Trending avec +1 068 stars en 24h.
La trajectoire vaut le détour :
- 19 août 2026 : présentation officielle par Maciej Gorywoda sur le blog ThinkRail.
- 25 octobre : premier passage en page d'accueil Hacker News (169 points), le repo passe ~4 600 stars (Fresh Weights).
- 28-29 octobre : seconde vague HN à 242 points, #1 GitHub Trending du jour, +1 068 stars, couverture sur ai-daily.dev.
Deux vagues en cinq jours, la seconde plus forte que la première : ce n'est pas le profil d'un pic de lancement, c'est celui d'une adoption qui se propage par bouche-à-oreille technique. Les discussions HN tournent autour du même étonnement : « pourquoi personne n'avait fait ça avant ? »
Ma lecture : les worktrees sont l'idée que tout le monde avait en tête depuis six mois, mais que personne n'avait osé placer au centre d'un produit. JetBrains, via son incubateur, n'a rien à perdre — et ça se voit dans l'audace du design.
ThinkRail face aux autres IDE agents : la bataille du parallélisme
Ce qui distingue ThinkRail n'est pas la qualité de l'agent, c'est la gestion du parallélisme. La plupart des IDE agents ont ajouté le multi-agents en option ; ThinkRail est pensé depuis le multi-agents.
| Solution | Parallélisme | Isolation du code | Prix (octobre 2026) |
|---|---|---|---|
| ThinkRail | Natif, un worktree par session | Branche + répertoire par agent, main protégée | Gratuit (Apache-2.0) |
| Claude Code + git worktree manuel | Possible, mais à votre charge | Bonne si vous disciplinez vos agents | Abonnement Claude, dès 20 $/mois (vérifiez sur anthropic.com) |
| Junie (JetBrains) | Mono-session par défaut | Working copy partagée | Inclus dans les abonnements JetBrains AI (vérifiez sur jetbrains.com) |
| Cursor | Agents en arrière-plan | Variable selon les tâches | ~20 $/mois (vérifiez sur cursor.com) |
Je le dis clairement : rien n'empêche de répliquer ce workflow avec Claude Code et trois commandes git worktree. Les barbus le font déjà. Mais il y a une différence entre possible et par défaut. Tant qu'une bonne pratique exige de la discipline manuelle, elle reste minoritaire. Le jour où elle est intégrée à l'outil, elle devient la norme.
Pour comparer plus largement les IDE agents du moment, notre sélection des meilleurs outils IA pour le code (Cursor, Copilot, Cline) est mise à jour en continu.
Passer à l'échelle : des agents qui travaillent pendant que vous dormez
L'étape suivante, une fois le parallélisme maîtrisé, c'est l'asynchronie. Je raconte dans Mon agent IA travaille pendant que je dors — et ça change tout ce que devient une journée de dev quand les tâches longues partent la nuit. ThinkRail s'insère exactement dans ce schéma : trois sessions lancées le soir, trois worktrees, trois branches — et le matin, il ne reste que la review.
Pour un setup 24/7 complet à budget maîtrisé, j'ai détaillé comment créer un agent IA qui travaille 24/7 pour 29 €/mois — un VPS Hostinger suffit largement pour héberger l'environnement d'exécution des agents, l'IDE restant sur votre machine.
Démarrer avec ThinkRail en dix minutes
Le parcours de démarrage tient en six étapes, et il ne demande aucune expertise git worktree préalable.
- Récupérez le projet sur GitHub et lancez l'app desktop — ou la CLI
thinkrailsi vous préférez l'UI dans le navigateur. - Ouvrez un projet : une workspace Default est créée, alignée sur votre working copy habituelle.
- Créez une session par tâche : ThinkRail génère automatiquement le worktree et la branche correspondants.
- Écrivez vos SPEC.md et reliez-les en graphe. Une spec = une intention testable.
- Lancez plusieurs agents en parallèle sur des specs différentes, et surveillez les diffs depuis l'IDE.
- Reviewez, mergez, ouvrez la PR — le push et la pull request passent par votre
ghCLI, sans token stocké.
Côté modèles, mon setup conseillé pour commencer : Claude Sonnet 4.6 pour les tâches routinières (rapide, économique), Claude Opus 4.7 (Adaptive) ou GPT-5.5 pour les refactors transverses, et GPT-5.3 Codex si vous vivez dans le terminal. Les trois tournent en parallèle sans se voir — c'est justement le but.
❌ Erreurs courantes
Erreur 1 : confondre worktree et clone complet
Un worktree n'est pas un clone : il partage l'object store du .git parent. Le coût disque reste faible, mais les branches et les refs sont communes. Si vous supprimez un worktree à la main, vous pouvez laisser des refs orphelines. Lisez l'architecture.md du projet avant de bricoler en dehors de l'outil.
Erreur 2 : utiliser la workspace Default comme terrain de jeu
La workspace Default existe pour représenter votre branche principale. Si vous y laissez un agent expérimenter, vous recréez exactement le problème que ThinkRail résout. Règle simple : tout travail d'agent part dans un worktree dédié, la Default reste propre.
Erreur 3 : merger sans relire parce que « c'est un agent »
L'isolation par worktree protège vos fichiers, pas votre jugement. Un agent peut produire un code impeccable dans son worktree et implémenter la mauvaise spec. Le workflow de JetBrains est explicite : review puis merge. La spec sert de contrat de recette — utilisez-la.
Erreur 4 : croire que ThinkRail est Junie en open-source
Non. Moteur différent (pi, pas Junie), philosophie différente (isolation systématique vs assistance dans l'éditeur), licence différente (Apache-2.0). Et gardez en tête que le projet est un incubateur JetBrains : la roadmap peut évoluer vite, dans les deux sens.
❓ Questions fréquentes
ThinkRail est-il vraiment gratuit ?
Oui. Le code est sous licence Apache-2.0, l'app desktop et la CLI thinkrail sont gratuites. Vous ne payez que la consommation de vos agents : les appels aux modèles (Claude Opus 4.7, GPT-5.5, etc.) ou l'hébergement d'un modèle self-host comme GLM-5 ou Kimi K2.6 sur votre propre infrastructure.
Quelle est la différence avec Junie ?
Junie est l'agent propriétaire de JetBrains intégré aux IDE. ThinkRail est un projet distinct de l'InnovationHub : il repose sur le moteur open-source pi et fait de l'isolation par worktree sa règle fondamentale, là où Junie assiste l'utilisateur dans son éditeur. Deux produits, deux usages, deux philosophies.
Quels modèles puis-je brancher ?
Les principaux fournisseurs sont supportés via pi : Claude Opus 4.7 (Adaptive) et Sonnet 4.6 pour le code, GPT-5.5 et GPT-5.3 Codex, Gemini 3 Pro Deep Think, ou des modèles self-host comme GLM-5 (Reasoning) et Kimi K2.6 si votre code ne doit pas sortir de votre infra.
Combien d'agents peut-on faire tourner en parallèle ?
La limite est votre machine, pas le logiciel. Les worktrees partagent le même .git, donc le coût disque reste faible ; ce sont le CPU, la RAM et les tokens qui plafonnent. Sur un laptop de 32 Go, trois à cinq sessions tournent sans friction selon les retours d'utilisateurs.
Faut-il maîtriser git worktree pour l'utiliser ?
Non pour démarrer : ThinkRail crée et nettoie les worktrees pour vous. Oui pour durer : comprendre la mécanique — un .git, plusieurs checkouts, une branche par répertoire — vous évitera les mauvaises surprises au merge et vous rendra redoutable en CLI aussi.
✅ Conclusion
ThinkRail ne réinvente ni l'agent ni le modèle : il réinvente l'endroit où l'agent travaille — et c'est peut-être la vraie frontière de 2026. Starnez le repo GitHub, lisez le post de présentation, puis lancez deux agents en parallèle sur votre plus gros repo : vous ne reviendrez pas en arrière.