Ponytail — Le code que vous n'écrivez jamais

État des lieux

Il existe des projets open source qui font parler d'eux, et puis il y a Ponytail. Créé le 12 juin 2026 par Dietrich Gebert, ce « skill » pour agents de codage affiche ~128 300 étoiles et 6 874 forks au 6 septembre — plus que Django, numéro un de GitHub Trending à l'été, et probablement l'un des dépôts à la croissance la plus rapide de l'histoire récente de la plateforme. La promesse tient en un slogan : « The best code is the code you never wrote ». Traduisez : le meilleur code est celui qu'on n'écrit pas.

Sous le capot, pas de magie. Ponytail est un ruleset d'environ 100 lignes de Markdown qui enseigne à l'agent de codage une échelle de décision à sept barreaux avant d'écrire la moindre ligne : est-ce que ça doit exister ? Existe-t-il déjà dans le code ? La bibliothèque standard le fait-elle ? Une fonctionnalité native de la plateforme ? Une dépendance déjà installée ? Une seule ligne suffit-elle ? Et seulement sinon, le minimum qui marche. Un YAGNI des années 1990 remis au goût des agents, emballé dans 6 232 lignes et 90 fichiers d'adaptateurs pour une vingtaine d'agents — Claude Code, Codex, Copilot CLI, Hermes Agent et consorts. L'ironie de ce « repo géant pour un prompt » n'a échappé à personne.

La carte des menus

Gratuit, open source, licence MIT. Pas de tarif, pas de compte, pas de serveur : vous installez, vous l'oubliez, il mouche votre agent à chaque tentative de réinventer la roue. Un site commercial (ponytail.dev) affiche un discret « Something's coming » et une liste d'attente, sans grille de prix publiée — le passage à un modèle payant est annoncé, pas daté.

Ce que la bête sait vraiment faire

Le cœur est un principe, pas un exécutable. Avant de coder, l'agent lit le code touché, trace le flux réel, puis s'arrête au premier barreau de l'échelle qui tient. Le cas d'école : un date picker que l'agent résout en installant une bibliothèque externe, alors qu'un simple <input type="date"> fait le travail depuis 2014. Ponytail tranche : 404 lignes de bloat deviennent 23 lignes de natif.

Les chiffres officiels, après une correction publique douloureuse (issue GitHub n°126), parlent de -54 % de lignes de code, -22 % de tokens, -20 % de coût, -27 % de temps, sur douze tâches réelles d'un dépôt FastAPI + React, avec un modèle Haiku 4.5 et une safety revendiquée à 100 %. Les garde-fous — validation aux frontières de confiance, gestion des pertes de données, sécurité, accessibilité — ne sont jamais sacrifiés, et c'est précisément ce qui distingue Ponytail d'un simple prompt « fais des one-liners » qui, lui, descend à 95 %.

Les commandes vont du réglage de sévérité (/ponytail lite|full|ultra|off) à l'audit de dette (/ponytail-debt), en passant par la revue et le « harvest » qui journalise les raccourcis différés pour que « plus tard » ne devienne jamais « jamais ».

Les couleuvres à avaler

Première couleuvre, la plus grosse : l'écart entre le marketing et la mesure indépendante. Le benchmark de JetBrains (80 paires de tâches, protocole apparié, 246 dollars facturés) mesure -15 % de code, -10,3 % de coût et -11 % de temps — soit 2,5 à 4 fois moins que les -54 % annoncés — et aucune différence de qualité détectable. Le chiffre de coût est statistiquement solide (p=0,004) ; celui du code est le plus fragile (p=0,088). JetBrains conclut sobrement : « Ponytail works », mais n'attendez pas les -54 % partout.

Deuxième couleuvre : l'effet est contextuel. Sur du code déjà minimal, il est proche de zéro. Sur certains modèles de raisonnement qui dépensent des tokens de pensée à délibérer sur les barreaux, il peut même aller dans l'autre sens — cas documenté sur GPT-5.5 dans le README. La réduction de coût est un effet secondaire, jamais l'objectif.

Troisième : le créateur est une ombre. Dietrich Gebert, compte GitHub sans bio ni nom réel associé, lancement HN sous pseudo « mellosouls », aucune interview identifiée. Le produit commercial en liste d'attente est porté par un acteur dont on ne sait presque rien.

Quatrième : la leçon d'humilité. Ponytail a d'abord annoncé « 80 à 94 % de code en moins » avant qu'un CTO de Scott Logic ne pointe une baseline biaisée. Le projet a corrigé, révisé, publié un framework de tests. C'est à la fois une faute et une rareté : la plupart des skills agents prolifèrent sans aucune évaluation.

Verdict

Ponytail est le skill « token saver » le plus étoilé de GitHub, et le premier de la série JetBrains avec un signal de réduction de coût statistiquement solide. C'est un principe simple, correctement distribué, qui vous épargne le bloat des agents. Mais c'est aussi un symptôme : un marché où l'on met 128 000 étoiles sur un YAGNI reformulé, faute de standard d'évaluation. À installer sans hésiter sur vos agents de code — et à ne pas croire sur parole pour le reste.

★★★★☆