Vous voulez une configuration qui privilégie le local avec un repli cloud, sans gérer les clés de chaque fournisseur ? haimaker route les tâches simples de vos agents de codage vers votre modèle local et transfère les tâches difficiles vers les modèles cloud via un seul endpoint.
ROUTEZ LES MODÈLES LOCAUX ET CLOUD AVEC HAIMAKER
## Meilleur choix global : Qwen3 Coder
Qwen3 Coder est le premier modèle que je testerais pour toute configuration d'agent de codage local.
Téléchargez-le :
```bash
ollama pull qwen3-coder:30b
```
Faites une vérification rapide :
```bash
ollama run qwen3-coder:30b "Explain this repo structure and suggest where tests should live."
```
Pourquoi il arrive en tête :
- Il est explicitement optimisé pour le codage et les flux de travail des agents.
- La page Ollama mentionne la prise en charge de `ollama launch` pour Claude Code, Codex, OpenCode et OpenClaw.
- La variante 30B est bien plus réaliste en local que la variante 480B.
- La prise en charge du long contexte le rend plus adapté au travail sur dépôt que les anciens modèles de code locaux.
Utilisez-le pour la revue de code, la génération de tests, les refactorings de taille moyenne et les sessions d'agent locales où la confidentialité compte.
## Meilleur choix léger : Gemma 4
Gemma 4 est la famille de modèles à essayer quand Qwen3 Coder est trop lourd. Les variantes plus petites de Gemma 4 sont conçues pour une utilisation locale et sur appareil, tandis que la variante 26B MoE offre une option plus puissante pour une station de travail sans activer tous les paramètres à chaque token.
Téléchargez la version adaptée aux ordinateurs portables :
```bash
ollama pull gemma4:e4b
```
Téléchargez la version plus puissante pour une station de travail :
```bash
ollama pull gemma4:26b
```
Gemma 4 est un bon choix pour les agents de codage quand vous voulez une aide locale rapide pour les explications, les petites modifications et le code privé. Elle est moins pertinente pour les longues sessions autonomes où l'agent doit garder en tête un plan de migration complet.
## Dernières arrivées : Kimi K2.7 Code et Laguna XS 2.1
Deux modèles orientés codage sont arrivés dans la bibliothèque Ollama cet été et méritent d'être suivis.
**Kimi K2.7 Code** est la version optimisée pour le codage de Moonshot, basée sur la lignée K2.6 — la même famille dont la version K3 a surpassé les modèles fermés de pointe sur les classements Arena. Il exige du matériel haut de gamme (comptez 48 Go ou plus de VRAM, ou un Mac doté d'une grande quantité de mémoire), mais si vous en disposez, c'est la lignée de modèles de code ouverts la plus puissante que l'on puisse exécuter en local aujourd'hui.
```bash
ollama pull kimi-k2.7-code
```
**Laguna XS 2.1** est le MoE de codage par agents de Poolside — 33B paramètres au total avec seulement 3B actifs par token, il est donc bien plus léger à exécuter que sa taille ne le laisse penser. Il est conçu spécifiquement pour la boucle d'appels d'outils au cœur des agents de codage.
Si vous utilisiez DeepSeek Coder V2 avec une ancienne version de ce guide, abandonnez-le : il a deux générations de retard sur les options actuelles et a complètement disparu des classements communautaires.
## Où utiliser ces modèles
- **[haimaker.ai](https://haimaker.ai)** : utilisez les modèles Ollama locaux avec des modèles cloud plus puissants, puis routez les tâches simples de vos agents de codage en local et les tâches difficiles vers les modèles payants.
- **OpenClaw** : utilisez Ollama comme fournisseur local pour les sessions d'agent de codage. Voir le [guide des modèles locaux pour OpenClaw](/fr-fr/blog/meilleurs-modeles-locaux-pour-openclaw/).
- **OpenCode** : ajoutez Ollama via le fournisseur compatible OpenAI. Voir [Ollama avec OpenCode](/fr-fr/blog/utiliser-ollama-avec-opencode/).
- **Codex et Claude Code** : les pages des modèles Ollama incluent des exemples de `ollama launch` pour les environnements d'exécution d'agents, notamment Codex et Claude Code.
## Configuration pour les agents compatibles OpenAI
La plupart des agents de codage peuvent utiliser Ollama via son endpoint local compatible OpenAI :
```text
http://localhost:11434/v1
```
Utilisez une clé API factice si votre outil en exige une. Ollama ne la valide pas en local.
```json
{
"baseURL": "http://localhost:11434/v1",
"apiKey": "ollama",
"model": "qwen3-coder:30b"
}
```
Pour OpenCode, le bloc fournisseur ressemble à ceci :
```jsonc
{
"$schema": "https://opencode.ai/config.json",
"provider": {
"ollama": {
"npm": "@ai-sdk/openai-compatible",
"name": "Ollama (local)",
"options": {
"baseURL": "http://localhost:11434/v1"
},
"models": {
"qwen3-coder:30b": {
"name": "Qwen3 Coder 30B"
}
}
}
}
}
```
Si les appels d'outils ne sont pas fiables, réduisez d'abord la taille du modèle, puis n'augmentez le contexte que dans la limite de ce que votre matériel peut gérer. Une fenêtre de contexte géante qui sature la mémoire est pire qu'une fenêtre plus petite qui reste réactive.
## Quand ne pas utiliser Ollama
Les modèles locaux sont préférables lorsque la confidentialité, le coût ou le travail hors ligne comptent. Ils ne sont pas automatiquement meilleurs pour toutes les tâches de codage.
Utilisez un modèle cloud dans les cas suivants :
- La tâche couvre de nombreux fichiers
- Le bug est subtil
- Vous avez besoin d'appels d'outils fiables
- Le correctif touchera des systèmes en production
- Vous n'avez pas le temps de revoir chaque ligne générée
La configuration pratique consiste à privilégier le local sans s'y limiter. Utilisez Qwen3 Coder ou Gemma 4 pour le travail privé à faible coût, puis basculez vers un modèle cloud plus puissant quand la tâche devient coûteuse en attention plutôt qu'en tokens.