---
title: 'Utiliser Ollama avec OpenCode : guide de configuration des modèles locaux'
description: >-
  Connectez OpenCode à Ollama pour exécuter un agent de code en local. Inclut
  des exemples de configuration, une sélection de modèles, des notes de
  performance et des solutions aux problèmes courants des modèles locaux.
date: 2026-04-27T00:00:00.000Z
location: 'San Francisco, CA – 27 avril 2026'
image: /images/ollama-opencode-setup-hero.jpg
keywords: >-
  ollama opencode, opencode ollama, opencode modèle local, opencode llm local,
  utiliser ollama avec opencode
faq:
  - question: OpenCode peut-il utiliser Ollama ?
    answer: >-
      Oui. OpenCode peut utiliser Ollama via son endpoint local compatible
      OpenAI à http://localhost:11434/v1.. Ajoutez Ollama comme fournisseur,
      utilisez une clé API fictive et définissez le nom du modèle exactement tel
      qu'il apparaît dans 'ollama list'.
  - question: Quel modèle local dois-je utiliser avec OpenCode ?
    answer: >-
      Commencez par Gemma 4 ou Qwen3.5 si vous disposez de 16 à 32 Go de
      mémoire. Les modèles plus grands peuvent donner de meilleurs résultats,
      mais ils ralentissent vite dès que les sessions de codage sollicitent
      intensivement les outils.
  - question: OpenCode avec Ollama est-il suffisant pour du vrai codage ?
    answer: >-
      C'est adapté aux explications, aux petites modifications, à la génération
      de boilerplate et à la revue de code privée. C'est nettement moins
      performant pour les longues refactorisations multi-fichiers, où une
      solution de repli cloud reste utile.
locale: fr-fr
translationKey: ollama-opencode-setup
---
OpenCode avec Ollama, c'est la configuration que l'on choisit quand on en a assez d'envoyer chaque prompt à une API cloud. Ça fonctionne. C'est aussi plus lent et plus fragile que ce que suggèrent les démonstrations.

La règle est simple : OpenCode en local est excellent pour les petites tâches, privées et répétitives. Ce n'est pas le modèle auquel confier une migration multi-fichiers un peu chaotique, à moins d'avoir envie de le surveiller en permanence.

## Installer Ollama

Sur macOS :

```bash
brew install --cask ollama-app
open -a Ollama
```

Sur Linux :

```bash
curl -fsSL https://ollama.com/install.sh | sh
```

Ensuite, récupérez un modèle :

```bash
ollama pull gemma4
```

Vérifiez qu'il est disponible :

```bash
ollama list
```

Utilisez le nom exact du modèle affiché dans le résultat de cette commande pour votre configuration OpenCode.

## Configurer OpenCode

OpenCode peut communiquer avec des fournisseurs compatibles OpenAI. Ollama expose un endpoint compatible à l'adresse :

```text
http://localhost:11434/v1
```

Ajoutez un fournisseur Ollama dans votre configuration OpenCode :

```jsonc
{
  "provider": {
    "ollama": {
      "npm": "@ai-sdk/openai-compatible",
      "options": {
        "baseURL": "http://localhost:11434/v1"
      },
      "models": {
        "gemma4:latest": {}
      }
    }
  }
}
```

Si OpenCode demande une authentification, utilisez une clé fictive :

```json
{
  "ollama": {
    "type": "api",
    "key": "ollama"
  }
}
```

Redémarrez OpenCode et basculez vers le modèle Ollama depuis le sélecteur de modèle.

## Modèles à essayer en premier

#### Gemma 4

Bon premier choix. Il gère bien les explications, les modifications simples et les petites tâches de code. Il tourne sur des machines modestes comparé aux modèles de code plus imposants.

#### Qwen3.5

Souvent meilleur pour le code, surtout si vous pouvez faire tourner une variante plus grande. Les modèles de la classe 27B sont plus utiles que les petits modèles, mais ils demandent une mémoire conséquente.

#### Llama 3.3

Bon modèle généraliste si votre matériel le permet. Moins pratique sur les portables modestes.

## Performances : à quoi s'attendre

Les discussions récentes sur les modèles locaux disent tout haut ce que tout le monde pense tout bas : les prompts peuvent fonctionner, le code peut être bon, et l'ensemble peut quand même sembler lent dès que les appels d'outils s'enchaînent.

C'est normal. Un agent de code n'est pas qu'une simple requête de chat. Il lit des fichiers, planifie, modifie, vérifie les résultats et boucle. L'inférence locale rend chaque boucle plus visible.

Pour que cela reste supportable :

- Gardez un contexte court
- Utilisez des modèles plus petits pour les modifications simples
- Gardez le modèle chargé
- Fermez les applications gourmandes en mémoire
- Utilisez une solution de repli cloud pour les refactorisations de longue durée

## Maintenir Ollama en mémoire

```bash
export OLLAMA_KEEP_ALIVE="-1"
```

Redémarrez Ollama après avoir défini ce paramètre. Cela évite les démarrages à froid répétés pendant une session de codage.

## Quand utiliser une solution de repli cloud

Utilisez OpenCode en local pour :

- Lire du code inconnu
- Préparer de petites modifications
- Générer des tests
- Expliquer des erreurs
- Travailler avec des fichiers privés

Utilisez un modèle cloud pour :

- Les refactorisations multi-fichiers
- Le débogage complexe
- Les changements d'architecture
- Tout ce que vous ne voulez pas relire ligne par ligne

La meilleure configuration n'est pas le tout-local. C'est le local en priorité.

## Configurations associées

Si c'est Gemma 4 qui vous intéresse spécifiquement, lisez [Configuration de Gemma 4 avec Ollama](/blog/gemma-4-ollama-setup-guide/). Si vous utilisez OpenClaw à la place d'OpenCode, consultez [Gemma 4 avec OpenClaw](/blog/gemma-4-ollama-openclaw-setup/).

<a href="https://app.haimaker.ai/sign-up?utm_source=openclaw_blog&utm_medium=cta&utm_campaign=ollama_opencode" class="cta-button">AJOUTEZ UN REPLI CLOUD AVEC HAIMAKER</a>