Honnêtement, j’en ai eu marre de payer mon abonnement GitHub Copilot. Surtout quand on voit la vitesse à laquelle les modèles open-source ont progressé récemment. Après des mois à tester quasiment tout ce qui sort sur Ollama (et à faire souffler les ventilateurs de mon PC de bureau), j’ai enfin trouvé le setup local parfait qui tient la route pour du dev quotidien.
Voici un retour d’expérience complet sur les meilleurs modèles Ollama du moment pour coder, classés selon votre matériel et vos besoins, avec mon guide pour tout configurer directement dans VS Code.
Le “Grand Test” : Quels modèles choisir ?
Pour s’y retrouver, il faut diviser les besoins en deux catégories : l’autocomplétion ultra-rapide (ce qu’on appelle le ghost text qui s’affiche en gris quand on tape) et le refactoring/raisonnement complexe (quand on demande à l’IA d’expliquer, réécrire ou déboguer un fichier entier).
1. Les monstres du raisonnement et du dev agentique (VRAM 24 Go+)
Si vous avez une machine de guerre (genre RTX 3090/4090 ou un Mac avec 32 Go de RAM unifiée ou plus), vous pouvez faire tourner les modèles qui réfléchissent vraiment.
- qwen3-coder:30b (Le Roi de l’Agentic) : C’est le boss absolu actuellement. Ce modèle Mixture-of-Experts (MoE) n’active que 3,3 Go de paramètres par token sur ses 30 Go totaux, ce qui le rend super rapide pour sa taille. Il gère une fenêtre de contexte énorme de 256k tokens. Il est entraîné par renforcement spécifiquement sur des correctifs Git, donc pour utiliser des agents autonomes (type Aider ou Continue), il ne loupe jamais ses appels d’outils (tool calling) et ne casse pas sa boucle de réflexion.
- Qwen2.5-Coder-32B (ou 30B) : L’ancien standard de l’industrie, qui reste une brute pour la correction de code sur plus de 40 langages.
- Codestral (22B) : Le modèle spécialisé de Mistral AI. Je l’adore pour bosser sur de gros dépôts de code grâce à sa gestion native des contextes longs.
- gpt-oss:20b : Si vous faites du dev agentique local, ce modèle est un choix ultra-fiable. Sa force ? Il sort du JSON ou du XML parfaitement structuré, ce qui évite de faire planter vos scripts locaux quand l’agent boucle sur des commandes CLI.
2. Le juste milieu pour configurations moyennes (12 Go – 16 Go VRAM)
Si vous n’avez pas une carte graphique professionnelle mais que vous voulez quand même un bon niveau d’intelligence :
- deepseek-coder-v2:16b : Un modèle MoE ultra-efficace. C’est sans doute le meilleur compromis actuel pour de la complétion intelligente et rapide au milieu du code (FIM – Fill-in-the-Middle).
- gemma4:26b : Ce nouveau modèle MoE de Google est une excellente surprise pour les machines moyennes. Il consomme peu de mémoire active tout en étant ultra-rapide. Il se débrouille super bien sur le front-end et l’UI/UX.
3. Pour les PC portables et budgets serrés (8 Go VRAM / 8 Go – 16 Go RAM)
- qwen2.5-coder:7b : Une véritable pépite. Il surclasse des modèles qui font deux fois sa taille. Idéal pour coder sur un MacBook Air ou un PC portable classique sans vider la batterie en 10 minutes.
4. Pour l’autocomplétion instantanée (latence sub-seconde)
Ici, on cherche la vitesse pure. Il faut que le modèle prédise la ligne suivante en quelques millisecondes.
- qwen2.5-coder:1.5b : Bluffant de rapidité. Il ne consomme presque rien et tape le code à votre place à la vitesse de l’éclair.
- codegemma:2b : Le modèle léger de Google, spécialement taillé pour la complétion inline.
Parlons chiffres : Les benchmarks réels (et le piège de la contamination)
Ne vous faites pas avoir par les scores de 100 % sur HumanEval. Beaucoup de vieux modèles ont simplement “appris par cœur” ces tests (contamination des données d’entraînement). Si vous codez sur des frameworks modernes (Next.js 15+ ou Tailwind v4), ils vont halluciner complètement.
Voici les vrais chiffres de mon côté, basés sur des tests plus fiables comme LiveCodeBench (problèmes récents) et SWE-bench (résolution de bugs réels sur GitHub) :
| Modèle Ollama | HumanEval | LiveCodeBench (Pass@1) | SWE-bench Verified (Agent) | Son point fort |
|---|---|---|---|---|
| qwen3-coder:30b | 94.2% | 58.6% | 42.1% | Le meilleur en raisonnement local et agents. |
| qwen2.5-coder:32b | 92.7% | 51.4% | 34.6% | Standard robuste multi-langages. |
| gpt-oss:20b | 89.1% | 46.5% | 31.2% | Formatage JSON/XML parfait pour les outils. |
| devstral-small-2 | 88.4% | 44.1% | 29.8% | Logique mathématique et faible empreinte. |
| qwen2.5-coder:7b | 88.4% | 41.2% | 21.0% | Excellent rapport puissance/taille pour laptop. |
| gemma4:26b | 86.0% | 43.8% | 28.5% | Top pour le CSS/Front-end. |
| deepseek-coder-v2:16b | 81.2% | 38.9% | 18.2% | Superbe récupération de contexte (FIM). |
Mon Setup étape par étape dans VS Code (Continue + Ollama)
Pour faire fonctionner tout ça, j’utilise l’extension Continue dans VS Code. Elle permet de séparer le modèle d’autocomplétion (léger et ultra-rapide) et le modèle de chat/refactoring (plus lourd et intelligent).
Voici exactement comment j’ai configuré mon environnement :
Étape 1 : Installer l’extension
Cherchez Continue dans les extensions VS Code (ou Llama Coder si vous voulez uniquement un clone basique de Copilot sans la partie chat).
Étape 2 : Télécharger les modèles locaux
Ouvrez votre terminal et lancez ces deux commandes :
# Pour l'autocomplétion ultra-rapide en tâche de fond
ollama run qwen2.5-coder:1.5b
# Pour le refactoring et les questions complexes (remplacez 7b par 32b ou qwen3-coder:30b si vous avez plus de 16 Go de VRAM)
ollama run qwen2.5-coder:7bÉtape 3 : Configurer l’extension dans VS Code
Cliquez sur la roue crantée en bas du panneau de Continue pour ouvrir le fichier config.json. Remplacez le contenu par ceci :
{
"models": [
{
"title": "Qwen 2.5 Coder 7B (Refactor)",
"provider": "ollama",
"model": "qwen2.5-coder:7b"
}
],
"tabAutocompleteModel": {
"title": "Qwen 2.5 Coder 1.5B (Autocomplete)",
"provider": "ollama",
"model": "qwen2.5-coder:1.5b"
}
}Étape 4 : Comment je l’utilise au quotidien
- L’autocomplétion (Ghost Text) : Vous tapez votre code normalement, le modèle
1.5bvous suggère la suite en gris. Appuyez surTabpour accepter. C’est instantané. - Refactoriser du code spécifique : Surlignez une fonction, faites
Ctrl+I(ouCmd+Isur Mac), et tapez par exemple : “Convertis cette boucle en .map() et gère les erreurs”. - Le chat latéral : Faites
Ctrl+L(ouCmd+L) pour envoyer votre sélection dans le chat de gauche pour lui demander de t’expliquer un bug complexe ou d’écrire des tests unitaires.
Et pour les modèles géants ? L’alternative Ollama Cloud
Si vous devez travailler sur l’architecture complète d’un énorme projet ou sur des bases de code massives avec des agents autonomes, le matériel local montre parfois ses limites (mon GPU a failli pleurer plus d’une fois).
Pour ça, j’utilise parfois les modèles d’Ollama Cloud pour déporter les calculs sur des serveurs distants tout en gardant exactement la même interface locale.
Les meilleurs modèles Cloud du moment :
- Tier 1 (Frontier) :
qwen3-coder:480b(une bête absolue impossible à faire tourner chez soi),minimax-m3(avec sa fenêtre de contexte hallucinante de 1 million de tokens) ou encoredeepseek-v4-pro. - Tier 2 (Agents) :
glm-5.2oukimi-k2.7-code, parfaits pour les tâches de longue haleine sur des projets entiers. - Tier 3 (Vitesse) :
deepseek-v4-flashpour avoir du raisonnement logique poussé sans aucune latence.
Pour intégrer un modèle cloud, c’est super simple, pas besoin de changer d’extension. Il suffit d’adapter votre fichier config.json dans VS Code pour rediriger l’appel :
{
"models": [
{
"title": "Ollama Cloud Qwen 3",
"provider": "ollama",
"model": "qwen3-coder:480b"
}
]
}Au final, j’utilise ce setup hybride (local pour 90 % de mes tâches d’autocomplétion et de petits refactos, et cloud pour les gros chantiers d’architecture). C’est gratuit pour la partie locale, ultra-rapide, respectueux de la vie privée (votre code ne part pas sur des serveurs tiers sans votre accord), et franchement, je ne regrette pas du tout mon ancien abonnement payant.
Si vous avez des questions sur la configuration ou des soucis de latence sur vos machines, n’hésitez pas !