Ton copilote de code,
100 % local

L'autocomplétion (« fill-in-the-middle ») n'utilise pas les mêmes tokens selon le modèle. Te tromper = des suggestions absurdes, en silence. Le guide te donne les bons, octet par octet :

• Qwen2.5 / Qwen3-Coder → pipe ASCII : <|fim_prefix|> <|fim_suffix|> <|fim_middle|> (variante -base)

• DeepSeek-Coder-V2 → caractères pleine largeur (｜ U+FF5C + ▁ U+2581), jamais à normaliser en ASCII sous peine de tout casser.

# Modelfile.qwen-chat-7b — ollama create moncopilote -f Modelfile.qwen-chat-7b
FROM qwen2.5-coder:7b

SYSTEM """Tu es un ingénieur logiciel senior qui assiste sur le repo « monprojet ».
Réponds en français, direct et concret. Cite le code en blocs balisés.
Si tu n'es pas sûr d'un détail du repo, dis-le au lieu d'inventer.
Privilégie la solution la plus simple qui marche."""

PARAMETER num_ctx 8192
PARAMETER temperature 0.2
PARAMETER top_p 0.9
PARAMETER repeat_penalty 1.05

Le pack contient 8 Modelfiles comme celui-ci (chat, édition, FIM 7B/3B, Devstral agent…), déjà réglés.

Beaucoup font tourner leur modèle sur le CPU sans le savoir (lent à pleurer). Une commande tranche :

$ ollama ps
NAME                 PROCESSOR
qwen2.5-coder:7b     100% GPU   # <- doit dire 100% GPU, pas CPU

num_ctx : 8192 (chat/agent, 16 Go) · 2048 (FIM) — température code ~0.1-0.2. Le guide explique pourquoi et comment ajuster à ta carte.

Tous les modèles « open » ne sont pas utilisables en entreprise. Le guide trie :

OK commercial — Qwen2.5-Coder 7/14/32B, Devstral, DeepSeek-Coder (Apache 2.0 / MIT).

À éviter au travail — Codestral (Mistral Non-Production), Qwen2.5-Coder 3B (licence Research).

La plupart des galères de débutant tiennent à 2 causes : le contexte (num_ctx) et le GPU. Le guide a le diagnostic + le fix pour chacune :

La VRAM annoncée sur la boîte n'est jamais la VRAM libre au moment où Ollama démarre — ton navigateur, ton bureau, Docker en arrière-plan en grignotent une partie. Le guide te donne la méthode en 10 minutes : nvidia-smi avant de lancer quoi que ce soit, puis ollama run --verbose pour lire ton débit réel en tokens/seconde.

# exemple de format, PAS un résultat mesuré — lance la commande toi-même
$ ollama run qwen2.5-coder:7b --verbose
...
eval count:           187 token(s)
eval duration:        7.9s
eval rate:            23.7 tokens/s   # <- ton chiffre à toi, pas celui-ci

Le guide traduit ensuite ce chiffre en budget de latence FIM tenable (cf. ch.9) — et te dit quand refaire la mesure (update driver, nouveau modèle, nouveau contexte matériel).

Un hook .git/hooks/pre-commit qui relit ton diff staged avec un petit modèle Ollama (edit 7B, pas ton gros modèle agentic) et cherche 3 choses précises : une clé API oubliée, un TODO laissé dans le diff, une incohérence évidente (test désactivé, print de debug). S'il trouve un problème, il bloque le commit. Sinon il te laisse passer, en quelques secondes.

$ git commit -m "ajout endpoint /users"

⚠️  Revue pre-commit (Ollama / qwen-edit-7b) — PROBLÈME DÉTECTÉ

  - Clé API en clair détectée : app.py, ligne ajoutée contient
    STRIPE_SECRET_KEY = "sk_live_51H..." (ressemble à une clé Stripe live)
  - TODO non résolu ajouté : app.py "# TODO: valider l'email avant insert"

Commit refusé. Corrige, ou force avec :
  git commit --no-verify -m "..."

Fail-open par design : si Ollama ne répond pas dans le délai, le commit passe quand même avec un avertissement — jamais de blocage muet. Script fourni dans le pack, prêt à coller.

Un modèle local est structurellement moins capable qu'un modèle cloud : un prompt vague qui passe très bien sur GPT ou Claude se traduit en local par un fichier réécrit en trop, ou une complétion qui part en vrille. Le guide donne 44 gabarits disciplinés — contexte, tâche précise, périmètre, format de sortie. Deux extraits :

# Fix de bug (mode Act, Cline ou Aider)
Le test test_create_user échoue avec l'erreur ci-dessous.
Lis routes/users.py et le fichier de test correspondant, identifie la
cause racine, propose UN correctif minimal. Ne touche à aucun autre
fichier que ceux nécessaires à ce fix. Montre le diff avant de l'appliquer.

# Refactor / extraction de fonction
Extrais la logique de validation des entrées de la route POST /users
dans une fonction validate_user_payload() séparée, et ajoute un test.
Ne touche à aucun autre fichier.

Le réflexe « ne touche à aucun autre fichier » revient dans presque tous les prompts d'édition — c'est le garde-fou n°1 contre un modèle local qui part « améliorer » ce que tu ne lui as pas demandé.

copilote-local-assets.zip
├── Modelfile.qwen-chat-7b          # chat sur ton repo
├── Modelfile.qwen-edit-7b          # édition de code
├── Modelfile.qwen-fim-3b / -7b     # autocomplétion FIM
├── Modelfile.devstral-chat / -agent # agentic (16 Go+)
├── Modelfile.dsc-fim-lite          # DeepSeek-Coder FIM
├── .aider.conf.yml + .aider.model.settings.yml
├── config.toml                     # Tabby (autocomplétion)
├── cheat-sheet.md                  # VRAM → modèle → commande
└── CHANGELOG.md                    # l'édition vivante, datée

7 Modelfiles + les configs Aider et Tabby, déjà réglés. ollama create moncopilote -f Modelfile.qwen-chat-7b — et tu codes.

v2026.08 (édition actuelle) — 6 modules avancés ajoutés (le kit passe de 17 à 23 chapitres) : benchmarker ta machine, workflow multi-projets, RAG sur ta doc, hook pre-commit local, durcissement, bibliothèque de 44 prompts.

v2026.07 — stack re-ancrée sur Cline + Aider + Tabby/Twinny après le rachat de Continue.dev par Cursor (18/06/2026, repo passé en lecture seule) · Modelfiles Qwen2.5-Coder / Qwen3-Coder / Devstral / DeepSeek-Coder re-réglés · tokens FIM vérifiés octet par octet.

Beaucoup de tutos gratuits recommandent encore Continue. Toi, tu pars sur la stack qui a un futur — et chaque édition mensuelle t'arrive sans repayer.