Avancé 10 minAgents

OpenHands : un agent développeur sur modèle local

OpenHands donne à un agent un terminal, un navigateur et votre dépôt, puis le laisse travailler : il planifie, modifie des fichiers, lance des commandes dans un bac à sable, lit la sortie et recommence jusqu'à ce que la tâche aboutisse ou qu'il abandonne. Le faire tourner sur un modèle local est possible, et réclame un modèle bien plus gros que ce que la plupart des gens ont. Voici où passe réellement la ligne.

Par Mohamed Meguedmi·Màj 2026-09-22·Testé sur Windows, macOS, Linux

#Ce qu'il fait, concrètement

Vous décrivez une tâche en français. Il inspecte le dépôt, se fait un plan, puis agit en boucle : lancer une commande, lire le résultat, modifier un fichier, relancer les tests, lire l'échec, corriger. Cette boucle est le produit. On est plus près d'un stagiaire avec un terminal que d'une complétion automatique.

Les conséquences suivent. Chaque itération est une génération complète sur un contexte qui grossit : une tâche en dix étapes coûte dix longs prompts. Et comme l'agent agit au lieu de suggérer, son rayon d'action est tout ce qu'il peut atteindre — ce qui explique pourquoi le bac à sable fait partie de la conception et non des réglages.

#L'exigence de modèle, sans détour

Le kit Copilote Local

Ce guide t'amène au modèle. Le kit t'amène au copilote qui code dans ton éditeur.

  • Espace en ligne à vie
  • PDF + fichiers
  • Remboursé 30 j
Le kit Copilote Local →ou tous les kits à vie — 49 € →
Ce qu'on obtient vraiment sur une tâche de développement agentique
Classe de modèleRésultat réaliste
7 à 8 milliardsÉchoue. Commandes mal formées, sortie mal lue, boucles sur le même fichier.
14 milliardsRéussit parfois des tâches triviales sur un seul fichier. Peu fiable.
27 à 32 milliardsLe plancher praticable. Les tâches étroites et bien spécifiées aboutissent assez souvent pour être utiles.
70 milliards et plusJugement nettement meilleur, assez lent pour qu'on lance la tâche et qu'on aille faire autre chose.

Deux capacités comptent plus que les scores de benchmark : l'appel d'outils dans le format exact attendu, et la stabilité sur contexte long, puisque l'agent relit un historique croissant à chaque étape. Un modèle excellent pour écrire une fonction à partir d'un prompt peut être inutilisable en boucle. Les modèles orientés code battent en général les modèles de discussion de même taille sur cet exercice.

!
Le contexte est le coût caché
Les prompts d'agent embarquent la tâche, le plan, le contenu des fichiers et l'historique des commandes. Un contexte long coûte de la mémoire avant de coûter du temps : un modèle de 32 milliards de paramètres avec un contexte réellement long, c'est une affaire de 24 Go et plus.

#Le faire tourner en local

  1. 01
    Servir un modèle
  2. 02
    Démarrer l'application dans sa configuration conteneurisée
  3. 03
    Le pointer vers votre point d'accès local
  4. 04
    Monter un seul dépôt
  5. 05
    Commencer par une tâche petite et vérifiable

#La sécurité n'est pas optionnelle

Aucun secret dans l'environnement
L'agent lit son propre environnement et peut l'afficher.
Une branche jetable et un clone de travail
Jamais votre copie de travail avec des modifications non validées.
Accès réseau restreint
Un agent qui peut joindre n'importe quoi peut exfiltrer tout ce qu'il a lu.
Tout contenu récupéré est hostile par défaut
La description d'un ticket ou un fichier README peuvent contenir des instructions destinées à l'agent.
Relire chaque diff
« Les tests passent » signifie que les tests passent, pas que la modification est correcte.

#Quand un assistant vaut mieux qu'un agent

L'outil selon la tâche
TâcheMeilleur outil
Complétion pendant la frappeUne extension d'éditeur
Une modification qu'on peut décrire fichier par fichierUn assistant conversationnel avec le fichier ouvert
Une tâche en plusieurs étapes avec un test de réussite clairOpenHands, si le modèle est assez gros
Du code que vous ne pouvez pas relireAucun des deux : vous ne pourrez pas vérifier le résultat

#FAQ

OpenHands peut-il tourner sur un modèle local ?+
Oui, via n'importe quel point d'accès compatible OpenAI. La contrainte est la capacité : c'est la charge locale la plus exigeante qui soit, et les petits modèles échouent quelle que soit la configuration.
Quel est le modèle minimum ?+
Réalistement un modèle orienté code de 27 à 32 milliards de paramètres avec un contexte long. À 14 milliards, seules les tâches triviales aboutissent parfois ; en dessous, cela ne fonctionne pas.
Est-ce prudent de le lancer sur ma machine ?+
Uniquement avec son bac à sable conteneurisé, un clone jetable, aucun secret dans l'environnement et un accès réseau restreint. L'agent exécute des commandes qu'il a lui-même écrites.
Combien de VRAM faut-il ?+
De quoi loger un modèle de la classe 32 milliards plus un contexte long, soit 24 Go et plus en pratique. C'est le contexte, pas les poids, qui surprend.
Pourquoi l'agent répète-t-il la même étape ?+
En général un modèle incapable de produire le format exact d'appel d'outil, ou un contexte saturé qui a tronqué le plan. On augmente le contexte, puis on prend un modèle plus grand.
Ce guide vous a aidé ?

Un retour, une erreur, une précision ? Faites-nous signe, ça améliore le guide pour tout le monde.