Comment configurer CodeGPT avec Ollama pour une assistance au code locale sans envoi vers des API externes

Les équipes d'ingénierie logicielle évoluant dans les secteurs de la fintech, de la santé, de la défense et des grandes entreprises sont soumises à un impératif de sécurité strict : le code source propriétaire et la propriété intellectuelle ne doivent jamais franchir le périmètre de l'organisation. Si les assistants de programmation alimentés par l'intelligence artificielle générative apportent un gain de productivité incontestable, l'envoi de fragments de code interne, d'algorithmes confidentiels et de schémas de bases de données vers des API SaaS externes enfreint les politiques de conformité et de protection des données.

Pour concilier assistance intelligente et confidentialité absolue, les développeurs peuvent intégrer l'extension CodeGPT dans Visual Studio Code avec Ollama. CodeGPT fait office d'interface native au sein de l'éditeur pour la génération de code, les explications architecturales et la complétion en ligne (Autocomplete), tandis qu'Ollama exécute des modèles open-weight directement sur la machine via une interface locale en boucle locale (http://localhost:11434). Tous les calculs et l'analyse de contexte s'opèrent intégralement sur le matériel local, sans la moindre fuite de données sur le réseau externe.

Comparatif architectural : Assistants Cloud vs Exécution locale avec Ollama

Comprendre la distinction structurelle entre les services hébergés dans le cloud et un environnement local CodeGPT + Ollama permet de justifier la conformité de cette approche auprès des équipes de sécurité informatique :

Dès lors que CodeGPT est configuré pour pointer vers Ollama, l'extension transmet des requêtes JSON standardisées au service local. Ollama charge les poids du modèle en mémoire GPU ou RAM système, effectue l'inférence en local et renvoie le flux textuel dans VS Code, supprimant tout risque d'interception ou d'exportation de données.

Choix du modèle de code et dimensionnement matériel

La taille du modèle influe directement sur la rapidité de génération et la pertinence logique du code. Sélectionnez votre modèle en fonction des spécifications de votre poste :

1. Qwen2.5-Coder (7B / 14B) : Référence actuelle pour la programmation multilingue, le refactorage complexe et la génération de tests unitaires. La déclinaison 7B s'exécute de façon fluide sur 16 Go de mémoire unifiée ou un GPU doté de 8 Go de VRAM.
2. DeepSeek-Coder (6.7B / 1.3B) : Réputé pour sa précision algorithmique et sa compréhension fine des dépendances de code.
3. Codestral (22B) : Modèle avancé conçu par Mistral pour le génie logiciel avec une large fenêtre de contexte ; idéal pour les stations de travail équipées de 24 Go+ de VRAM ou les Mac avec 32 Go+ de RAM.
4. Qwen2.5-Coder (1.5B / 3B) : Latence minimale à l'inférence, particulièrement adapté à l'autocomplétion instantanée en ligne (texte fantôme).

Étape 1 : Installer Ollama et télécharger le modèle de code

Installez Ollama en fonction de votre système d'exploitation :

• macOS / Linux : Téléchargez le paquet officiel ou lancez le script d'installation proposé par la documentation.
• Windows : Téléchargez l'exécutable depuis ollama.com pour que le démon s'exécute en arrière-plan depuis la barre des tâches.

Une fois l'installation terminée, assurez-vous dans votre terminal que le service fonctionne :

ollama --version

Téléchargez le modèle de programmation à l'aide de la commande ollama pull (cette commande télécharge les poids du modèle sans démarrer de session interactive dans la console) :

# Téléchargement du modèle de code polyvalent 7B
ollama pull qwen2.5-coder:7b

# (Optionnel) Téléchargement d'un modèle ultra-léger pour la complétion en direct
ollama pull qwen2.5-coder:1.5b

Vérifiez la liste des modèles disponibles localement :

ollama list

Étape 2 : Adapter la fenêtre de contexte avec un Modelfile personnalisé

L'analyse de code requiert un contexte étendu afin d'englober les déclarations de types, les bibliothèques importées et les fonctions voisines. Par défaut, Ollama configure de nombreux modèles avec une fenêtre de contexte conservatrice (souvent 2 048 ou 4 096 tokens) pour limiter l'utilisation de la mémoire.

Pour une assistance optimale sur des projets d'envergure, portez cette fenêtre à 8 192 ou 16 384 tokens via un Modelfile :

1. Créez un fichier texte nommé Modelfile (sans extension) dans un répertoire local :

FROM qwen2.5-coder:7b

# Étendre la fenêtre de contexte à 8192 tokens
PARAMETER num_ctx 8192

# Abaisser la température pour un code déterministe et rigoureux
PARAMETER temperature 0.2

# Ajuster le filtrage d'échantillonnage
PARAMETER top_p 0.95

2. Compilez le modèle personnalisé dans votre terminal :

ollama create my-local-coder -f ./Modelfile

Vous pouvez également définir la variable d'environnement OLLAMA_CONTEXT_LENGTH=8192 avant de démarrer Ollama. Notez qu'une fenêtre plus large requiert davantage de VRAM pour le cache KV.

Étape 3 : Installer et configurer CodeGPT dans Visual Studio Code

1. Lancez Visual Studio Code.
2. Ouvrez le gestionnaire d'extensions (Ctrl+Shift+X sous Windows/Linux, Cmd+Shift+X sous macOS).
3. Recherchez CodeGPT (identifiant : DanielSanMedium.dscodegpt) et cliquez sur Installer.
4. Affichez le volet CodeGPT en cliquant sur son icône dans la barre latérale gauche (ou via Ctrl+Shift+P en tapant CodeGPT: Focus on Chat View).
5. Accédez aux réglages des modèles via l'icône d'engrenage ou l'option Manage my AI Models.
6. Dans les catégories de modèles, basculez sur l'onglet Local LLMs.
7. Dans le menu déroulant Provider, sélectionnez Ollama.
8. Confirmez ou saisissez l'adresse de votre service local :

http://localhost:11434

(Si Ollama tourne sur un serveur GPU au sein de votre intranet d'entreprise, indiquez l'adresse IP interne correspondante, comme http://192.168.1.100:11434).

9. Dans le menu déroulant Model, sélectionnez votre modèle local (par exemple qwen2.5-coder:7b ou my-local-coder).
10. Cliquez en dehors du champ pour valider. CodeGPT établira immédiatement la liaison avec Ollama.

Étape 4 : Activer le chat d'assistance et l'autocomplétion en ligne

CodeGPT propose deux modes d'assistance complémentaires : l'interaction dans le panneau latéral et la complétion en direct dans l'éditeur de code.

Interaction dans le panneau latéral et refactorisation

Sélectionnez une portion de code dans l'éditeur et sollicitez CodeGPT :

• Génération de suites de tests unitaires conformes à la logique métier.
• Explication détaillée d'algorithmes complexes ou de composants existants.
• Analyse des erreurs de compilation et des exceptions à l'exécution.

Configuration de l'autocomplétion (Autocomplete)

1. Dans le menu latéral de CodeGPT, sélectionnez l'option Autocomplete.
2. Basculez le commutateur sur ON.
3. Choisissez un modèle léger pour cette tâche (comme qwen2.5-coder:1.5b ou deepseek-coder:base) afin d'obtenir des suggestions instantanées au fil de la frappe.
4. Ajustez Suggestion Delay et Max Tokens en fonction de la réactivité de votre équipement.

Étape 5 : Durcissement de sécurité et vérification en mode hors ligne

Pour valider la conformité de l'installation selon les normes de cybersécurité en vigueur dans l'entreprise, réalisez les vérifications suivantes :

1. Désactiver la télémétrie de Visual Studio Code

Empêchez l'éditeur d'envoyer des métriques d'utilisation vers l'extérieur :

1. Ouvrez les paramètres de VS Code (Ctrl+, ou Cmd+,).
2. Recherchez telemetry.telemetryLevel.
3. Définissez la valeur sur off.

2. Restreindre Ollama à l'interface de boucle locale

Par défaut, Ollama n'écoute que sur 127.0.0.1:11434. Veillez à ne pas définir la variable OLLAMA_HOST sur 0.0.0.0 sur les postes individuels, afin d'interdire l'accès à votre instance depuis d'autres machines du réseau local.

3. Test de validation en environnement déconnecté (Air-gapped)

1. Débranchez le câble Ethernet et désactivez le Wi-Fi (ou appliquez une règle de blocage sortant dans votre pare-feu).
2. Ouvrez un fichier de code dans VS Code.
3. Posez une question technique à CodeGPT et commencez à saisir du code pour déclencher l'autocomplétion.
4. Constatez que les suggestions et les réponses continuent de s'afficher sans aucune erreur. Le fonctionnement parfait hors réseau apporte la preuve matérielle qu'aucune dépendance externe n'est sollicitée.

Dépannage et bonnes pratiques

• Erreur de connexion refusée (Connection Refused) : Vérifiez qu'Ollama est actif en arrière-plan. Sur Windows/macOS, contrôlez l'icône dans la zone de notification ; sur Linux, testez l'adresse avec curl http://localhost:11434.
• Problèmes de stratégie CORS : Si la webview de CodeGPT bloque les requêtes locales, déclarez la variable d'environnement OLLAMA_ORIGINS="*" avant de redémarrer le service Ollama.
• Goulot d'étranglement et latence élevée : Si la génération devient anormalement lente, la VRAM de la carte graphique est sans doute saturée, forçant le transfert d'une partie des couches vers la RAM centrale. Pour y remédier, utilisez un modèle plus compact (par exemple en passant de 14B à 7B ou de 7B à 1.5B/3B) ou réduisez la valeur de num_ctx dans le Modelfile.

Références

• Ollama | CodeGPT
• CodeGPT: AI Coding Agents & Chat - Visual Studio Marketplace
• Ollama · Run AI models locally and in the cloud
• GitHub - ollama/ollama: Get up and running with Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma and other models. · GitHub