Comment utiliser Claude Code avec Ollama ? La réponse directe : installez Ollama sur votre machine, lancez ollama serve, téléchargez un modèle compatible (Qwen2.5-Coder, Llama 3.1 ou Mistral), puis configurez deux variables d’environnement : ANTHROPIC_BASE_URL=http://localhost:11434/v1 et ANTHROPIC_API_KEY=ollama. Lancez ensuite claude --model qwen2.5-coder:7b. Claude Code bascule immédiatement sur votre LLM local, sans aucune donnée transmise aux serveurs Anthropic. Ce guide complet explique la configuration étape par étape, les modèles Ollama les plus performants pour le coding en juillet 2026, les limites réelles par rapport aux modèles Anthropic, et les cas d’usage avancés pour les équipes qui travaillent en environnement isolé ou sous contraintes RGPD.
Pourquoi connecter Claude Code à Ollama ?
Claude Code est un agent de terminal qui automatise les tâches de développement : lecture et écriture de fichiers, exécution de commandes, navigation dans une base de code, génération et correction de code. Par défaut, il utilise les modèles Anthropic (Claude Sonnet 5, Opus 4.8) via l’API cloud, avec une facturation au token.
Depuis la version 2.0 de Claude Code (avril 2026), l’agent accepte n’importe quel endpoint compatible avec l’API OpenAI. Ollama expose exactement cette interface sur http://localhost:11434/v1. La combinaison offre trois avantages concrets pour les développeurs :
- Confidentialité totale : le code source, les prompts et les réponses ne quittent jamais votre machine. Idéal pour les projets sous NDA ou les données sensibles.
- Zéro coût marginal : pas de facture par token une fois le modèle téléchargé. Parfait pour les sessions longues ou l’automatisation CI/CD intensive.
- Mode hors ligne : Claude Code fonctionne sans connexion internet, ce qui est indispensable pour les environnements air-gapped ou les déplacements.
Le principal inconvénient à connaître d’emblée : les modèles Ollama disponibles localement restent nettement en dessous des performances de Claude Sonnet 5 ou GPT-5.6 pour les tâches de coding complexes. C’est un compromis conscient, pas une solution de remplacement universel.
Prérequis avant de commencer
Avant de configurer l’intégration, vérifiez que vous disposez de l’environnement minimal requis. Si Claude Code n’est pas encore installé sur votre machine, commencez par notre guide d’installation Claude Code complet (Windows, Mac, Ubuntu et VS Code) avant de revenir ici.
Les prérequis techniques :
- Claude Code version 2.0 minimum (support des providers OpenAI-compatible).
- Node.js 18+ (déjà requis par Claude Code).
- Au moins 8 Go de RAM pour un modèle 7B quantisé. Pour un modèle 14B, prévoyez 16 Go minimum.
- Espace disque : entre 4 et 12 Go selon le modèle choisi.
- Un GPU NVIDIA, AMD ou Apple Silicon accélère considérablement les inférences (mais le CPU seul fonctionne).
Vérifiez la version de Claude Code installée et mettez-la à jour si nécessaire :
# Vérifier la version installée
claude --version
# Résultat attendu : claude-code 2.x.x ou supérieur
# Mettre à jour vers la dernière version
npm update -g @anthropic-ai/claude-codeInstaller Ollama et choisir un modèle de code
Ollama est un runtime open source maintenu par une équipe dédiée sur GitHub (plus de 120 000 étoiles en juillet 2026). Il installe et exécute des LLM localement avec une interface REST standardisée, compatible avec le format OpenAI.
Installation selon votre système :
# macOS (via Homebrew)
brew install ollama
# Linux (script officiel, testé sur Ubuntu 22.04+ et Debian 12)
curl -fsSL https://ollama.com/install.sh | sh
# Windows : télécharger l'installeur .exe sur ollama.com/download/windows
# puis redémarrer le terminalUne fois installé, lancez le serveur Ollama en arrière-plan :
ollama serve
# Le daemon écoute sur http://localhost:11434
# Laissez ce terminal ouvert, ou utilisez un service systemd/launchdTéléchargez ensuite un modèle orienté coding. La bibliothèque officielle Ollama référence plus de 200 modèles en juillet 2026 :
# Meilleur rapport performance/RAM sur 8 Go (recommandé pour commencer)
ollama pull qwen2.5-coder:7b
# Alternative polyvalente coding + documentation + refactoring
ollama pull llama3.1:8b
# Pour 16 Go de RAM : nettement plus capable sur les architectures complexes
ollama pull qwen2.5-coder:14b
# Version légère pour les machines avec 4-6 Go de RAM
ollama pull deepseek-coder-v2:7bVérifiez que le modèle est bien disponible localement :
ollama list
# Exemple de sortie :
# NAME ID SIZE MODIFIED
# qwen2.5-coder:7b abc123def456 4.7 GB 2 minutes agoConfigurer Claude Code pour pointer vers Ollama
C’est l’étape centrale de la configuration. Claude Code détecte le provider via deux variables d’environnement. Il existe trois méthodes selon vos besoins.
Méthode 1 : variables dans le terminal (configuration temporaire)
export ANTHROPIC_BASE_URL=http://localhost:11434/v1
export ANTHROPIC_API_KEY=ollama # La valeur est ignorée par Ollama, mais la variable doit exister
# Lancez Claude Code en spécifiant le modèle Ollama
claude --model qwen2.5-coder:7bClaude Code pointe désormais vers Ollama. Toutes les requêtes (lecture de fichiers, génération de code, exécution de commandes) passent par votre LLM local.
Méthode 2 : configuration permanente dans le profil shell
# Ajoutez ces lignes à votre ~/.bashrc ou ~/.zshrc
# (commentez-les pour revenir à l'API Anthropic)
export ANTHROPIC_BASE_URL=http://localhost:11434/v1
export ANTHROPIC_API_KEY=ollama
# Alias pratiques pour basculer rapidement entre les deux modes
alias claude-local='ANTHROPIC_BASE_URL=http://localhost:11434/v1 ANTHROPIC_API_KEY=ollama claude --model qwen2.5-coder:7b'
alias claude-cloud='unset ANTHROPIC_BASE_URL && unset ANTHROPIC_API_KEY && claude'Méthode 3 : fichier .env par projet (recommandé pour les équipes)
# Créez un fichier de configuration à la racine du projet
cat > .env.claude-local << 'EOF'
ANTHROPIC_BASE_URL=http://localhost:11434/v1
ANTHROPIC_API_KEY=ollama
EOF
# Lancement avec les variables du projet
env $(cat .env.claude-local) claude --model qwen2.5-coder:7b
# Ajoutez .env.claude-local à votre .gitignore si vous ne voulez pas le versionnerQuels modèles Ollama fonctionnent le mieux avec Claude Code ?
Tous les modèles Ollama ne se comportent pas de la même façon avec les outils de Claude Code. L’agent utilise le format tool_use d’OpenAI pour appeler ses fonctions internes (lecture de fichier, écriture, exécution de commandes). Seuls les modèles entraînés à respecter ce format produisent des résultats fiables.
Les recommandations de juillet 2026, testées sur des projets PHP, Python et JavaScript :
Qwen2.5-Coder:7b (4,7 Go, 8 Go de RAM) : meilleur rapport performance/RAM pour le coding pur. Comprend bien les instructions en français. C’est le choix par défaut pour la majorité des développeurs. Voir la fiche modèle sur Ollama.
Qwen2.5-Coder:14b (9,3 Go, 16 Go de RAM) : sensiblement plus capable sur les architectures complexes et les bases de code multi-fichiers. Recommandé si vous avez un Mac M2 Pro ou un GPU avec 12 Go de VRAM ou plus.
Llama 3.1:8b (4,7 Go, 8 Go de RAM) : modèle polyvalent. Moins spécialisé en coding mais plus adapté aux tâches de documentation, résumé de code et explication de patterns. Bon pour les revues de PR légères.
DeepSeek-Coder-V2:7b (4,2 Go, 6 Go de RAM) : option légère pour les machines avec peu de RAM. Légèrement en dessous de Qwen2.5-Coder mais plus rapide sur CPU.
À éviter avec Claude Code : les modèles généralistes non orientés code (Llama 3.2:3b, Phi-3 Mini) ont tendance à ignorer le format des appels d’outils et à produire des réponses textuelles que Claude Code ne peut pas interpréter.
Premiers pas concrets : votre première session Claude Code + Ollama
Une fois la configuration en place, voici comment démarrer une session productive sur un projet réel :
# Naviguez vers votre projet
cd ~/mon-projet-wordpress
# Configurez l'environnement local
export ANTHROPIC_BASE_URL=http://localhost:11434/v1
export ANTHROPIC_API_KEY=ollama
# Lancez Claude Code avec Qwen2.5-Coder
claude --model qwen2.5-coder:7b
# Exemples de tâches que Claude Code exécutera entièrement en local :
# > analyse le fichier functions.php et liste les hooks enregistrés
# > crée un shortcode WordPress qui affiche la date du dernier article
# > corrige l'erreur PHP dans le fichier class-mailer.php
# > explique ce que fait la fonction wpalab_fix_codeblocks() ligne par ligneClaude Code va lire les fichiers, générer du code, l’écrire et exécuter des commandes shell, le tout via l’inférence Ollama en local. Toutes les actions passent par votre LLM sans aucun appel réseau externe.
Pour partager une instance Ollama sur un réseau local d’équipe :
# Sur la machine qui héberge Ollama (serveur d'équipe)
OLLAMA_HOST=0.0.0.0 ollama serve
# Sur les machines clientes (remplacer 192.168.1.10 par l'IP du serveur)
export ANTHROPIC_BASE_URL=http://192.168.1.10:11434/v1
export ANTHROPIC_API_KEY=ollama
claude --model qwen2.5-coder:14bCas d’usage avancés : Ollama + Claude Code en environnement professionnel
La combinaison prend tout son sens dans trois scénarios professionnels courants.
Environnement air-gapped (données sensibles ou classifiées)
Les projets sous NDA, les développements bancaires ou médicaux, ou les contrats gouvernementaux interdisent souvent l’envoi de code vers des APIs externes. Ollama résout ce blocage sans sacrifier l’assistance IA. Le setup complet (Ollama + Claude Code + modèle) peut être empaqueté dans une image Docker pour déploiement sur site.
Automatisation CI/CD sans coût variable
Dans un pipeline GitHub Actions auto-hébergé ou Jenkins, vous pouvez déclencher des revues de code automatiques via Claude Code sans facturation à l’utilisation. Voici le pattern pour un script CI :
#!/bin/bash
# Script de revue de code automatique sur runner auto-hébergé avec Ollama
ANTHROPIC_BASE_URL=http://localhost:11434/v1 ANTHROPIC_API_KEY=ollama claude --model qwen2.5-coder:14b --print "Analyse les fichiers modifiés dans ce commit et signale :
1. Les erreurs de syntaxe PHP ou JavaScript évidentes
2. Les variables non initialisées
3. Les appels SQL sans préparation de requête"Formation et onboarding de développeurs juniors
Pour former des développeurs à l’utilisation des agents IA de coding, Ollama permet un environnement d’apprentissage complètement isolé, sans risque d’exposer des clés API d’entreprise et sans budget de formation par session.
Limites réelles et comparaison avec les modèles Anthropic
Il est important d’être précis sur ce que cette approche ne peut pas offrir. Comparé à Claude Sonnet 5 (le modèle par défaut de Claude Code cloud), les modèles Ollama locaux présentent des différences significatives.
Performances de coding : les meilleurs modèles Ollama (Qwen2.5-Coder:14b) atteignent environ 40 à 50% des capacités de Claude Sonnet 5 sur les benchmarks SWE-bench en juillet 2026. Pour des tâches simples (génération d’une fonction, correction d’une typo, refactoring d’une méthode), la différence est souvent acceptable. Pour de l’architecture complexe ou du debugging multi-fichiers, l’écart se creuse nettement.
Vitesse d’inférence : sur un Mac M2 Pro ou un GPU NVIDIA RTX 4070, un modèle 7B génère environ 30 à 50 tokens par seconde. Claude Sonnet 5 via l’API Anthropic génère 200 à 400 tokens par seconde. Pour des sessions interactives longues, la différence de latence se ressent.
Fenêtre de contexte : la plupart des modèles Ollama locaux ont une fenêtre de 8 000 à 32 000 tokens. Claude Sonnet 5 accepte jusqu’à 1 million de tokens. Pour l’analyse de grandes bases de code, les modèles locaux sont limités.
Pour les équipes, l’approche hybride est souvent la plus pragmatique : Ollama pour les tâches répétitives et les environnements CI, API Anthropic pour les tâches de design et d’architecture complexes. Vous pouvez aussi comparer Claude Code avec d’autres agents de coding open source comme OpenCode, qui propose également un mode de connexion à des providers locaux.
Sources : documentation officielle Claude Code, compatibilité OpenAI d’Ollama, Qwen2.5-Coder sur HuggingFace.
Résoudre les erreurs fréquentes
Voici les problèmes les plus courants lors de la configuration de Claude Code avec Ollama, et leurs solutions.
Erreur : impossible de se connecter à Ollama
# Vérifier qu'Ollama tourne bien
curl http://localhost:11434/api/tags
# Si la connexion échoue : relancer Ollama
ollama serve
# Sur Linux, vérifier le statut du service
systemctl status ollamaErreur : « model not found »
# Lister les modèles disponibles localement
ollama list
# Télécharger le modèle manquant
ollama pull qwen2.5-coder:7bErreur 401 ou « API key required »
# S'assurer que la variable est définie avec une valeur non vide
export ANTHROPIC_API_KEY=ollama
echo $ANTHROPIC_API_KEY # Doit afficher "ollama"Réponses vides ou non structurées (outils ignorés)
Si Claude Code reçoit des réponses textuelles au lieu d’appels d’outils correctement formatés, le modèle utilisé ne gère pas bien le format tool_use. Basculez vers Qwen2.5-Coder qui respecte ce format de manière fiable. Testez directement l’endpoint :
curl http://localhost:11434/v1/chat/completions -H "Content-Type: application/json" -d '{
"model": "qwen2.5-coder:7b",
"messages": [{"role": "user", "content": "Additionne 2 et 3"}],
"tools": [{
"type": "function",
"function": {
"name": "calculate",
"parameters": {
"type": "object",
"properties": {
"result": {"type": "number"}
}
}
}
}]
}'
# Un modèle compatible répondra avec un "tool_calls" structuréFAQ : Claude Code avec Ollama
Claude Code avec Ollama est-il gratuit ?
Oui, entièrement. Ollama est open source et gratuit. Claude Code lui-même est gratuit à installer (l’abonnement Claude Pro ou Max est optionnel). Une fois les modèles téléchargés localement, l’utilisation est illimitée sans aucun coût par requête. Seule la puissance matérielle de votre machine détermine les performances.
Ollama fonctionne-t-il sur Windows avec Claude Code ?
Oui. Ollama propose un installeur natif Windows depuis la version 0.3 (juin 2025). Claude Code fonctionne sur Windows en PowerShell natif ou via WSL2. La configuration des variables d’environnement se fait de la même façon ($env:ANTHROPIC_BASE_URL en PowerShell ou export dans WSL2).
Peut-on utiliser un modèle Ollama fine-tuné ou personnalisé ?
Oui. Ollama supporte les fichiers Modelfile qui permettent d’importer n’importe quel modèle au format GGUF, y compris des modèles fine-tunés en interne. Il suffit que le modèle soit enregistré dans Ollama (via ollama create mon-modele -f Modelfile) pour pouvoir l’appeler depuis Claude Code avec claude --model mon-modele.
Claude Code avec Ollama est-il aussi efficace que la version cloud ?
Pour les tâches simples (génération de fonctions courtes, correction de bugs évidents, refactoring de méthodes isolées), la différence est faible et souvent acceptable. Pour les tâches complexes (architecture multi-fichiers, debugging de problèmes de concurrence, génération de tests complets), les modèles cloud Anthropic restent significativement plus performants. L’approche hybride (local pour les tâches répétitives, cloud pour les tâches stratégiques) est souvent le meilleur compromis.
Comment revenir rapidement à l’API Anthropic depuis Ollama ?
Il suffit de désactiver les variables d’environnement et de relancer Claude Code normalement :
unset ANTHROPIC_BASE_URL
unset ANTHROPIC_API_KEY
claude # Utilise maintenant l'API Anthropic par défautSi vous utilisez les alias définis plus haut, claude-cloud effectue ces deux étapes automatiquement.
Commentaires (0)
Laisser un commentaire
Les commentaires sont modérés. Questions WordPress, cybersécurité ou dev web bienvenues.