LLM Locaux avec VS Code et Cursor : Configuration et Bonnes Pratiques

Comment configurer Continue.dev dans VS Code ?

# 1. Installez Continue depuis la marketplace VS Code
# Recherchez "Continue" et cliquez sur Installer

# 2. Assurez-vous qu'Ollama fonctionne
ollama serve

# 3. Ouvrez les paramètres de Continue (Ctrl+Maj+P → Continue: Ouvrir les paramètres)
# config.json s'ouvre

# 4. Configurez pour votre modèle local :
# Remplacez les paramètres par défaut :
{
  "models": [{
    "title": "Ollama",
    "provider": "ollama",
    "model": "qwen2.5-coder:7b",
    "apiBase": "http://localhost:11434"
  }],
  "tabAutocompleteModel": {
    "title": "Ollama",
    "provider": "ollama",
    "model": "qwen2.5-coder:7b"
  }
}

# 5. Commencez à coder et appuyez sur Tab pour les complétions
# Ou Ctrl+Maj+\ pour déclencher manuellement les complétions

Comment utiliser des modèles locaux dans Cursor ?

# 1. Téléchargez Cursor depuis cursor.sh
# 2. Assurez-vous qu'Ollama fonctionne
ollama serve

# 3. Ouvrez les paramètres de Cursor (Cmd/Ctrl + ,)
# 4. Recherchez "Model" et définissez :
#    - Model Provider: "Ollama"
#    - Model: "qwen2.5-coder:7b" (ou votre choix)
#    - API Base: "http://localhost:11434"

# 5. Tapez du code et appuyez sur Tab pour les complétions inline
# 6. Ctrl+K pour les complétions multiligne

Quels modèles conviennent le mieux au code ?

Quelle latence et quelle RAM devez-vous attendre ?

Comment configurez-vous les complétions de code pour les performances ?

# Paramètres avancés config.json
{
  "tabAutocompleteModel": {
    "contextLength": 2048,     # Combien de contexte de code envoyer
    "maxTokens": 50            # Jetons max par complétude
  },
  "completionOptions": {
    "maxContextTokens": 1024,
    "maxSuggestionsCount": 5,
    "debounceWaitMs": 200      # Attendre avant d'afficher (ms)
  },
  # Pour une inférence plus rapide, utilisez un contexte plus petit :
  "models": [{
    "contextLength": 1024      # Contexte plus petit = plus rapide
  }]
}

# Pour la meilleure vitesse sur machines 8Go :
# - Utilisez le modèle 7B (pas 13B)
# - Réglez maxTokens sur 30
# - Réglez debounceWaitMs sur 500 (moins de scintillement)

Quelles sont les erreurs courantes lors de la configuration des complétions de code local ?

• Ne pas optimiser la latence de debounce : Si les complétions semblent « lentes », augmentez debounceWaitMs (par exemple à 400 ms) pour éviter les suggestions incomplètes.
• Utiliser un modèle trop grand pour votre RAM : Un modèle 13B + surcharge d'éditeur peut utiliser 12+ Go. Sur les machines 8Go, restez avec les modèles 7B.
• Attendre une qualité de code au niveau du cloud : GPT-4o est bien meilleur pour le code que n'importe quel modèle 7B. Les complétions locales représentent 70-80% de la qualité cloud.
• Exécution de l'inférence sur CPU : Les complétions CPU sont impratiques (latence 5-10 secondes). GPU est requis pour les complétions utilisables.

FAQ : Complétions de code locales

Lectures connexes

• Stack LLM Développeur Local -- Stack complet avec serveur API et monitoring de production au-delà de l'intégration IDE.
• Installer Ollama -- Configurer Ollama pour les complétions de code.
• Meilleurs LLM locaux pour le codage -- Benchmark détaillé du modèle de codage.
• How to Install LM Studio -- Quel outil utiliser.
• API compatible OpenAI LLM local -- APIs de complétions de code.

Sources

• Continue.dev Team. (2026). "Continue Documentation." https://docs.continue.dev/ -- Official setup guide, config.json reference, and local model integration instructions.
• Cursor. (2026). "Cursor Documentation." https://docs.cursor.com/ -- Local model configuration, Ollama integration, and inference setup guide.
• Alibaba Qwen Team. (2025). "Qwen2.5-Coder Technical Report." arXiv:2409.12186. https://arxiv.org/abs/2409.12186 -- HumanEval and code generation benchmarks for Qwen2.5-Coder variants.
• DeepSeek-AI. (2024). "DeepSeek-Coder Technical Paper." arXiv:2401.14196. https://arxiv.org/abs/2401.14196 -- Benchmark data and capability analysis for DeepSeek-Coder family.