Blog

LLM locaux pour coder en 2026

Markdown

Les 8 meilleurs LLM locaux pour coder en 2026 — scores HumanEval, tailles de fichiers et verdicts en conditions réelles pour des modèles exécutables sur un Mac ou un PC de jeu.

← Retour à la sélection du blog

Quand nous parlons de « LLM locaux pour coder », nous désignons des modèles que vous pouvez exécuter sur votre propre ordinateur portable, Mac ou PC de jeu — sans appels API, sans cloud et sans envoyer votre base de code propriétaire à un tiers.

Aller au tableau. Vous souhaitez les utiliser depuis la CLI Claude Code ? Voir Utiliser Claude Code avec des modèles locaux.

Retrouvez les benchmarks complets ci-dessous.

PocketLLM sera bientôt lancé. Une IA privée, directement sur l’appareil, d’abord sur iPhone et iPad, avec d’autres plateformes prévues. Aucun compte requis, aucun suivi dans l’application, et le traitement des conversations reste sur votre appareil. Inscrivez-vous sur la liste de lancement pour être parmi les premiers.

Notre méthode de comparaison

Les chiffres de benchmark, les tailles de fichiers et les licences ci-dessous correspondent aux données publiées par chaque modèle, vérifiées à partir de sa fiche de modèle ou de son dépôt.

Un indicateur approximatif de niveau, qui ne remplace pas un essai sur votre propre code.

  • Taille du fichier : en quantification Q4. Tout l’intérêt d’une exécution locale, c’est que le modèle « tient sur votre machine ».
  • Licence : Apache et MIT sont les mieux classées, les licences non commerciales le sont moins.
  • Écosystème : existence de conversions fonctionnelles pour llama.cpp, Ollama, MLX et Core ML, qui détermine si vous pouvez réellement l’exécuter.

Les LLM locaux pour coder en 2026

Qwen 2.5 Coder 32B

Il faut une station de travail (Mac Studio, PC avec plusieurs GPU ou MacBook Pro M3 Max avec 48 GB), mais cet investissement vous donne une aide au codage qui se rapproche de Claude 3.5 Sonnet. Le bon choix si votre code est confidentiel et que votre budget permet d’acheter du matériel de station de travail.

DeepSeek Coder V2 Lite 16B

Nécessite environ 10 GB de RAM en Q4. Sur un MacBook Pro avec 16 GB, c’est le choix idéal. La licence est régie par les conditions personnalisées de DeepSeek — permissives pour la plupart des usages, mais à lire avant toute commercialisation.

Qwen 2.5 Coder 14B

Le niveau intermédiaire de la gamme Qwen 2.5 Coder. Il tient sur un ordinateur portable avec 16 GB, avec de la marge. Il est légèrement derrière DeepSeek V2 Lite dans les benchmarks, mais bénéficie de conditions de licence plus claires et d’une architecture à transformeur dense plus simple.

Qwen 2.5 Coder 7B

Fonctionne sur un MacBook Air avec 8 GB (tout juste) ou confortablement avec 16 GB. Si vous avez un M2 Air et souhaitez effectuer un vrai travail de programmation en local, c’est le modèle qu’il vous faut.

Mistral Codestral 22B

Le modèle de programmation dédié de Mistral. Performant en Python et TypeScript, correct dans les autres langages. La licence Mistral Non-Commercial est restrictive — vérifiez-la attentivement si vous l’utilisez pour des livrables professionnels. Environ 14 GB en Q4 ; fonctionne sur un Mac avec 24 GB ou plus.

StarCoder 2 15B

Un modèle de programmation développé conjointement par Hugging Face, ServiceNow et NVIDIA. Il a été entraîné sur du code sous licences permissives, un point important si vous vous interrogez sur la provenance des données et voulez savoir « sur quoi ce modèle a été entraîné ».

Phi-3.5 Mini 3.8B

Licence MIT, 2.4 GB en Q4, assez petit pour fonctionner sur un téléphone. PocketLLM est conçu pour le proposer sous forme de téléchargement en un geste (bientôt disponible) — inscrivez-vous sur la liste de lancement.

Qwen 2.5 Coder 1.5B

Le plus petit modèle de programmation dédié qui mérite d’être exécuté. Apache 2.0. 900 MB en Q4. Idéal comme modèle local rapide de complétion pour les suggestions en ligne, ou comme modèle brouillon pour le décodage spéculatif devant un modèle de programmation plus grand.

Le tableau récapitulatif

ModèleTaille (Q4)RAM min.Licence
Qwen 2.5 Coder 32B20 GB32 GBApache 2.0
DeepSeek Coder V2 Lite 16B10 GB16 GBDeepSeek
Qwen 2.5 Coder 14B9 GB16 GBApache 2.0
Qwen 2.5 Coder 7B4.5 GB8 GBApache 2.0
Mistral Codestral 22B14 GB24 GBMistral NC
StarCoder 2 15B9 GB16 GBBigCode OpenRAIL
Phi-3.5 Mini 3.8B2.4 GB4 GBMIT
Qwen 2.5 Coder 1.5B0.9 GB2 GBApache 2.0

Choisir un modèle local pour coder

Mac Studio / PC de station de travail (32 GB+) : Qwen 2.5 Coder 32B. Sans compromis.

MacBook Pro avec 16 GB / ordinateur portable de jeu : DeepSeek Coder V2 Lite 16B. Son architecture MoE le fait paraître bien plus léger que son nombre de paramètres ne le laisse penser.

MacBook Air avec 8 GB : Qwen 2.5 Coder 7B. C’est juste, mais utilisable. Fermez tout le reste pendant son exécution.

iPhone ou ancien Mac : Phi-3.5 Mini ou Qwen 2.5 Coder 1.5B. Vous ne créerez pas une application Rails en une seule tentative, mais vous obtiendrez certainement de l’aide pour comprendre et modifier du code existant. Les deux sont intégrés à PocketLLM.

Déploiement commercial soumis à des exigences de licence : restez dans la famille Qwen 2.5 Coder — Apache 2.0 offre actuellement le cadre de licence le plus clair pour le codage local.

Comment les exécuter concrètement

Sur Mac : installez LM Studio ou Ollama, choisissez le modèle dans le catalogue et cliquez sur Télécharger. Voir Ollama vs LM Studio vs PocketLLM. Sur Linux avec un GPU : llama.cpp compilé depuis les sources, ou Ollama. Sur iPhone : une application native exécutée sur l’appareil — voir notre sélection d’applications iPhone.

L’intégration à votre éditeur est une question distincte qui mérite son propre article. En bref : les extensions de type Continue.dev, Cody et Cursor prennent toutes en charge Ollama ou un point de terminaison localhost compatible avec OpenAI, ce qui couvre tous les modèles de cette liste.

Résumé

32B si vous avez une station de travail, 14B sur un ordinateur portable de jeu, 7B sur un ordinateur portable bon marché, 1.5B sur un téléphone. DeepSeek Coder V2 Lite est l’exception : si vous avez exactement 16 GB de RAM, l’architecture MoE de DeepSeek offre une qualité nettement supérieure à celle de Qwen 14B pour une empreinte mémoire à peu près identique. Tous les autres modèles de cette liste sont spécialisés.

De l’aide locale au codage sur votre iPhone.

PocketLLM est conçu pour proposer Phi-3.5 Mini et Qwen 2.5 Coder 1.5B sous forme de téléchargements en un geste. Privé, rapide, sans compte. Bientôt disponible — inscrivez-vous sur la liste de lancement.

Mettez ce guide en pratique avec Ailoot

Connectez des modèles d’IA à vos applications, agents et automatisations via une API Ailoot. Choisissez le modèle adapté à votre tâche et suivez la documentation Ailoot pour commencer.