L'hybride : cloud + local

Vous avez maintenant deux mondes sous la main. D’un côté, les modèles frontières des grands éditeurs, pris en abonnement avec leur agent de code : Claude avec Claude Code, GPT avec Codex, Grok avec Grok Build, Gemini avec Antigravity CLI. De l’autre, des modèles qui tournent gratuitement chez vous (Ollama). La fausse question, c’est « lequel choisir ? ». La vraie réponse, c’est : les deux, en même temps, chacun à sa place.

C’est le montage hybride, et c’est la façon la plus efficace de travailler avec un mini-PC. La machine orchestre : elle fait tourner les agents, garde vos projets et vos scripts. Le forfait frontière, à prix fixe chaque mois (20 $ pour Claude Pro ou ChatGPT Plus, 30 $ pour SuperGrok, 21,99 € pour Google AI Pro, prix relevés le 1er octobre 2026), fait le gros du raisonnement. Le modèle local prend le confidentiel, le répétitif et le hors-ligne. Les paliers, les limites et ce que chaque éditeur autorise sont comparés dans Les modèles frontières en abonnement.

Les exemples de cette fiche mettent Claude Code en chef d’orchestre, parce que c’est le montage le plus rodé ; il se transpose tel quel à Codex ou à OpenCode. L’agent cloud décide qui fait quoi, et délègue le travail en volume au modèle local.

Pourquoi mélanger plutôt que choisir

Les deux mondes ont des forces opposées, et c’est précisément ce qui les rend complémentaires :

• Le cloud (Claude, GPT, Grok, Gemini) est imbattable sur le raisonnement difficile, les tâches longues, le tool use fiable, l’architecture. Mais le forfait a des plafonds (par tranche de 5 heures et par semaine), l’API se paie au jeton, et vos données partent chez un tiers.
• Le local (Ollama) est gratuit à l’usage, privé, dispo hors-ligne, et largement assez bon pour les tâches bornées et répétitives. Mais il fatigue sur l’agentique longue et le raisonnement de pointe (on en a parlé sans détour dans Choisir son modèle, et le classement des modèles locaux de Quelle IA chiffre l’écart).

Le montage hybride prend le meilleur de chacun : vous gardez l’intelligence de pointe là où elle compte vraiment, et vous faites tomber le coût et les fuites de données sur tout le reste, c’est-à-dire 80 % du volume.

Claude Code en orchestrateur : comment ça marche

Le truc qui rend ça possible : Claude Code peut lancer des commandes. Et Ollama expose une API locale toute simple sur http://localhost:11434. Donc Claude Code peut appeler votre modèle local, via un curl, un script, ou un petit outil, exactement comme il appellerait n’importe quelle commande.

Concrètement, vous dites à Claude : « pour cette tâche en volume, ne la fais pas toi-même, délègue-la au modèle local via l’API Ollama ». Il écrit le script qui boucle sur vos fichiers, tape le modèle local pour chacun, et vous ramène le résultat consolidé. Lui garde la vision d’ensemble ; le local abat le travail.

# Le geste de base que Claude Code orchestre : appeler le modèle local (ici gemma4:26b, rapide)
curl -s http://localhost:11434/api/generate -d '{
  "model": "gemma4:26b",
  "prompt": "Résume ce fichier en 3 puces : '"$(cat rapport.md)"'",
  "stream": false
}' | jq -r .response

Quatre façons concrètes de router le travail

Brancher les deux, en pratique

# Stratégie hybride
- Pour les tâches répétitives et en volume (reformulation, classification,
  résumés, génération de boilerplate), délègue au modèle local via l'API
  Ollama (http://localhost:11434), ne les fais pas toi-même.
- Garde pour toi le raisonnement complexe, l'architecture et la revue.
- Le code et les données marqués « sensibles » : modèle local uniquement.

# une session Claude Code dont le cerveau est local
ollama launch claude --model qwen3.8:27b