Réponse honnête : techniquement oui. En pratique, mauvaise idée.
LE TECHNIQUE Claude Code parle l’API Anthropic Messages. Ollama parle OpenAI. Il faut un proxy de traduction au milieu — LiteLLM est le pont le plus mature en 2026.
litellm --config config.yaml --port 4000
export ANTHROPIC_BASE_URL=http://localhost:4000
export ANTHROPIC_AUTH_TOKEN=any-string
claudeÇa démarre. Puis ça déraille.
POURQUOI ÇA NE MARCHE PAS BIEN Claude Code a été conçu pour Claude. L’agentique multi-étapes (tool use précis, planning, sub-agents, plan mode, skills, hooks, MCP) repose sur des capacités qu’un Qwen3.6-27B local — pourtant excellent en standalone — ne reproduit pas fidèlement dans ce harnais spécifique.
Résultat avec un LLM local :
- boucles d’outils ratées
- chemins de fichiers inventés
- abandons en milieu de tâche
- débit 2-10 tok/s sur CPU Snapdragon → 30 secondes en cloud devient 10 minutes en local
Forcer un outil hors de son terrain est rarement rentable.
LA BONNE COMBINAISON POUR DU LOCAL → aider — pensé pour LLM ouverts dès le départ, OpenAI-compatible natif (pas de proxy), excellent avec Qwen3.6-27B (sorti avril 2026, bat un MoE 397B sur SWE-bench, 256K ctx). C’est ce qui se rapproche le plus de l’UX agentique sans la friction. → opencode / crush — clones claude-code-like open-source, plus jeunes mais natifs locaux. → Continue.dev — extension VS Code/JetBrains avec autocomplétion + chat séparés. → mods / aichat / fabric — pour scripter du one-shot dans des pipelines shell.
VERDICT Gardez Claude Code pour Claude (cloud), où l’expérience agentique est calibrée. Pour piloter un Ollama local depuis un terminal Linux, aider est l’outil le plus mûr.
Choisir le bon couple (modèle, client) compte plus que l’attachement à une marque.
Vous avez essayé ? Quel résultat ?