--- title: 'DeepSeek dans VS Code avec Cline : gratuit en local, payant en API' description: 'Brancher DeepSeek sur VS Code via Cline : clé API, OpenRouter, ou DeepSeek R1 en local avec Ollama — et ce qui a changé côté API et côté extensions.' pubDate: 2025-01-22 updatedDate: 2026-09-27 family: 'intelligence-artificielle' tags: ['DeepSeek'] heroImage: '/images/comment-utiliser-deepseek-r1-gratuitement-avec-visual-studio-code-cline-et-roo-code.webp' videoUrl: 'https://youtu.be/OHQf52O8quE' faq: - question: 'DeepSeek R1 est-il encore gratuit ?' answer: "En local, oui : les poids de R1 sont ouverts et Ollama le télécharge sans frais ni clé API. En revanche, la page officielle de DeepSeek ne listait plus R1, au 27 septembre 2026, parmi les modèles de son API, et le catalogue d'OpenRouter ne proposait alors aucune variante gratuite de DeepSeek. Ces variantes gratuites apparaissent et disparaissent : vérifie avec le filtre des modèles à prix nul. Le « gratuit » durable, c'est le local." - question: 'Faut-il une clé API pour utiliser Cline ?' answer: "Seulement pour les modèles distants. Pour un modèle local, tu choisis le fournisseur Ollama dans les réglages de l'extension et tu pointes vers http://localhost:11434 : aucune clé n'est nécessaire. Pour DeepSeek en ligne ou OpenRouter, il faut une clé, donc un compte facturé à l'usage." - question: 'Quelle variante DeepSeek R1 pour Ollama ?' answer: 'La balise latest correspond à DeepSeek-R1-0528-Qwen3-8B, publiée pour environ 5,2 Go, un compromis raisonnable pour un poste de développeur. Les petites variantes 1.5b (1,1 Go) et 7b (4,7 Go) tournent sur des machines modestes mais raisonnent beaucoup moins bien ; 32b, 70b et 671b (environ 404 Go) demandent une vraie machine, voire un serveur.' - question: 'Roo Code est-il toujours utilisable ?' answer: "Non. L'extension Roo Code a été arrêtée le 15 mai 2026 et son dépôt GitHub est archivé : plus de mises à jour, et sa documentation en ligne n'est plus maintenue. Un fork communautaire, ZooCode, a repris le projet, et Cline — dont Roo Code est issu — reste développé. Si un tutoriel te renvoie vers Roo Code, tu peux le suivre pour les principes, mais installe Cline ou ZooCode." - question: 'Quelles limites si je fais tourner R1 en local ?' answer: "La mémoire, et la fenêtre de contexte. Repères publiés par Cline : 16 à 32 Go de RAM pour un petit modèle quantifié, 32 à 64 Go pour un modèle de code intermédiaire. Fixe la fenêtre de contexte dans un Modelfile, elle est la cause la plus fréquente d'un agent qui échoue en cours de tâche. Et garde en tête qu'un modèle 8b raisonne nettement moins bien qu'un modèle servi par API." --- Dans la vidéo, je te montre comment utiliser DeepSeek R1 avec Visual Studio Code, Cline et Roo Code. Attention : la vidéo date de janvier 2025 et une partie de la configuration d'alors ne fonctionne plus — R1 n'est plus servi par l'API DeepSeek, le R1 « gratuit » des plateformes d'agrégation a disparu, et l'extension Roo Code a été arrêtée depuis. Voici l'état à jour, avec les trois chemins qui marchent encore. ## Ce qui a changé depuis la sortie de R1 Deux constats, datés du 27 septembre 2026, et ils changent la façon de monter le setup. Premier constat : **la page officielle de DeepSeek ne liste plus R1 dans son API**. Elle ne présente que `deepseek-flash` et `deepseek-v4-pro` ; les anciens noms d'API restent acceptés pour compatibilité, et les requêtes sont alors servies par le modèle Flash aux tarifs Flash ([api-docs.deepseek.com](https://api-docs.deepseek.com/quick_start/pricing/)). Si tu suis un tutoriel qui te promet R1 par l'API DeepSeek, tu obtiendras autre chose — et cette page est le seul endroit qui fera foi le jour où tu la consultes. Second constat : **le catalogue d'OpenRouter ne proposait aucune variante gratuite de DeepSeek** à cette date ([modèles à prix nul](https://openrouter.ai/models?max_price=0)). R1 y était facturé à partir de 0,70 $ par million de tokens en entrée et 2,50 $ en sortie, avec un contexte de 64K — prix minimum affiché, variable selon le fournisseur routé ([fiche du modèle](https://openrouter.ai/deepseek/deepseek-r1)). Les variantes gratuites vont et viennent : vérifie le filtre au moment où tu montes ton setup. C'est pourquoi l'article parle de trois chemins, et non d'un seul : le local est redevenu le seul moyen durablement gratuit d'utiliser R1. ## Installer Cline dans VS Code Cline s'installe depuis la place de marché de ton éditeur : `Ctrl+Shift+X` (ou `Cmd+Shift+X`), tu cherches « Cline », tu installes, puis tu ouvres son panneau depuis la barre latérale ([doc Cline](https://docs.cline.bot/getting-started/installing-cline)). Il existe aussi sur **Cursor, JetBrains et Windsurf**, en plus de VS Code. Une extension lit ton projet, propose des modifications et exécute des commandes ; c'est le fournisseur de modèle configuré dans ses réglages qui fait le travail. **Un mot sur Roo Code, que la vidéo utilise.** L'extension a été arrêtée le 15 mai 2026 et son [dépôt GitHub](https://github.com/RooCodeInc/Roo-Code) est archivé — plus de mises à jour, documentation laissée en l'état. Un fork communautaire, **ZooCode**, a repris le projet ; Cline, dont Roo Code est issu, reste activement développé. Les principes de configuration restent valables, mais installe une extension maintenue. ## Chemin 1 — DeepSeek en API, payant à l'usage C'est la voie qui ne demande aucun matériel. La clé se crée sur `platform.deepseek.com`, section « API keys », et n'est affichée qu'une fois : copie-la immédiatement ([doc Cline](https://docs.cline.bot/provider-config/deepseek)). Dans l'extension, tu ouvres les réglages (icône d'engrenage), tu choisis le fournisseur « DeepSeek », tu colles la clé, tu sélectionnes le modèle. **Ce chemin ne te donne pas R1** : choisis `deepseek-v4-pro` ou `deepseek-flash`. Si ta liste déroulante n'affiche que d'anciens noms, la requête sera servie par Flash. La base compatible OpenAI est `https://api.deepseek.com`, et une base au format Anthropic existe à `https://api.deepseek.com/anthropic` pour les clients qui l'exigent ([tarifs](https://api-docs.deepseek.com/quick_start/pricing/)). La facturation se fait à l'usage, au million de tokens — entrée, sortie, et lecture de cache. DeepSeek ajuste ses prix et ses noms de modèles : la grille officielle est la seule source à utiliser, jamais un chiffre recopié dans un article de six mois. ## Chemin 2 — OpenRouter, pour changer de modèle sans changer d'outil L'intérêt d'OpenRouter est de garder la même configuration et de basculer de modèle en un menu : l'agent récupère la liste des modèles disponibles depuis l'API de la plateforme ([doc Cline](https://docs.cline.bot/provider-config/openrouter)). Tu crées ta clé sur `openrouter.ai/keys`, tu choisis le fournisseur « OpenRouter », et c'est parti. À garder en tête : les crédits s'achètent avec des frais — 5,5 % (minimum 0,80 $) par carte, 5 % en crypto — sans marge sur l'inférence elle-même ([FAQ OpenRouter](https://openrouter.ai/docs/faq)). OpenRouter n'est donc pas neutre en coût, même s'il ne prend rien sur les tokens. ## Chemin 3 — R1 en local avec Ollama, le seul gratuit Les poids de R1 sont ouverts, et Ollama les télécharge sans compte ni clé : ```bash ollama pull deepseek-r1 # télécharge la balise latest ollama run deepseek-r1 # lance le modèle dans le terminal ``` La balise `latest` correspond à **DeepSeek-R1-0528-Qwen3-8B**, et la page officielle publie toute la gamme, du 1.5b au 671b, pour un contexte de 128K ([ollama.com/library/deepseek-r1](https://ollama.com/library/deepseek-r1)). | Balise | Taille publiée | Usage indicatif | | --------------------------- | -------------- | ----------------------------------------------------------------------------------- | | `deepseek-r1:1.5b` | 1,1 Go | essai, raisonnement très limité | | `deepseek-r1:7b` | 4,7 Go | portable, petites tâches | | `deepseek-r1:8b` = `latest` | 5,2 Go | compromis développeur | | `deepseek-r1:14b` | 9,0 Go | poste de travail récent | | `deepseek-r1:32b` | ~20 Go | station de travail, GPU dédié | | `deepseek-r1:70b` | 43 Go | au moins ~48 Go de VRAM, sinon déchargement partiel en RAM et génération très lente | | `deepseek-r1:671b` | ~404 Go | serveur, hors usage individuel | Côté extension, tu choisis le fournisseur « Ollama » et l'URL `http://localhost:11434`. Cline recommande d'activer « Use Compact Prompt » pour les modèles locaux et publie des repères matériels : 16 à 32 Go de RAM pour des modèles quantifiés, 32 à 64 Go pour un modèle de code intermédiaire, au-delà pour les gros ([doc Cline](https://docs.cline.bot/running-models-locally/overview)). Deux réglages expliquent la plupart des échecs en cours de tâche. D'abord la **fenêtre de contexte** : Ollama recommande au moins 32K, et 64K ou plus pour un gros dépôt — on l'épingle dans un Modelfile (`PARAMETER num_ctx 32768`) plutôt que de la laisser à sa valeur par défaut ([Ollama](https://docs.ollama.com/integrations/claude-code)). Ensuite la **taille du modèle** : un 8b s'essouffle sur une refactorisation, et précharger le modèle avec `ollama run` avant de lancer l'agent évite le premier appel interminable. ## Où placer le curseur Si tu veux voir un agent travailler sur un vrai projet, le local est frustrant : un modèle 8b se trompe, et tu corriges à sa place. Le local gagne sur deux terrains seulement — la confidentialité d'un dépôt que tu ne veux pas envoyer à une API, et le coût nul quand tu enchaînes les essais. Pour tout le reste, l'API facturée à l'usage coûte généralement peu, mais la facture dépend surtout du contexte renvoyé à chaque tour, et non du tarif au token. C'est ce sujet que traitent [RTK et Claude Code](/blog/claude-code-j-ai-reduit-mes-tokens-de-90-grace-a-rtk/) et [Caveman](/blog/claude-code-jusqu-a-75-moins-cher-avec-caveman/). Dans la vidéo, je branche les extensions sur DeepSeek et je compare leur comportement sur la même tâche : c'est la façon la plus concrète de voir ce qui te convient — à condition de garder en tête que Roo Code n'existe plus, et de tester avec Cline ou ZooCode. ## Pour approfondir **[Agents IA pour coder](https://pentiminax.fr/blog/agents-ia-code.md)** Compare Claude Code, Codex, Cursor et Cline selon ton environnement, le contrôle attendu et ton workflow. [Choisir un agent IA de code](https://pentiminax.fr/blog/agents-ia-code.md) ## Questions fréquentes **DeepSeek R1 est-il encore gratuit ?** En local, oui : les poids de R1 sont ouverts et Ollama le télécharge sans frais ni clé API. En revanche, la page officielle de DeepSeek ne listait plus R1, au 27 septembre 2026, parmi les modèles de son API, et le catalogue d'OpenRouter ne proposait alors aucune variante gratuite de DeepSeek. Ces variantes gratuites apparaissent et disparaissent : vérifie avec le filtre des modèles à prix nul. Le « gratuit » durable, c'est le local. **Faut-il une clé API pour utiliser Cline ?** Seulement pour les modèles distants. Pour un modèle local, tu choisis le fournisseur Ollama dans les réglages de l'extension et tu pointes vers http://localhost:11434 : aucune clé n'est nécessaire. Pour DeepSeek en ligne ou OpenRouter, il faut une clé, donc un compte facturé à l'usage. **Quelle variante DeepSeek R1 pour Ollama ?** La balise latest correspond à DeepSeek-R1-0528-Qwen3-8B, publiée pour environ 5,2 Go, un compromis raisonnable pour un poste de développeur. Les petites variantes 1.5b (1,1 Go) et 7b (4,7 Go) tournent sur des machines modestes mais raisonnent beaucoup moins bien ; 32b, 70b et 671b (environ 404 Go) demandent une vraie machine, voire un serveur. **Roo Code est-il toujours utilisable ?** Non. L'extension Roo Code a été arrêtée le 15 mai 2026 et son dépôt GitHub est archivé : plus de mises à jour, et sa documentation en ligne n'est plus maintenue. Un fork communautaire, ZooCode, a repris le projet, et Cline — dont Roo Code est issu — reste développé. Si un tutoriel te renvoie vers Roo Code, tu peux le suivre pour les principes, mais installe Cline ou ZooCode. **Quelles limites si je fais tourner R1 en local ?** La mémoire, et la fenêtre de contexte. Repères publiés par Cline : 16 à 32 Go de RAM pour un petit modèle quantifié, 32 à 64 Go pour un modèle de code intermédiaire. Fixe la fenêtre de contexte dans un Modelfile, elle est la cause la plus fréquente d'un agent qui échoue en cours de tâche. Et garde en tête qu'un modèle 8b raisonne nettement moins bien qu'un modèle servi par API.