Un développeur remplace Claude Code par Qwen et DeepSeek en local : le cycle de développement s'allonge de 3 à 4 fois

Quand on vous retire votre outil favori, il reste deux voies : chercher un remplaçant dans le cloud ou vérifier ce que valent les modèles qui tournent sous votre bureau. L'auteur de cette histoire, après le troisième blocage de son compte Claude Code, a choisi la seconde. Il a refusé de transmettre ses données de passeport pour la vérification et est passé à des modèles chinois locaux à poids ouverts. Voici ce qu'il a obtenu et ce que l'on peut en retenir.

Le banc d'essai et son architecture

Le matériel a été fourni par son employeur, une entreprise qui loue des NVIDIA DGX Spark. Qwen 3.8 Flash Next tourne sur un seul Spark avec un contexte de 256K. DeepSeek-V4.1-Flash-1017 est lancé en quantification EXL3 sur deux Spark avec un contexte de 512K. Le moteur est TensorFold dans les deux cas.

L'auteur a confié le déploiement de DeepSeek à Qwen lui-même. Le modèle, sur le Spark voisin, a exploré les machines, rassemblé les exigences et écrit des playbooks Ansible. Cela a pris environ une journée de travail, et DeepSeek a démarré du premier coup. Pour Qwen, c'est un test honorable : il a résolu seul une tâche d'infrastructure.

Comme harnais (harness), l'auteur utilise le minimaliste Pi sous WSL, et il a développé un plugin pour PhpStorm par commodité. Des sous-agents économisent le contexte de la session principale. Les tâches sont réelles : PHP avec Symfony, Go et Kubernetes.

Les chiffres : génération rapide, lecture lente

L'auteur a écrit son propre benchmark : 10 mesures pour des contextes de 2K à 128K, avec des prompts uniques salés aléatoirement, de sorte que le cache de préfixe n'aide pas. Résultats :

• Qwen sur un Spark produit 70–80 tokens/s. DeepSeek sur deux en produit 99–109 tokens/s.
• Ramené à un seul Spark, le constat s'inverse : 70–80 tokens/s pour Qwen contre 49–55 pour DeepSeek. Doubler le matériel n'apporte qu'un gain de 1,36 à 1,5 fois.
• Le prefill de Qwen est de 2,3–2,5 mille tokens/s, celui de DeepSeek de 1,7–2,3 mille tokens/s.

D'où le délai avant le premier token à 128K : 57 secondes pour Qwen et 73 secondes pour DeepSeek, bien que ce dernier génère plus vite. À 32K, il est de 13 à 21 secondes, à 64K de 27 à 36 secondes. Des valeurs aberrantes existent aussi : DeepSeek a affiché des requêtes avec un TTFT de 4,8 s à 2K et de 10,2 s à 8K.

Une réserve importante : il s'agit de l'analyse à froid d'un prompt complet. Dans une boucle d'agent, le contexte grandit peu à peu, le préfixe reste en cache et les latences réelles sont nettement plus basses.

Un flux de travail à deux modèles

La principale découverte de l'auteur ne concerne pas la vitesse, mais le processus. Pour une grosse tâche, les deux modèles rédigent chacun leur plan, puis chacun lit celui de son « collègue » et décide lequel retenir comme base. Dans la plupart des cas, les avis concordaient : le plan de DeepSeek était retenu, et une seule fois les deux ont choisi celui de Qwen.

Vient ensuite l'implémentation. Dans la variante simple, DeepSeek s'en charge avec des sous-agents et un commit distinct par étape, tandis que l'auteur relit les commits en parallèle et accumule les remarques. Suivent des revues en contexte neuf, par DeepSeek puis à nouveau par Qwen. Dans la variante complexe, les deux modèles travaillent en parallèle dans des worktrees distincts, et l'auteur choisit la meilleure solution. Les tests suivent la même logique : deux plans e2e sont croisés, les modèles les exécutent à tour de rôle et corrigent les bugs, puis viennent une vérification manuelle obligatoire, le staging et la release.

Limites et conclusion

Le prix de cette liberté est élevé. Selon l'estimation préliminaire de l'auteur, le cycle de développement est devenu 3 à 4 fois plus long qu'avec Claude Code. Il en attribue une partie au manque d'habitude et à la duplication du travail sur deux modèles, et prévoit de s'en tenir à un seul. À l'usage, DeepSeek est environ 20 % plus intelligent et plus attentif que Qwen, mais exige deux Spark. C'est l'avis d'une seule personne, sans vérification formelle de la qualité : à considérer comme subjectif.

Un test annexe est également révélateur. En une heure, DeepSeek a configuré le lancement de Hogwarts Legacy en VR : il a trouvé l'injecteur, téléchargé les profils et écrit un script accompagné d'instructions. Quand cela n'a pas fonctionné du premier coup, il a diagnostiqué lui-même le problème en une demi-heure de plus. L'auteur est convaincu qu'Opus 5.5 s'en serait sorti bien plus vite, mais pour de nombreuses tâches, le niveau des modèles ouverts suffit déjà.

Conclusion pratique pour les équipes : une pile locale convient comme assurance contre les blocages et comme option pour un périmètre fermé où le code ne peut pas être envoyé dans le cloud. Mais prévoyez du temps pour l'attente du prefill, pour la mise en place du processus et pour le matériel. Avec un seul Spark, prenez Qwen ; avec deux, essayez DeepSeek. L'auteur compte ensuite tester GLM 5.3 Flash sur deux Spark.