Déployer Tabby en local : l'alternative open source à GitHub Copilot¶

Contexte¶

GitHub Copilot a révolutionné la complétion de code par l'IA, mais il pose des défis en matière de confidentialité des données, d'enfermement propriétaire et de coût d'abonnement.

Tabby est une alternative open source conçue pour être auto-hébergée. Il propose une API compatible avec les plugins d'éditeurs (VS Code, JetBrains, Neovim) et télécharge automatiquement les modèles d'IA nécessaires (comme StarCoder ou CodeLlama) pour vous assister localement, que ce soit sur CPU ou GPU.

Prérequis¶

• Un système Linux avec Docker installé.
• Au minimum 8 Go de RAM (16 Go recommandés).
• (Optionnel mais très recommandé) Un GPU NVIDIA avec les drivers propriétaires et le NVIDIA Container Toolkit configurés pour de meilleures performances de complétion en temps réel.

Procédure¶

Étape 1 : Créer le répertoire de données¶

Tabby a besoin d'un espace local pour télécharger et stocker les modèles d'IA afin d'éviter de les retélécharger à chaque démarrage de conteneur.

# Création du dossier caché dans le répertoire utilisateur
mkdir -p ~/.tabby

Étape 2 : Lancer Tabby via Docker¶

Nous allons utiliser Docker pour déployer Tabby. Par défaut, Tabby utilise le modèle StarCoder-1B, qui offre un excellent compromis entre légèreté et pertinence.

docker run -it \
  -p 8080:8080 \
  -v ~/.tabby:/data \
  tabbyml/tabby serve \
  --model StarCoder-1B \
  --device cpu

docker run -it \
  --gpus all \
  -p 8080:8080 \
  -v ~/.tabby:/data \
  tabbyml/tabby serve \
  --model StarCoder-1B \
  --device cuda

Étape 3 : Vérifier l'interface d'administration¶

Une fois le modèle chargé, Tabby expose une interface web sur le port 8080.

1. Ouvrez votre navigateur et accédez à l'URL suivante : http://localhost:8080 (ou l'IP de votre serveur).
2. Vous tomberez sur le panneau de contrôle de Tabby, confirmant que l'API est en ligne et prête à accepter des requêtes.

Étape 4 : Configurer votre éditeur (Exemple VS Code)¶

Pour exploiter Tabby, il faut relier votre IDE au serveur local.

1. Dans Visual Studio Code, ouvrez l'onglet Extensions (Ctrl+Shift+X).
2. Recherchez l'extension officielle Tabby (TabbyML.vscode-tabby) et installez-la.
3. Une fois installée, une icône Tabby apparaît dans la barre d'état en bas à droite.
4. Cliquez dessus, ouvrez les paramètres de l'extension et modifiez l'Endpoint pour indiquer l'URL de votre serveur local : http://localhost:8080
5. Vérifiez que la connexion est établie (l'icône devient active/verte).

Vérification¶

Pour tester l'efficacité de la complétion :

1. Créez un nouveau fichier app.py (ou app.js).
2. Écrivez un commentaire ou le début d'une fonction, par exemple :

# Fonction pour calculer la suite de Fibonacci
def fibonacci(n):

1. Attendez quelques secondes. L'IA devrait vous proposer la suite du code en gris (ghost text).
2. Appuyez sur Tab pour accepter la suggestion.

Ressources¶

• Dépôt GitHub de Tabby — Code source et documentation officielle de l'outil.
• Modèles disponibles — Liste des modèles IA supportés (StarCoder, CodeLlama, Deepseek, etc.) et recommandations matérielles.