Utiliser les modèles DeepSeek dans Cursor : Guide de configuration complet

Les modèles DeepSeek offrent de puissantes capacités de raisonnement à des prix compétitifs. Cursor prend en charge l'intégration DeepSeek via plusieurs méthodes, du support API natif au déploiement local via Ollama. Ce guide couvre toutes les approches pour faire fonctionner DeepSeek dans votre workflow Cursor.

Modèles DeepSeek disponibles

Modèle	Contexte	Idéal pour	Support Cursor
DeepSeek V3	64K	Codage général, chat	Natif
DeepSeek R1	64K	Raisonnement, mathématiques, logique	Natif
DeepSeek V4	128K	Analyse complexe	Via Ollama/Proxy
DeepSeek Coder	16K	Tâches spécifiques au code	Via OpenRouter

Méthode 1 : Support natif DeepSeek (Recommandé)

Cursor dispose d'un support natif pour DeepSeek V3 et R1.

Étape 1 : Obtenir une clé API

1. Visitez DeepSeek Platform
2. Créez un compte ou connectez-vous
3. Naviguez vers "API Keys"
4. Générez une nouvelle clé et copiez-la

Étape 2 : Configurer dans Cursor

1. Ouvrez les paramètres de Cursor (Cmd/Ctrl + ,)
2. Allez dans "Models" ou "AI Features"
3. Trouvez "Custom API Key" ou "Add Provider"
4. Sélectionnez "DeepSeek" comme fournisseur
5. Collez votre clé API
6. Enregistrez les paramètres

Étape 3 : Sélectionner le modèle DeepSeek

Dans n'importe quel chat ou session Composer :

1. Cliquez sur le sélecteur de modèle (haut du chat)
2. Choisissez "DeepSeek V3" ou "DeepSeek R1"
3. Commencez à coder

Méthode 2 : Utiliser DeepSeek via OpenRouter

Pour les modèles non pris en charge nativement, utilisez OpenRouter comme pont.

Configuration

1. Obtenez une clé API OpenRouter
2. Dans les paramètres de Cursor, ajoutez OpenRouter comme fournisseur :

{
  "customModels": [
    {
      "name": "deepseek/deepseek-chat",
      "provider": "openrouter",
      "apiKey": "your-openrouter-key"
    }
  ]
}

Modèles DeepSeek OpenRouter disponibles

deepseek/deepseek-chat          # DeepSeek V3
deepseek/deepseek-reasoner     # DeepSeek R1
deepseek/deepseek-coder        # DeepSeek Coder

Méthode 3 : DeepSeek local avec Ollama

Exécutez DeepSeek localement pour la confidentialité et l'utilisation hors ligne.

Installer Ollama

# macOS
brew install ollama

# Linux
curl -fsSL https://ollama.com/install.sh | sh

# Windows
# Téléchargez depuis https://ollama.com/download

Télécharger le modèle DeepSeek

# DeepSeek Coder (recommandé pour le codage)
ollama pull deepseek-coder:6.7b

# Pour un contexte plus large (nécessite plus de RAM)
ollama pull deepseek-coder:33b

Configurer Cursor pour Ollama

1. Assurez-vous qu'Ollama est en cours d'exécution :

ollama serve

2. Dans les paramètres de Cursor, ajoutez le modèle local :

{
  "customModels": [
    {
      "name": "deepseek-coder",
      "provider": "ollama",
      "baseUrl": "http://localhost:11434"
    }
  ]
}

Dépannage de la connexion Ollama

Si Cursor ne peut pas se connecter à Ollama :

# Vérifier qu'Ollama est en cours d'exécution
curl http://localhost:11434/api/tags

# Définir la variable d'environnement pour l'hôte Ollama
export OLLAMA_HOST=0.0.0.0

# Sur macOS, autoriser l'accès réseau
launchctl setenv OLLAMA_HOST "0.0.0.0"

Méthode 4 : DeepSeek V4 via proxy LiteLLM

Pour DeepSeek V4 Pro (cloud), utilisez LiteLLM comme proxy.

Configurer LiteLLM

pip install litellm

Créez litellm_config.yaml :

model_list:
  - model_name: deepseek-v4
    litellm_params:
      model: deepseek/deepseek-chat-v4
      api_key: os.environ/DEEPSEEK_API_KEY

Exécutez le proxy :

litellm --config litellm_config.yaml --port 8000

Configurer Cursor

{
  "customModels": [
    {
      "name": "deepseek-v4",
      "provider": "openai-compatible",
      "apiKey": "sk-any",
      "baseUrl": "http://localhost:8000"
    }
  ]
}

Gestion du contenu de raisonnement

DeepSeek R1 produit un contenu de raisonnement qui nécessite un traitement spécial.

Le problème

R1 retourne à la fois le raisonnement et la réponse finale :

{
  "choices": [{
    "message": {
      "content": "Réponse finale ici...",
      "reasoning_content": "Laissez-moi réfléchir... Étape 1... Étape 2..."
    }
  }]
}

Solution : Filtrer avec un proxy

Utilisez un proxy simple pour supprimer le contenu de raisonnement :

# deepseek_proxy.py
from flask import Flask, request, Response
import requests

app = Flask(__name__)

@app.route('/v1/chat/completions', methods=['POST'])
def proxy():
    resp = requests.post(
        'https://api.deepseek.com/v1/chat/completions',
        headers={'Authorization': f'Bearer {API_KEY}'},
        json=request.get_json()
    )
    data = resp.json()
    # Supprimer reasoning_content
    for choice in data.get('choices', []):
        msg = choice.get('message', {})
        msg.pop('reasoning_content', None)
    return Response(
        json.dumps(data),
        mimetype='application/json'
    )

Optimiser DeepSeek pour le codage

Prompt système

Ajoutez ceci à vos règles Cursor pour de meilleures performances DeepSeek :

Lors de l'utilisation des modèles DeepSeek :
- Soyez explicite sur les chemins de fichiers et les numéros de ligne
- Demandez un raisonnement étape par étape pour les tâches complexes
- Utilisez des formats de sortie structurés (JSON, tableaux markdown)
- Spécifiez la longueur de réponse attendue

Paramètres de température

Tâche	Température recommandée
Génération de code	0.1 - 0.3
Débogage	0.2 - 0.4
Exploration créative	0.5 - 0.7
Revue de code	0.1 - 0.2

Comparaison des coûts

Modèle	Entrée/1M tokens	Sortie/1M tokens
DeepSeek V3	$0.14	$0.28
DeepSeek R1	$0.55	$2.19
GPT-4o	$5.00	$15.00
Claude 3.5 Sonnet	$3.00	$15.00

Prix à partir de 2026. DeepSeek est significativement plus rentable.

Dépannage

Problème	Solution
"Modèle non disponible"	Vérifiez que la clé API est valide et a des crédits
Réponses lentes	Utilisez un modèle plus petit ou activez le streaming
Contenu de raisonnement visible	Utilisez un proxy ou un filtre (voir ci-dessus)
Connexion Ollama refusée	Assurez-vous qu'Ollama est en cours d'exécution et que le port est accessible
Sortie en chinois	Ajoutez "Respond in English" à votre prompt

Référence rapide

# Tester l'API DeepSeek
curl https://api.deepseek.com/v1/chat/completions \
  -H "Authorization: Bearer $DEEPSEEK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "deepseek-chat",
    "messages": [{"role": "user", "content": "Hello"}]
  }'

# Lister les modèles Ollama
ollama list

# Vérifier le statut Ollama
curl http://localhost:11434/api/tags

Ressources connexes

• Comment utiliser des modèles personnalisés dans Cursor
• Guide de sélection de modèle Cursor
• Configuration LLM locale Cursor