Barre latérale de la maquette + contexte workspace conditionnel

Remaniement de la navigation selon « Loki App.dc.html » : le rail
d'icônes de 60 px et le panneau de sessions laissent place à UNE barre
latérale de 264 px — marque, navigation libellée (Demander, Historique,
Fichiers, Outils), section Configuration, état Ollama avec jauge VRAM et
carte de compte. La marque quitte la barre supérieure, qui ne garde que
le contexte de la conversation.

Les sessions restent accessibles par le sélecteur de la barre
supérieure, et les fichiers par la vue Fichiers.

Performance : l'inventaire du workspace n'est plus injecté à CHAQUE
message, seulement quand la demande touche au code ou qu'un travail de
code est en cours. Un simple « bonjour » partait avec des milliers de
jetons de contexte, d'où une longue phase de traitement avant le premier
jeton.

L'attente avant le premier jeton affiche désormais le modèle en cours de
chargement et le temps écoulé, au lieu de rester figée sur « Connexion à
Ollama… » sans distinguer lenteur et blocage.

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01SVay7z3y7q2gEe54ByAE6N

backend/app/routes/chat.py

@@ -14,6 +14,7 @@ import json
 import logging
 import os
 import re
+import time
 from contextlib import suppress
 
 from fastapi import APIRouter, HTTPException
@@ -61,6 +62,19 @@ def _apply_mode(cfg: dict, mode: str) -> dict:
     return cfg
 
 
+def _loading_message(model: str, seconds: float) -> str:
+    """Message d'attente avant le premier jeton (chargement du modèle)."""
+    waited = int(seconds)
+    delay = f"{waited // 60} min" if waited >= 60 else f"{waited} s"
+    text = f"Chargement de {model} en mémoire… ({delay})"
+    if waited >= 90:
+        # On CONSTATE l'attente sans présumer de la cause : selon la machine,
+        # un gros modèle peut se répartir sur plusieurs GPU, ou déborder sur
+        # le CPU. Le panneau Matériel donne le placement réel.
+        text += " — placement réel visible dans Réglages › Matériel."
+    return text
+
+
 def _merge_system(convo: list[dict], extras: list[str]) -> None:
     """Garantit UN SEUL message système, en première position.
 
@@ -415,16 +429,22 @@ async def chat(req: ChatRequest) -> StreamingResponse:
         # échouer toute la requête en 400.
         extras: list[str] = []
 
+        # La demande touche-t-elle au code / aux fichiers ? Calculé AVANT les
+        # injections : tout ce qui suit est conditionné à cette réponse.
+        is_code_like = use_code or msg_router.is_code_task(req.content)
+        needs_workspace = is_code_like or prev_code
+
         if memories:
             extras.append(
                 "Souvenirs pertinents d'anciennes sessions :\n"
                 + "\n---\n".join(memories)
             )
 
-        # État du workspace injecté chaque tour : sans ça le modèle ignore
-        # quels fichiers existent et régurgite du code en chat au lieu de
-        # modifier le bon fichier.
-        listing = _workspace_listing()
+        # État du workspace : indispensable pour travailler sur les fichiers,
+        # mais inutile pour une simple discussion. On l'injectait à CHAQUE
+        # message — un « bonjour » partait avec des milliers de jetons de
+        # contexte, donc une longue phase de traitement avant le 1er jeton.
+        listing = _workspace_listing() if needs_workspace else []
         if listing:
             recap, session_files = _session_code_context(history)
             parts = ["Fichiers du workspace : " + ", ".join(listing)]
@@ -458,7 +478,6 @@ async def chat(req: ChatRequest) -> StreamingResponse:
 
         # Ponytail : méthode « code minimal » injectée pour toute tâche de code
         # (les deux chemins). Contre la sur-ingénierie qui casse les rendus.
-        is_code_like = use_code or msg_router.is_code_task(req.content)
         if cfg.get("ponytail", True) and is_code_like:
             extras.append(skills.PONYTAIL_GUIDANCE)
 
@@ -574,6 +593,8 @@ async def chat(req: ChatRequest) -> StreamingResponse:
                 await queue.put(None)
 
         producer = asyncio.create_task(produce_events())
+        started = time.monotonic()
+        got_event = False
         try:
             while True:
                 try:
@@ -582,8 +603,18 @@ async def chat(req: ChatRequest) -> StreamingResponse:
                     # Empêche OpenResty/Nginx/Cloudflare de fermer le SSE pendant
                     # le chargement parfois long d'un modèle Ollama.
                     yield _sse("ping", {"status": "waiting"})
+                    # …et DIT ce qui se passe : sans ça, l'interface restait sur
+                    # « Connexion à Ollama… » pendant tout le chargement d'un
+                    # gros modèle, sans moyen de distinguer lenteur et blocage.
+                    if not got_event:
+                        yield _sse("status", {
+                            "message": _loading_message(
+                                model, time.monotonic() - started
+                            )
+                        })
                     continue
 
+                got_event = True
                 if ev is None:
                     break