Préchargement des modèles : warm + keep_alive + indicateur d'état

Évite le rechargement lent quand Ollama a déchargé le modèle de la VRAM :
- ollama_client.warm() : précharge un modèle (/api/generate sans prompt) ;
  chat() accepte keep_alive (durée de rétention en VRAM).
- agent.run_agent transmet keep_alive ; route chat le passe depuis la config.
- config : champ keep_alive (défaut 30m) par profil de modèle.
- routes/models : POST /api/models/warm, GET /api/models/loaded (placement
  GPU/CPU via /api/ps).
- main : préchargement du modèle par défaut au démarrage (arrière-plan,
  best-effort — n'empêche pas le démarrage si Ollama est absent).
- Frontend : préchargement automatique à la sélection d'un modèle, poll des
  modèles chargés (8s), pastille verte (GPU) / orange (CPU) / blanche (à
  charger) dans le sélecteur, réglage 'Maintien en VRAM' dans Configuration.

Tests : warm/loaded routes, keep_alive transmis, démarrage résilient sans
Ollama, build front.

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

backend/app/routes/chat.py

@@ -245,6 +245,7 @@ async def chat(req: ChatRequest) -> StreamingResponse:
                     enabled_tools=agent_config.enabled_tool_names(cfg),
                     confirm_shell=cfg.get("confirm_shell", True),
                     think=cfg.get("think", True),
+                    keep_alive=cfg.get("keep_alive", "30m"),
                 ):
                     await queue.put(event)
             except Exception as exc:

backend/app/routes/models.py

@@ -58,6 +58,42 @@ async def list_models() -> dict:
     return {"models": models, "default": settings.default_model}
 
 
+class WarmRequest(BaseModel):
+    name: str
+    keep_alive: str = "30m"
+
+
+@router.post("/models/warm")
+async def warm_model(req: WarmRequest) -> dict:
+    """Précharge un modèle en VRAM (préchargement)."""
+    if not req.name.strip():
+        raise HTTPException(400, "nom de modèle vide")
+    try:
+        await ollama.warm(req.name.strip(), req.keep_alive)
+    except (httpx.HTTPError, OSError) as exc:
+        raise HTTPException(502, f"préchargement impossible : {exc}") from exc
+    return {"warmed": req.name.strip()}
+
+
+@router.get("/models/loaded")
+async def loaded_models() -> dict:
+    """Modèles actuellement chargés en mémoire + placement GPU/CPU (/api/ps)."""
+    try:
+        loaded = await ollama.ps()
+    except (httpx.HTTPError, OSError):
+        return {"loaded": []}
+    result = []
+    for m in loaded:
+        size = m.get("size", 0) or 0
+        vram = m.get("size_vram", 0) or 0
+        result.append({
+            "name": m.get("name") or m.get("model"),
+            "on_gpu": bool(size and vram >= size * 0.99),
+            "gpu_percent": int(vram / size * 100) if size else 0,
+        })
+    return {"loaded": result}
+
+
 class PullRequest(BaseModel):
     name: str