Fix chargement modèles : préchargement avec les mêmes options + alerte VRAM

Recherche : un modèle plus gros que la VRAM (ex. qwen3.6:35b-a3b ~20 Go sur
16 Go) déborde sur le CPU et charge lentement ; et le préchargement chargeait
un runner aux options par défaut, aussitôt rechargé par le 1er message avec un
num_ctx différent — double chargement d'un gros modèle.

- ollama_client.warm : accepte et transmet les options de génération.
- routes/models : start_model_warm calcule les options depuis la config du
  modèle (ollama_options) et les passe au warm -> runner identique au chat,
  plus de rechargement. Après chargement, détecte le placement via /api/ps
  (gpu/cpu/mixte + %) et l'expose dans l'état de warm.
- Frontend : warmModel renvoie l'état ; si le modèle se charge sur CPU/mixte,
  message d'alerte clair (trop gros pour la VRAM, choisir plus petit/quant).

Tests : options transmises au warm, placement 'mixte 65%' détecté, builds OK.

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

frontend/src/api/client.ts

@@ -99,6 +99,8 @@ async function apiError(res: Response, fallback: string): Promise<Error> {
 interface WarmStatus {
   state: "idle" | "loading" | "loaded" | "error";
   error?: string;
+  processor?: "gpu" | "cpu" | "mixte";
+  gpu_percent?: string;
 }
 
 const wait = (ms: number) => new Promise((resolve) => setTimeout(resolve, ms));
@@ -107,7 +109,10 @@ const wait = (ms: number) => new Promise((resolve) => setTimeout(resolve, ms));
  * Lance le préchargement en arrière-plan puis suit son état. Chaque requête
  * reste courte afin qu'un reverse proxy ne puisse plus interrompre le warm-up.
  */
-export async function warmModel(name: string, keepAlive = "30m"): Promise<void> {
+export async function warmModel(
+  name: string,
+  keepAlive = "30m"
+): Promise<WarmStatus> {
   const res = await fetch("/api/models/warm", {
     method: "POST",
     headers: { "Content-Type": "application/json" },
@@ -126,7 +131,7 @@ export async function warmModel(name: string, keepAlive = "30m"): Promise<void>
       throw await apiError(statusRes, `suivi du préchargement refusé (${statusRes.status})`);
     }
     const status = (await statusRes.json()) as WarmStatus;
-    if (status.state === "loaded") return;
+    if (status.state === "loaded") return status;
     if (status.state === "error") {
       throw new Error(status.error ?? "préchargement impossible");
     }

frontend/src/store/useStore.ts

@@ -159,8 +159,20 @@ export const useStore = create<LokiState>((set, get) => ({
         // La configuration est propre au modèle : on attend son chargement avant
         // d'utiliser keep_alive, sinon la valeur du modèle précédent est envoyée.
         const ka = get().config?.keep_alive ?? "30m";
-        await warmModel(name, ka);
+        const st = await warmModel(name, ka);
         await get().refreshLoadedModels();
+        // Modèle chargé hors GPU : prévenir (souvent trop gros pour la VRAM).
+        if (
+          (st.processor === "cpu" || st.processor === "mixte") &&
+          get().selectedModel === name
+        ) {
+          set({
+            warmError:
+              st.processor === "cpu"
+                ? "Modèle chargé sur le CPU (trop gros pour la VRAM) — lent. Choisis un modèle plus petit ou une quantization plus légère."
+                : `Modèle en partie sur GPU (${st.gpu_percent ?? "?"}%) : dépasse la VRAM, chargement plus lent.`,
+          });
+        }
       } catch (err) {
         if (get().selectedModel === name) {
           set({