{"id":2535,"date":"2026-09-01T20:12:15","date_gmt":"2026-09-01T20:12:15","guid":{"rendered":"https:\/\/convly.ai\/?p=2535"},"modified":"2026-09-01T20:12:15","modified_gmt":"2026-09-01T20:12:15","slug":"ollama-windows","status":"publish","type":"post","link":"https:\/\/convly.ai\/fr\/ollama-windows\/","title":{"rendered":"Ollama pour Windows : Guide d\u2019installation et instructions de configuration"},"content":{"rendered":"<div class=\"convly-tldr\"><strong>En bref :<\/strong><\/p>\n<ul>\n<li>T\u00e9l\u00e9chargez l\u2019installeur officiel depuis <code>ollama.com\/download<\/code>, ex\u00e9cutez-le, et Ollama s\u2019installe en tant que service en arri\u00e8re-plan<\/li>\n<li>N\u00e9cessite Windows 10 ou version ult\u00e9rieure et au moins 8 Go de RAM ; les GPU NVIDIA\/AMD sont d\u00e9tect\u00e9s automatiquement pour l\u2019acc\u00e9l\u00e9ration<\/li>\n<li>Ex\u00e9cutez les mod\u00e8les avec la commande <code>ex\u00e9cuter<\/code> dans l\u2019invite de commandes ou PowerShell \u2014 aucune configuration suppl\u00e9mentaire n\u2019est n\u00e9cessaire<\/li>\n<li>Les mod\u00e8les sont install\u00e9s par d\u00e9faut dans le dossier <code>%USERPROFILE%.ollamamodels<\/code> ; vous pouvez modifier ce chemin via la variable d\u2019environnement <code>OLLAMA_MODELS<\/code> (OLLAMA_MODELS)<\/li>\n<\/ul>\n<\/div>\n<p>Ollama on Windows is a native application that runs large language models locally without Docker or WSL2. The Windows installer sets up Ollama as a system service that starts automatically and provides GPU acceleration through DirectML and CUDA. Installation takes under two minutes, and you can run models like Llama 3.3 70B or Mistral 7B immediately from the command line.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_86 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a97567ea0384\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Basculer<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #000000;color:#000000\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #000000;color:#000000\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a97567ea0384\"  aria-label=\"Basculer\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/convly.ai\/fr\/ollama-windows\/#System_Requirements_for_Ollama_on_Windows\" >Configuration requise pour Ollama sous Windows<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/fr\/ollama-windows\/#Installing_Ollama_on_Windows\" >Installation d\u2019Ollama sous Windows<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/fr\/ollama-windows\/#GPU_Support_and_Detection\" >Prise en charge et d\u00e9tection des GPU<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/fr\/ollama-windows\/#Running_Your_First_Model\" >Ex\u00e9cution de votre premier mod\u00e8le<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/fr\/ollama-windows\/#Configuration_and_Environment_Variables\" >Configuration et variables d\u2019environnement<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/fr\/ollama-windows\/#Performance_Tuning\" >Optimisation des performances<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/fr\/ollama-windows\/#Integrating_with_Applications\" >Int\u00e9gration avec des applications<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/fr\/ollama-windows\/#Frequently_Asked_Questions\" >Questions fr\u00e9quemment pos\u00e9es<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/convly.ai\/fr\/ollama-windows\/#Next_Steps\" >\u00c9tapes suivantes<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"System_Requirements_for_Ollama_on_Windows\"><\/span>Configuration requise pour Ollama sous Windows<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama n\u00e9cessite Windows 10 (version 1903 ou ult\u00e9rieure) ou Windows 11. Les sp\u00e9cifications mat\u00e9rielles minimales sont les suivantes :<\/p>\n<table>\n<thead>\n<tr>\n<th>Composant<\/th>\n<th>Minimum<\/th>\n<th>Recommand\u00e9<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Syst\u00e8me d\u2019exploitation<\/td>\n<td>Windows 10 (1903+)<\/td>\n<td>Windows 11<\/td>\n<\/tr>\n<tr>\n<td>RAM<\/td>\n<td>8 Go<\/td>\n<td>16 Go ou plus<\/td>\n<\/tr>\n<tr>\n<td>Espace disque<\/td>\n<td>10 Go libres<\/td>\n<td>50 Go ou plus pour plusieurs mod\u00e8les<\/td>\n<\/tr>\n<tr>\n<td>GPU (facultatif)<\/td>\n<td>NVIDIA GTX 1050 ou \u00e9quivalent AMD<\/td>\n<td>NVIDIA RTX 3060 12 Go ou sup\u00e9rieur<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>L\u2019acc\u00e9l\u00e9ration GPU fonctionne avec les GPU NVIDIA (CUDA 11.8 ou ult\u00e9rieur) et les GPU AMD r\u00e9cents (via ROCm sous Windows). L\u2019installeur inclut toutes les biblioth\u00e8ques GPU n\u00e9cessaires ; vous n\u2019avez donc pas besoin d\u2019installer CUDA s\u00e9par\u00e9ment. En l\u2019absence de GPU, Ollama revient \u00e0 l\u2019inf\u00e9rence CPU, qui est 5 \u00e0 10 fois plus lente, mais reste fonctionnelle pour les mod\u00e8les plus petits.<\/p>\n<p>La taille du mod\u00e8le d\u00e9termine les besoins r\u00e9els en m\u00e9moire vive (RAM) ou en m\u00e9moire vid\u00e9o (VRAM). Par exemple, <a href=\"https:\/\/convly.ai\/fr\/models\/\">Mistral 7B<\/a> n\u00e9cessite environ 4,5 Go de VRAM en quantification 4 bits, tandis que Llama 3.3 70B requiert environ 40 Go. Consultez la <a href=\"https:\/\/convly.ai\/fr\/llm-vram-calculator\/\">Calculateur de VRAM<\/a> fiche technique du mod\u00e8le<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Installing_Ollama_on_Windows\"><\/span>Installation d\u2019Ollama sous Windows<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>L\u2019installeur Windows officiel est un ex\u00e9cutable unique qui g\u00e8re toutes les d\u00e9pendances :<\/p>\n<ol>\n<li>T\u00e9l\u00e9charger <code>OllamaSetup.exe<\/code> \u00e0 partir de <a href=\"https:\/\/ollama.com\/download\" rel=\"noopener\" target=\"_blank\">ollama.com\/download<\/a><\/li>\n<li>Ex\u00e9cutez l\u2019installeur \u2014 des privil\u00e8ges d\u2019administrateur sont requis<\/li>\n<li>Acceptez la licence et cliquez sur Installer (l\u2019emplacement par d\u00e9faut est <code>C:\\Program Files\\Ollama<\/code>)<\/li>\n<li>L\u2019installation se termine en 30 \u00e0 60 secondes et d\u00e9marre automatiquement le service Ollama<\/li>\n<\/ol>\n<p>Apr\u00e8s l\u2019installation, ouvrez l\u2019invite de commandes ou PowerShell et v\u00e9rifiez le bon fonctionnement avec la commande :<\/p>\n<pre><code>ollama --version<\/code><\/pre>\n<p>Vous devriez voir un r\u00e9sultat similaire \u00e0 <code>ollama version 0.x.x<\/code>. Le service Ollama s\u2019ex\u00e9cute en arri\u00e8re-plan \u2014 vous verrez une ic\u00f4ne Ollama dans la zone de notification d\u00e8s qu\u2019il est actif.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"GPU_Support_and_Detection\"><\/span>Prise en charge et d\u00e9tection des GPU<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama d\u00e9tecte et utilise automatiquement les GPU disponibles sous Windows. Pour confirmer que l\u2019acc\u00e9l\u00e9ration GPU fonctionne :<\/p>\n<pre><code>ollama run llama3.3:70b \"test\"<\/code><\/pre>\n<p>Pendant le chargement du mod\u00e8le, surveillez le Gestionnaire des t\u00e2ches (onglet Performances). Si une utilisation GPU appara\u00eet sous \u00ab GPU 0 \u00bb ou \u00ab GPU 1 \u00bb, l\u2019acc\u00e9l\u00e9ration est active. La premi\u00e8re ex\u00e9cution t\u00e9l\u00e9charge le mod\u00e8le (5 \u00e0 40 Go selon sa taille) vers <code>%USERPROFILE%.ollamamodels<\/code>C:\\Users\\\\AppData\\Local\\Programs\\Ollama\\models<\/p>\n<p>Les utilisateurs de GPU NVIDIA \u00e9quip\u00e9s d\u2019une RTX 3060 ou d\u2019un mod\u00e8le plus r\u00e9cent obtiennent les meilleures performances gr\u00e2ce \u00e0 leurs 12 Go de VRAM ou plus et aux optimisations architecturales Ampere\/Ada. La prise en charge des GPU AMD sous Windows progresse, mais reste encore inf\u00e9rieure \u00e0 celle de NVIDIA \u2014 pr\u00e9voyez une inf\u00e9rence 20 \u00e0 30 % plus lente sur du mat\u00e9riel AMD \u00e9quivalent. Les GPU Intel Arc ne sont pas officiellement pris en charge \u00e0 ce jour (septembre 2026).<\/p>\n<p>Si Ollama ne d\u00e9tecte pas votre GPU, v\u00e9rifiez que vos pilotes sont \u00e0 jour (NVIDIA : 537.13 ou ult\u00e9rieur ; AMD : Adrenalin 23.11 ou ult\u00e9rieur). Les messages d\u2019erreur d\u2019Ollama indiquent g\u00e9n\u00e9ralement si le GPU a \u00e9t\u00e9 ignor\u00e9 en raison d\u2019un manque de VRAM ou de pilotes absents.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Running_Your_First_Model\"><\/span>Ex\u00e9cution de votre premier mod\u00e8le<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Le <code>ollama run<\/code> la commande t\u00e9l\u00e9charge, charge et d\u00e9marre une session interactive avec un mod\u00e8le :<\/p>\n<pre><code>ollama run phi4<\/code><\/pre>\n<p>This downloads Microsoft&#8217;s Phi-4 (approximately 9 GB VRAM at 4-bit quantization) and opens a chat prompt. Type your question, press Enter, and the model responds locally. Exit with <code>\/bye<\/code> exit<\/p>\n<p>Mod\u00e8les courants \u00e0 essayer sur du mat\u00e9riel Windows :<\/p>\n<table>\n<thead>\n<tr>\n<th>Mod\u00e8le<\/th>\n<th>VRAM (4 bits)<\/th>\n<th>Id\u00e9al pour<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Mistral 7B<\/td>\n<td>~4,5 Go<\/td>\n<td>T\u00e2ches g\u00e9n\u00e9rales, r\u00e9ponses rapides<\/td>\n<\/tr>\n<tr>\n<td>Llama 3.1 8B<\/td>\n<td>~5 Go<\/td>\n<td>Qualit\u00e9 et vitesse \u00e9quilibr\u00e9es<\/td>\n<\/tr>\n<tr>\n<td>Phi-4<\/td>\n<td>~9 Go<\/td>\n<td>Raisonnement, taille compacte<\/td>\n<\/tr>\n<tr>\n<td>Llama 3.3 70B<\/td>\n<td>~40 Go<\/td>\n<td>GPU haut de gamme, meilleure qualit\u00e9<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Parcourez les mod\u00e8les disponibles sur <a href=\"https:\/\/convly.ai\/fr\/ollama-models-list-2026\/\">Liste des mod\u00e8les Ollama<\/a> ou recherchez dans la biblioth\u00e8que \u00e0 l\u2019aide de <code>ollama list<\/code> apr\u00e8s avoir t\u00e9l\u00e9charg\u00e9 au moins un mod\u00e8le.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Configuration_and_Environment_Variables\"><\/span>Configuration et variables d\u2019environnement<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama lit sa configuration depuis les variables d\u2019environnement Windows. D\u00e9finissez-les dans Propri\u00e9t\u00e9s syst\u00e8me \u2192 Variables d\u2019environnement ou dans PowerShell avec <code>$env:VARIABLE_NAME<\/code>.<\/p>\n<p>Variables cl\u00e9s :<\/p>\n<ul>\n<li><strong>OLLAMA_MODELS<\/strong>: r\u00e9pertoire de stockage des mod\u00e8les (par d\u00e9faut : <code>%USERPROFILE%.ollamamodels<\/code>). Modifiez cette valeur si votre lecteur C\u00a0: manque d\u2019espace.<\/li>\n<li><strong>OLLAMA_HOST<\/strong>: adresse du serveur (par d\u00e9faut : <code>127.0.0.1:11434<\/code>). D\u00e9finissez-la sur <code>0.0.0.0:11434<\/code> pour autoriser les connexions r\u00e9seau.<\/li>\n<li><strong>OLLAMA_NUM_PARALLEL<\/strong>: nombre de requ\u00eates simultan\u00e9es (par d\u00e9faut : 1). Augmentez cette valeur si vous desservez plusieurs clients.<\/li>\n<li><strong>OLLAMA_MAX_LOADED_MODELS<\/strong>: nombre de mod\u00e8les conserv\u00e9s en VRAM (par d\u00e9faut : 1). R\u00e9glez-la \u00e0 2 ou plus si vous disposez de 24\u00a0Go de VRAM ou plus et souhaitez basculer instantan\u00e9ment entre mod\u00e8les.<\/li>\n<\/ul>\n<p>Apr\u00e8s avoir modifi\u00e9 les variables d\u2019environnement, red\u00e9marrez le service Ollama depuis l\u2019application Services (Win+R, tapez <code>services.msc<\/code>, localisez Ollama, cliquez avec le bouton droit puis s\u00e9lectionnez Red\u00e9marrer) ou red\u00e9marrez l\u2019ordinateur.<\/p>\n<p>Pour d\u00e9placer les mod\u00e8les vers un autre disque, d\u00e9finissez OLLAMA_MODELS, puis red\u00e9marrez le service. Les mod\u00e8les existants doivent \u00eatre \u00e0 nouveau t\u00e9l\u00e9charg\u00e9s \u2014 Ollama ne les migre pas automatiquement.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Performance_Tuning\"><\/span>Optimisation des performances<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La vitesse d\u2019inf\u00e9rence d\u00e9pend de la quantit\u00e9 de VRAM, de la taille du mod\u00e8le et du niveau de quantification. Un mod\u00e8le de 7 milliards de param\u00e8tres quantifi\u00e9 en 4 bits g\u00e9n\u00e8re 30 \u00e0 60 jetons par seconde sur une RTX 3060, tandis que les mod\u00e8les de 70 milliards de param\u00e8tres tombent \u00e0 3 \u00e0 8 jetons par seconde, sauf si vous disposez de 48\u00a0Go de VRAM ou plus r\u00e9partis sur plusieurs GPU.<\/p>\n<p>Les configurations multi-GPU fonctionnent automatiquement \u2014 Ollama r\u00e9partit les couches du mod\u00e8le sur les GPU d\u00e9tect\u00e9s. Par exemple, deux RTX 3090 (24\u00a0Go chacune) peuvent ex\u00e9cuter Llama 3.3 70B \u00e0 une vitesse acceptable, alors qu\u2019une seule RTX 3090 serait contrainte de d\u00e9charger certaines couches en m\u00e9moire syst\u00e8me, entra\u00eenant une forte d\u00e9gradation des performances.<\/p>\n<p>Si les performances sont inf\u00e9rieures aux attentes :<\/p>\n<ul>\n<li>V\u00e9rifiez le Gestionnaire des t\u00e2ches pendant l\u2019inf\u00e9rence \u2014 une utilisation du processeur sup\u00e9rieure \u00e0 30 % signifie que le mod\u00e8le est partiellement charg\u00e9 en m\u00e9moire syst\u00e8me en raison d\u2019un manque de VRAM<\/li>\n<li>Essayez une quantification plus faible (par exemple, <code>ollama pull mistral:7b-instruct-q4_K_M<\/code> au lieu de la quantification par d\u00e9faut Q8)<\/li>\n<li>Fermez les autres applications utilisant le GPU (navigateurs avec acc\u00e9l\u00e9ration mat\u00e9rielle, jeux vid\u00e9o, logiciels de montage vid\u00e9o)<\/li>\n<li>Mettez \u00e0 jour les pilotes GPU \u2014 les versions r\u00e9centes des pilotes NVIDIA am\u00e9liorent la vitesse d\u2019inf\u00e9rence de 5 \u00e0 10 % par rapport \u00e0 des versions \u00e2g\u00e9es de six mois<\/li>\n<\/ul>\n<p>Pour les mises \u00e0 niveau mat\u00e9rielles, consultez le <a href=\"https:\/\/convly.ai\/fr\/best-gpus-for-local-llms-2026\/\">meilleures GPU pour les LLM locaux<\/a> guide comparatif du rapport prix\/performance entre les options NVIDIA et AMD.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Integrating_with_Applications\"><\/span>Int\u00e9gration avec des applications<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama expose une API REST sur <code>localhost:11434<\/code> compatible avec la structure d\u2019API OpenAI. Les applications prenant en charge des points de terminaison compatibles OpenAI peuvent facilement \u00eatre redirig\u00e9es vers Ollama avec des modifications minimales.<\/p>\n<p>Exemple de commande curl pour g\u00e9n\u00e9rer du texte :<\/p>\n<pre><code>curl http:\/\/localhost:11434\/api\/generate -d '{\n  \"model\": \"mistral\",\n  \"prompt\": \"Expliquez Docker en une phrase\"\n}'<\/code><\/pre>\n<p>Parmi les int\u00e9grations populaires figurent Open WebUI (interface web), Continue.dev (extension VS Code) et LangChain (Python). Le service Ollama doit \u00eatre en cours d\u2019ex\u00e9cution pour que les appels API fonctionnent \u2014 il d\u00e9marre automatiquement au d\u00e9marrage par d\u00e9faut.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Frequently_Asked_Questions\"><\/span>Questions fr\u00e9quemment pos\u00e9es<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h3>Ollama n\u00e9cessite-t-il WSL2 ou Docker sous Windows ?<\/h3>\n<p>Non. L\u2019installeur Windows est une application native qui ex\u00e9cute Ollama en tant que service Windows, sans virtualisation ni conteneur. Les versions ant\u00e9rieures n\u00e9cessitaient Docker, mais la version native pour Windows, publi\u00e9e fin 2024, a supprim\u00e9 cette d\u00e9pendance. Si vous avez install\u00e9 Ollama avant novembre 2024, d\u00e9sinstallez la version bas\u00e9e sur Docker et t\u00e9l\u00e9chargez l\u2019installeur natif actuel.<\/p>\n<h3>Puis-je utiliser Ollama hors ligne apr\u00e8s avoir t\u00e9l\u00e9charg\u00e9 des mod\u00e8les ?<\/h3>\n<p>Oui. Une fois qu\u2019un mod\u00e8le a \u00e9t\u00e9 t\u00e9l\u00e9charg\u00e9 via <code>ollama pull &lt;mod\u00e8le&gt;<\/code>, il est stock\u00e9 localement et s\u2019ex\u00e9cute sans acc\u00e8s Internet. La seule exigence r\u00e9seau concerne le t\u00e9l\u00e9chargement initial \u2014 les mod\u00e8les varient de 2 Go (petits mod\u00e8les de 7 milliards de param\u00e8tres) \u00e0 plus de 80 Go (grands mod\u00e8les de 70 milliards de param\u00e8tres ou plus). Une fois t\u00e9l\u00e9charg\u00e9s, vous pouvez vous d\u00e9connecter du r\u00e9seau sans affecter le fonctionnement normal d\u2019Ollama.<\/p>\n<h3>Quel est le co\u00fbt d\u2019ex\u00e9cution des mod\u00e8les Ollama par rapport aux API ?<\/h3>\n<p>Ollama is free\u2014you pay only for hardware and electricity. Compare this to API costs: Claude Sonnet 5 charges $2.00 per million input tokens, so 10 million tokens (roughly 7.5 million words) costs $20. A self-hosted setup breaks even quickly if you process significant volume. Use the <a href=\"https:\/\/convly.ai\/fr\/self-hosting-vs-api-calculator\/\">calculateur auto-h\u00e9bergement vs API<\/a> calculateur de seuil de rentabilit\u00e9<\/p>\n<h3>Quels mod\u00e8les fonctionnent le mieux sur les GPU grand public ?<\/h3>\n<p>Pour les GPU disposant de 8 \u00e0 12 Go de VRAM (RTX 3060, 4060 Ti), Mistral 7B (~4,5 Go en quantification 4 bits), Llama 3.1 8B (~5 Go) et Phi-4 (~9 Go) offrent d\u2019excellents rapports qualit\u00e9\/performance. Si vous disposez de 16 \u00e0 24 Go de VRAM (RTX 3090, 4090), Mistral NeMo 12B (~7,5 Go) et m\u00eame Llama 3.3 70B (~40 Go avec une quantification agressive ou un d\u00e9chargement partiel) deviennent viables. Consultez <a href=\"https:\/\/convly.ai\/fr\/vram-requirements-every-major-llm-2026\/\">Exigences en VRAM selon le mod\u00e8le<\/a> le tableau comparatif complet<\/p>\n<h3>Ollama peut-il utiliser simultan\u00e9ment des GPU NVIDIA et AMD ?<\/h3>\n<p>Non. Ollama utilise soit CUDA (NVIDIA), soit ROCm (AMD), selon ce qu\u2019il d\u00e9tecte en premier, mais il ne peut pas m\u00e9langer plusieurs backends GPU au sein d\u2019une m\u00eame session. Si vous disposez \u00e0 la fois de GPU NVIDIA et AMD, Ollama privil\u00e9gie NVIDIA. La prise en charge multi-GPU ne fonctionne que lorsque tous les GPU utilisent la m\u00eame pile de pilotes \u2014 deux cartes NVIDIA ou deux cartes AMD, mais pas une de chaque.<\/p>\n<h3>How do I uninstall Ollama from Windows?<\/h3>\n<p>Ouvrez Param\u00e8tres \u2192 Applications \u2192 Applications install\u00e9es, trouvez Ollama, puis cliquez sur D\u00e9sinstaller. Cette op\u00e9ration supprime l\u2019application et le service, mais laisse les mod\u00e8les dans <code>arr\u00eatez et d\u00e9sactivez le service, supprimez<\/code>. Supprimez ce dossier manuellement pour lib\u00e9rer de l\u2019espace disque. Si le service ne s\u2019arr\u00eate pas lors de la d\u00e9sinstallation, ouvrez le Gestionnaire des t\u00e2ches, rep\u00e9rez OllamaService.exe sous Processus en arri\u00e8re-plan, terminez-le, puis r\u00e9essayez.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Next_Steps\"><\/span>\u00c9tapes suivantes<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Apr\u00e8s avoir install\u00e9 Ollama sur Windows, explorez la biblioth\u00e8que compl\u00e8te de mod\u00e8les sur <a href=\"https:\/\/convly.ai\/fr\/what-is-ollama-complete-guide-2026\/\">Guide complet d\u2019Ollama<\/a> pour comprendre comment le choix du mod\u00e8le, la quantification et la fen\u00eatre de contexte influencent la qualit\u00e9. Pour les charges de travail en production, calculez les co\u00fbts r\u00e9currents des API par rapport \u00e0 l\u2019auto-h\u00e9bergement \u00e0 l\u2019aide du <a href=\"https:\/\/convly.ai\/fr\/ai-api-cost-calculator\/\">Calculateur de co\u00fbts d\u2019API<\/a> calculateur de seuil de rentabilit\u00e9<\/p>","protected":false},"excerpt":{"rendered":"<p>TL;DR:Download the official installer from ollama.com\/download, run it, and Ollama installs as a background service Requires Windows 10+ and 8 [\u2026]<\/p>\n","protected":false},"author":1,"featured_media":2536,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[7],"tags":[],"class_list":["post-2535","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-news"],"_links":{"self":[{"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/posts\/2535","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/comments?post=2535"}],"version-history":[{"count":1,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/posts\/2535\/revisions"}],"predecessor-version":[{"id":2537,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/posts\/2535\/revisions\/2537"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/media\/2536"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/media?parent=2535"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/categories?post=2535"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/tags?post=2535"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}