{"id":792,"date":"2026-06-06T01:59:16","date_gmt":"2026-06-06T01:59:16","guid":{"rendered":"https:\/\/convly.ai\/what-is-ollama-complete-guide-2026\/"},"modified":"2026-10-22T01:40:44","modified_gmt":"2026-10-22T01:40:44","slug":"what-is-ollama-complete-guide-2026","status":"publish","type":"post","link":"https:\/\/convly.ai\/fr\/what-is-ollama-complete-guide-2026\/","title":{"rendered":"Qu'est-ce que Ollama ? Le guide complet pour ex\u00e9cuter des LLM localement en 2026"},"content":{"rendered":"<p>Si vous vous \u00eates un tant soit peu int\u00e9ress\u00e9 \u00e0 l\u2019IA locale ces deux derni\u00e8res ann\u00e9es, vous avez s\u00fbrement entendu parler de cet outil. Ollama est l\u2019outil qui a permis de transformer l\u2019op\u00e9ration consistant \u00e0 \u201c ex\u00e9cuter un grand mod\u00e8le linguistique sur sa propre machine \u201d \u2014 qui prenait auparavant un week-end entier \u00e0 cause des erreurs CUDA \u2014 en une simple commande : <code>Ex\u00e9cuter llama3.3<\/code>.<\/p>\n<p>Ce guide explique en d\u00e9tail ce qu\u2019est Ollama, comment il fonctionne en coulisses, ce qu\u2019il peut et ne peut pas faire, et s\u2019il s\u2019agit de l\u2019outil qui vous convient en 2026.<\/p>\n<p><!--geo-block--><\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_88 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6ada6f4e897bf\" 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-6ada6f4e897bf\"  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\/what-is-ollama-complete-guide-2026\/#Quick_answer_What_is_Ollama_and_how_does_it_work\" >R\u00e9ponse rapide : Qu\u2019est-ce qu\u2019Ollama et comment fonctionne-t-il ?<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/fr\/what-is-ollama-complete-guide-2026\/#What_Ollama_actually_is\" >Ce qu\u2019est r\u00e9ellement Ollama<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/fr\/what-is-ollama-complete-guide-2026\/#How_it_works_under_the_hood\" >Comment \u00e7a marche en coulisses<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/fr\/what-is-ollama-complete-guide-2026\/#What_you_can_build_with_it\" >Ce que vous pouvez cr\u00e9er avec cet outil<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/fr\/what-is-ollama-complete-guide-2026\/#Where_Ollama_fits_among_the_alternatives\" >La place d'Ollama parmi les autres solutions<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/fr\/what-is-ollama-complete-guide-2026\/#Getting_started_in_two_minutes\" >Commencez en deux minutes<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/fr\/what-is-ollama-complete-guide-2026\/#What_hardware_do_you_actually_need\" >Quel mat\u00e9riel avez-vous r\u00e9ellement besoin ?<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/fr\/what-is-ollama-complete-guide-2026\/#What_changed_in_Ollama_034_September_2026\" >Ce qui a chang\u00e9 dans Ollama 0.34 (septembre 2026)<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/convly.ai\/fr\/what-is-ollama-complete-guide-2026\/#The_Ollama_commands_in_one_table\" >Les commandes Ollama, r\u00e9sum\u00e9es dans un tableau<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/convly.ai\/fr\/what-is-ollama-complete-guide-2026\/#More_Ollama_guides_on_Convly\" >Plus de guides Ollama sur Convly<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/convly.ai\/fr\/what-is-ollama-complete-guide-2026\/#FAQ\" >FAQ<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-12\" href=\"https:\/\/convly.ai\/fr\/what-is-ollama-complete-guide-2026\/#Bottom_line\" >Conclusion<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Quick_answer_What_is_Ollama_and_how_does_it_work\"><\/span>R\u00e9ponse rapide : Qu\u2019est-ce qu\u2019Ollama et comment fonctionne-t-il ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama est un outil gratuit et open source qui t\u00e9l\u00e9charge, g\u00e8re et ex\u00e9cute localement des grands mod\u00e8les linguistiques ouverts sur Mac, Windows ou Linux \u00e0 l\u2019aide d\u2019une seule commande \u2014 pas de cloud, pas de cl\u00e9s API, et aucune donn\u00e9e ne quitte votre machine. En interne, il int\u00e8gre le moteur <code>llama.cpp<\/code> (ainsi que MLX d\u2019Apple sur Mac depuis la version v0.19) et g\u00e8re le t\u00e9l\u00e9chargement des mod\u00e8les, la quantification et l\u2019allocation GPU, puis expose une API REST sur le port <code>11434<\/code> , compatible avec l\u2019API OpenAI \u00e0 l\u2019adresse <code>\/v1<\/code>. Une seule commande telle que <code>Ex\u00e9cuter llama3.3<\/code> t\u00e9l\u00e9charge un mod\u00e8le et vous permet de passer de l\u2019installation \u00e0 un mod\u00e8le op\u00e9rationnel en environ deux minutes.<\/p>\n<ul>\n<li><strong>Comment cela fonctionne :<\/strong> int\u00e8gre <code>llama.cpp<\/code> (et MLX d\u2019Apple sur Mac depuis la version v0.19) et sert les mod\u00e8les via une API REST locale \u2014 <code>http:\/\/localhost:11434<\/code>, compatible avec l\u2019API OpenAI \u00e0 l\u2019adresse <code>\/v1<\/code>.<\/li>\n<li><strong>Comment ex\u00e9cuter un mod\u00e8le :<\/strong> <code>Ex\u00e9cuter llama3.3<\/code> t\u00e9l\u00e9charge et d\u00e9marre le mod\u00e8le en environ deux minutes \u2014 d\u2019autres choix incluent <code>gemma4<\/code> et <code>qwen3<\/code>.<\/li>\n<li><strong>Configuration mat\u00e9rielle requise :<\/strong> le point optimal se situe aux alentours de 16 Go de VRAM ou de m\u00e9moire unifi\u00e9e ; comptez approximativement 0,6 Go de m\u00e9moire par milliard de param\u00e8tres en quantification Q4_K_M.<\/li>\n<li><strong>Quels mod\u00e8les peut-il ex\u00e9cuter ?<\/strong> plus de 100 mod\u00e8les ouverts, allant des mod\u00e8les 7B d\u2019environ 5 Go aux mod\u00e8les 70B d\u2019environ 43 Go.<\/li>\n<li><strong>Co\u00fbt et limites :<\/strong> gratuit (licence MIT), enti\u00e8rement priv\u00e9 et hors ligne \u2014 mais pas con\u00e7u pour un service haute concurrence, o\u00f9 vLLM est environ 16 \u00e0 20 fois plus rapide sous charge.<\/li>\n<\/ul>\n<div class=\"convly-tldr\">\n<h3>Points cl\u00e9s<\/h3>\n<ul>\n<li><strong>Qu\u2019est-ce que c\u2019est ?<\/strong> un outil gratuit et open source qui permet de t\u00e9l\u00e9charger, de g\u00e9rer et d'ex\u00e9cuter localement des mod\u00e8les de langage (LLM) ouverts \u00e0 l'aide d'une seule commande \u2014 sans cloud, sans cl\u00e9s API et sans que vos donn\u00e9es ne quittent votre ordinateur.<\/li>\n<li><strong>Comment cela fonctionne :<\/strong> il englobe le <code>llama.cpp<\/code> moteur (ainsi que le MLX d\u2019Apple sur Mac depuis la version 0.19) et g\u00e8re le t\u00e9l\u00e9chargement des mod\u00e8les, la quantification, l\u2019allocation des GPU et une API REST sur le port <code>11434<\/code>.<\/li>\n<li><strong>\u00c0 qui s'adresse-t-il ? :<\/strong> aux d\u00e9veloppeurs et aux bricoleurs qui recherchent la solution la plus simple pour cr\u00e9er des prototypes \u00e0 partir de mod\u00e8les locaux. C\u2019est le point d\u2019entr\u00e9e \u201c le moins regrettable \u201d en 2026.<\/li>\n<li><strong>\u00c0 qui ce produit ne s'adresse pas :<\/strong> service de production \u00e0 forte concurrence \u2014 pour cela, <a href=\"https:\/\/convly.ai\/fr\/ollama-vs-lm-studio-vs-vllm-vs-llama-cpp-2026\/\">vLLM est environ 16 \u00e0 20 fois plus rapide en charge<\/a>.<\/li>\n<li><strong>Co\u00fbt :<\/strong> $0. Il est sous licence MIT et fonctionne enti\u00e8rement sur votre mat\u00e9riel.<\/li>\n<\/ul>\n<\/div>\n<h2><span class=\"ez-toc-section\" id=\"What_Ollama_actually_is\"><\/span>Ce qu\u2019est r\u00e9ellement Ollama<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama est un environnement d'ex\u00e9cution open source pour les grands mod\u00e8les linguistiques qui fonctionne sur votre propre ordinateur \u2014 Mac, Windows ou Linux. Consid\u00e9rez-le comme le \u201c Docker des grands mod\u00e8les linguistiques \u201d : au lieu de vous d\u00e9battre avec les environnements Python, les poids des mod\u00e8les et les pilotes GPU, il vous suffit de taper une seule commande pour qu'un mod\u00e8le se lance.<\/p>\n<p>Le concept est simple : <strong>gardez vos donn\u00e9es sur votre machine, ne payez rien par token, et travaillez hors ligne.<\/strong> Quand vous lancez <code>Lancer gemma4<\/code>, Ollama t\u00e9l\u00e9charge le mod\u00e8le, le charge dans la m\u00e9moire de votre GPU (ou dans la RAM syst\u00e8me si vous n'avez pas de GPU), et vous place dans un prompt de chat. C'est tout.<\/p>\n<p>Derri\u00e8re cette simplicit\u00e9, Ollama fait beaucoup de travail pour vous :<\/p>\n<ul>\n<li><strong>Gestion des mod\u00e8les<\/strong> \u2014 r\u00e9cup\u00e9ration, versionnage et stockage des mod\u00e8les depuis son registre, comme un gestionnaire de paquets pour les logiciels.<\/li>\n<li><strong>Quantification<\/strong> \u2014 utilisation automatique de versions compress\u00e9es (GGUF) des mod\u00e8les afin qu'un mod\u00e8le de 27 milliards de param\u00e8tres tienne dans la m\u00e9moire grand public.<\/li>\n<li><strong>Allocation de la couche GPU<\/strong> \u2014 d\u00e9termination de la quantit\u00e9 du mod\u00e8le qui vit sur votre GPU par rapport au CPU, en fonction de la VRAM que vous avez.<\/li>\n<li><strong>Gestion du contexte et du KV-cache<\/strong> \u2014 gestion de la m\u00e9moire qui augmente \u00e0 mesure qu'une conversation s'allonge.<\/li>\n<li><strong>Une API REST<\/strong> \u2014 exposant tout sur <code>http:\/\/localhost:11434<\/code> afin que vos propres applications puissent communiquer avec.<\/li>\n<\/ul>\n<h2><span class=\"ez-toc-section\" id=\"How_it_works_under_the_hood\"><\/span>Comment \u00e7a marche en coulisses<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama n'est pas lui-m\u00eame un moteur d'inf\u00e9rence. C'est une <strong>couche d'exp\u00e9rience<\/strong> envelopp\u00e9e autour d'un. Sous le capot, il utilise <code>llama.cpp<\/code>, le moteur C++ qui effectue le v\u00e9ritable calcul d'ex\u00e9cution efficace d'un mod\u00e8le quantifi\u00e9 sur les CPU et GPU. \u00c0 partir de la v0.19 (mars 2026), Ollama utilise aussi <strong>le backend MLX d'Apple<\/strong> sur Apple Silicon \u2014 un changement qui a livr\u00e9 d'\u00e9normes gains de vitesse (sur une M5 Max ex\u00e9cutant Qwen 3.5, le d\u00e9bit de d\u00e9codage a presque doubl\u00e9).<\/p>\n<p>Le flux de travail ressemble \u00e0 ceci :<\/p>\n<ol>\n<li><strong>Vous lancez une commande<\/strong> \u2014 <code>ollama run qwen3<\/code> depuis le terminal, ou une requ\u00eate vers l'API.<\/li>\n<li><strong>Ollama r\u00e9sout le mod\u00e8le<\/strong> \u2014 s'il n'est pas d\u00e9j\u00e0 t\u00e9l\u00e9charg\u00e9, il r\u00e9cup\u00e8re les poids GGUF depuis le registre.<\/li>\n<li><strong>Il charge le mod\u00e8le en m\u00e9moire<\/strong> \u2014 en r\u00e9partissant les couches entre GPU et CPU en fonction de la VRAM disponible.<\/li>\n<li><strong>Il sert les r\u00e9ponses<\/strong> \u2014 soit de mani\u00e8re interactive dans votre terminal, soit en JSON via l'API REST.<\/li>\n<\/ol>\n<p>C'est cette API REST qui int\u00e9resse le plus les d\u00e9veloppeurs. N'importe quelle application capable de faire une requ\u00eate HTTP peut utiliser un mod\u00e8le local via Ollama \u2014 et comme Ollama a ajout\u00e9 un endpoint compatible OpenAI, beaucoup de code existant fonctionne en changeant simplement l'URL de base.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"What_you_can_build_with_it\"><\/span>Ce que vous pouvez cr\u00e9er avec cet outil<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama est le moteur derri\u00e8re une \u00e9norme gamme de projets d'IA locale en 2026 :<\/p>\n<ul>\n<li><strong>Chatbots priv\u00e9s<\/strong> qui n'envoient jamais un mot vers le cloud.<\/li>\n<li><strong>Assistants de codage<\/strong> \u2014 la commande <code>ollama launch<\/code> r\u00e9cente connecte des outils comme Claude Code, OpenCode et Codex \u00e0 un mod\u00e8le local ou cloud sans fichiers de configuration.<\/li>\n<li><strong>Syst\u00e8mes RAG<\/strong> utilisant l'API d'embedding batch d'Ollama pour indexer vos propres documents.<\/li>\n<li><strong>Agents et automations<\/strong> qui appellent les mod\u00e8les locaux pour la classification, l'extraction ou le r\u00e9sum\u00e9 \u00e0 co\u00fbt marginal z\u00e9ro.<\/li>\n<li><strong>Pipelines de sortie structur\u00e9e<\/strong> \u2014 Ollama peut maintenant contraindre la sortie d'un mod\u00e8le \u00e0 un sch\u00e9ma JSON, ce qui le rend fiable pour l'usage programmatique.<\/li>\n<\/ul>\n<h2><span class=\"ez-toc-section\" id=\"Where_Ollama_fits_among_the_alternatives\"><\/span>La place d'Ollama parmi les autres solutions<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama n\u2019est pas la seule fa\u00e7on d\u2019ex\u00e9cuter des mod\u00e8les localement, et ce n\u2019est pas toujours la meilleure. Voici un aper\u00e7u honn\u00eate de l\u2019\u00e9cosyst\u00e8me \u2014 et si vous optez pour l\u2019une des autres solutions, <a href=\"\/fr\/uninstall-ollama\/\">supprimer Ollama proprement<\/a> ne prend qu\u2019une minute :<\/p>\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Outil<\/th>\n<th>Meilleur pour<\/th>\n<th>Compromis<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>Ollama<\/strong><\/td>\n<td>Prototypage monod\u00e9veloppeur sur n'importe quel syst\u00e8me d'exploitation<\/td>\n<td>Lent sous forte concurrence<\/td>\n<\/tr>\n<tr>\n<td><a href=\"\/fr\/ollama-vs-lm-studio\/\">LM Studio<\/a><\/td>\n<td>Une interface graphique soign\u00e9e pour parcourir et discuter avec les mod\u00e8les<\/td>\n<td>Moins scriptable ; d'abord orient\u00e9 bureau<\/td>\n<\/tr>\n<tr>\n<td><a href=\"\/fr\/vllm-vs-ollama\/\">vLLM<\/a><\/td>\n<td>Serveur de production multiutilisateur sur GPU<\/td>\n<td>Configuration complexe ; pas d'abord local<\/td>\n<\/tr>\n<tr>\n<td>llama.cpp<\/td>\n<td>Vitesse maximale et mat\u00e9riel embarqu\u00e9\/edge<\/td>\n<td>Niveau plus bas ; vous l'assemblez vous-m\u00eame<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Si vous \u00eates une seule personne qui exp\u00e9rimente, Ollama gagne sur la simple commodit\u00e9. Au moment o\u00f9 vous devez servir de nombreux utilisateurs \u00e0 la fois, vous voudrez lire notre analyse compl\u00e8te de <a href=\"https:\/\/convly.ai\/fr\/ollama-vs-lm-studio-vs-vllm-vs-llama-cpp-2026\/\">Ollama vs LM Studio vs vLLM vs llama.cpp<\/a>.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Getting_started_in_two_minutes\"><\/span>Commencez en deux minutes<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La barri\u00e8re \u00e0 l'entr\u00e9e est v\u00e9ritablement minuscule :<\/p>\n<ol>\n<li><strong>Installez-le<\/strong> \u2014 t\u00e9l\u00e9chargez l'application pour votre syst\u00e8me d'exploitation (voir notre <a href=\"https:\/\/convly.ai\/fr\/how-to-install-ollama-2026\/\">Guide d\u2019installation pas \u00e0 pas<\/a>, ou ex\u00e9cutez-le <a href=\"\/fr\/ollama-docker\/\">dans un conteneur Docker<\/a> pour le maintenir \u00e0 l\u2019\u00e9cart de l\u2019h\u00f4te).<\/li>\n<li><strong>R\u00e9cup\u00e9rez et ex\u00e9cutez un mod\u00e8le<\/strong> \u2014 <code>Lancer gemma4<\/code> pour un bon g\u00e9n\u00e9raliste, ou <code>ollama run qwen3<\/code> pour la programmation.<\/li>\n<li><strong>Discutez avec lui<\/strong> \u2014 chattez dans le terminal, ou pointez votre application vers <code>http:\/\/localhost:11434<\/code>.<\/li>\n<\/ol>\n<p>Avant de choisir un mod\u00e8le, v\u00e9rifiez que votre machine peut le g\u00e9rer \u2014 notre guide sur <a href=\"https:\/\/convly.ai\/fr\/ollama-system-requirements-2026\/\">Ollama&#8217;s system requirements<\/a> met en relation les tailles de mod\u00e8les avec la RAM et la VRAM dont vous avez r\u00e9ellement besoin.<\/p>\n<p><!--ai-enriched--><\/p>\n<h2><span class=\"ez-toc-section\" id=\"What_hardware_do_you_actually_need\"><\/span>Quel mat\u00e9riel avez-vous r\u00e9ellement besoin ?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama d\u00e9marrera sur presque n'importe quelle machine avec un CPU et 8&nbsp;GB de RAM, mais \u00ab d\u00e9marre \u00bb et \u00ab semble utilisable \u00bb sont des questions diff\u00e9rentes. Le seul nombre qui d\u00e9cide de votre exp\u00e9rience est la quantit\u00e9 de m\u00e9moire dans laquelle le mod\u00e8le rentre, car le mod\u00e8le entier doit r\u00e9sider en RAM (ou, id\u00e9alement, en VRAM GPU) pendant qu'il s'ex\u00e9cute. Une r\u00e8gle g\u00e9n\u00e9rale fiable est environ <strong>0,6&nbsp;GB de m\u00e9moire par milliard de param\u00e8tres<\/strong> \u00e0 la quantification Q4_K_M par d\u00e9faut, plus un peu de marge pour le contexte.<\/p>\n<p>Ces calculs vous donnent un guide rapide pour choisir la taille adapt\u00e9e aux cat\u00e9gories de mod\u00e8les les plus courantes :<\/p>\n<table class=\"convly-vs\">\n<tr>\n<th>Classe de mod\u00e8le<\/th>\n<th>T\u00e9l\u00e9chargement approx. (Q4_K_M)<\/th>\n<th>Un souvenir agr\u00e9able<\/th>\n<\/tr>\n<tr>\n<td>7\u20138B (Llama 3.x, Mistral)<\/td>\n<td>environ 5 Go<\/td>\n<td>8\u00a0Go ou plus<\/td>\n<\/tr>\n<tr>\n<td>13\u201314B (Qwen, Phi)<\/td>\n<td>environ 9\u00a0Go<\/td>\n<td>16 Go et plus<\/td>\n<\/tr>\n<tr>\n<td>32B<\/td>\n<td>environ 20 Go<\/td>\n<td>24 Go et plus<\/td>\n<\/tr>\n<tr>\n<td>70B (Llama 3.3)<\/td>\n<td>environ 43\u00a0Go<\/td>\n<td>64 Go et plus<\/td>\n<\/tr>\n<\/table>\n<p>Pour la plupart des gens, la solution id\u00e9ale est une carte graphique ou un Mac dot\u00e9 d'environ <strong>16 Go de VRAM ou de m\u00e9moire unifi\u00e9e<\/strong> \u2014 suffisamment pour faire tourner des mod\u00e8les de 7B \u00e0 14B \u00e0 une vitesse qui semble instantan\u00e9e. Une carte graphique de type RTX de 16 Go ou un Mac \u00e9quip\u00e9 d\u2019Apple Silicon de 16 Go s\u2019inscrivent tous deux parfaitement dans cette cat\u00e9gorie.<\/p>\n<p>Deux aspects architecturaux sont \u00e0 prendre en compte lors de votre choix. Un GPU NVIDIA discret s\u2019impose sans conteste d\u00e8s lors que le mod\u00e8le tient dans sa m\u00e9moire vid\u00e9o (VRAM), offrant ainsi le d\u00e9bit le plus \u00e9lev\u00e9 en tokens par seconde. Quant \u00e0 l\u2019Apple Silicon, <strong>m\u00e9moire unifi\u00e9e<\/strong> C'est l'inverse : il partage toute la m\u00e9moire vive du syst\u00e8me avec le GPU. Ainsi, un Mac de 64 Go ou 128 Go peut ex\u00e9cuter des mod\u00e8les de 32B \u00e0 70B qui ne peuvent tout simplement pas \u00eatre charg\u00e9s sur une carte graphique grand public \u2014 mais avec un d\u00e9bit moindre. Le seuil se situe aux alentours du mod\u00e8le de 24 Go.<\/p>\n<p>Toi <em>peut<\/em> Ex\u00e9cuter Ollama sans aucun GPU. Un processeur multic\u0153ur moderne traite un mod\u00e8le de 7 milliards de param\u00e8tres \u00e0 une vitesse acceptable de quelques tokens \u00e0 une dizaine de tokens par seconde, mais les grands mod\u00e8les de 70 milliards de param\u00e8tres trait\u00e9s sur le processeur descendent en dessous d\u2019un token par seconde \u2014 ce qui convient pour les t\u00e2ches par lots ex\u00e9cut\u00e9es pendant la nuit, mais s\u2019av\u00e8re p\u00e9nible pour le chat. Si la vitesse interactive est importante, l\u2019acc\u00e9l\u00e9ration par GPU ou Apple Silicon est le facteur d\u00e9cisif.<\/p>\n<p>Deux guides connexes : <a href=\"\/fr\/gguf-models\/\">Explication des mod\u00e8les GGUF<\/a> (le format de fichier t\u00e9l\u00e9charg\u00e9 par Ollama) et <a href=\"\/fr\/what-is-lm-studio\/\">ce qu\u2019est LM Studio<\/a> si vous pr\u00e9f\u00e9rez une application graphique \u00e0 la ligne de commande.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"What_changed_in_Ollama_034_September_2026\"><\/span>Ce qui a chang\u00e9 dans Ollama 0.34 (septembre 2026)<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La version actuelle est <strong>v0.34.2, publi\u00e9e le 15 septembre 2026<\/strong>. Trois modifications apport\u00e9es dans la s\u00e9rie 0.34 sont importantes si vous avez utilis\u00e9 Ollama pour la derni\u00e8re fois plus t\u00f4t cette ann\u00e9e, selon les <a href=\"https:\/\/github.com\/ollama\/ollama\/releases\" rel=\"noopener\" target=\"_blank\">notes de publication<\/a>:<\/p>\n<ul>\n<li><strong>Une \u00e9tape de configuration \u00e0 la premi\u00e8re utilisation (0.34.2).<\/strong> D\u00e9sormais, le lancement d\u2019Ollama vous propose de vous connecter ou de continuer hors ligne \u2014 une information utile \u00e0 conna\u00eetre avant d\u2019automatiser une installation sans assistance. Cette m\u00eame version a ajout\u00e9 un lien profond <code>ollama:\/\/apps<\/code> vers l\u2019application de bureau sur macOS et Windows.<\/li>\n<li><strong>ChatGPT Desktop peut piloter des mod\u00e8les locaux (0.34.0).<\/strong> Les mod\u00e8les open-weight ex\u00e9cut\u00e9s via Ollama peuvent d\u00e9sormais \u00eatre utilis\u00e9s depuis cette interface, avec en compl\u00e9ment une g\u00e9n\u00e9ration structur\u00e9e acc\u00e9l\u00e9r\u00e9e sur Apple Silicon et une d\u00e9couverte automatis\u00e9e d\u2019outils compatible OpenAI.<\/li>\n<li><strong>Une liste de mod\u00e8les nettement plus rapide (0.34.1).<\/strong> Le <code>\/api\/tags<\/code> l\u2019endpoint <code>ollama ls<\/code> and most dashboards, became roughly ten times faster, and MLX safetensors model creation left experimental status.<\/li>\n<\/ul>\n<p>La mise \u00e0 jour consiste \u00e0 r\u00e9installer Ollama sur macOS et Windows, ou \u00e0 relancer le script d\u2019installation sous Linux ; notre <a href=\"\/fr\/how-to-update-ollama\/\">guide de mise \u00e0 jour d\u2019Ollama<\/a> explique comment conserver vos mod\u00e8les pendant ce processus.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_Ollama_commands_in_one_table\"><\/span>Les commandes Ollama, r\u00e9sum\u00e9es dans un tableau<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Voici les commandes document\u00e9es dans la <a href=\"https:\/\/docs.ollama.com\/cli\" rel=\"noopener\" target=\"_blank\">r\u00e9f\u00e9rence CLI<\/a> officielle d\u2019Ollama. Notez que la commande list est not\u00e9e <code>ollama ls<\/code> dans la documentation actuelle ; <code>ollama list<\/code> produit le m\u00eame r\u00e9sultat.<\/p>\n<div style=\"overflow-x:auto\">\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Commande<\/th>\n<th>\u00c0 quoi \u00e7a sert<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><code>Lancer gemma4<\/code><\/td>\n<td>Ex\u00e9cute un mod\u00e8le, en le t\u00e9l\u00e9chargeant au pr\u00e9alable s\u2019il n\u2019est pas install\u00e9. Accepte des chemins vers des images pour les mod\u00e8les multimodaux, ainsi que des guillemets triples (&quot;&quot;&quot;) pour d\u00e9limiter une entr\u00e9e sur plusieurs lignes.<\/td>\n<\/tr>\n<tr>\n<td><code>ollama pull gemma4<\/code><\/td>\n<td>T\u00e9l\u00e9charge un mod\u00e8le sans d\u00e9marrer de discussion.<\/td>\n<\/tr>\n<tr>\n<td><code>ollama ls<\/code><\/td>\n<td>Liste les mod\u00e8les install\u00e9s avec leur \u00e9tiquette, leur ID et leur taille.<\/td>\n<\/tr>\n<tr>\n<td><code>ollama ps<\/code><\/td>\n<td>Liste les mod\u00e8les actuellement charg\u00e9s en m\u00e9moire.<\/td>\n<\/tr>\n<tr>\n<td><code>ollama stop gemma4<\/code><\/td>\n<td>D\u00e9charge un mod\u00e8le en cours d\u2019ex\u00e9cution et lib\u00e8re sa m\u00e9moire.<\/td>\n<\/tr>\n<tr>\n<td><code>ollama rm gemma4<\/code><\/td>\n<td>Supprime un mod\u00e8le et r\u00e9cup\u00e8re l\u2019espace disque correspondant.<\/td>\n<\/tr>\n<tr>\n<td><code>ollama create -f Modelfile<\/code><\/td>\n<td>Construit un mod\u00e8le personnalis\u00e9 \u00e0 partir d\u2019un fichier Modelfile.<\/td>\n<\/tr>\n<tr>\n<td><code>ollama serve<\/code><\/td>\n<td>D\u00e9marre le serveur lui-m\u00eame ; <code>--help<\/code> affiche la liste des variables d\u2019environnement qu\u2019il lit.<\/td>\n<\/tr>\n<tr>\n<td><code>ollama launch<\/code><\/td>\n<td>Configure et lance une application externe en interaction avec vos mod\u00e8les locaux.<\/td>\n<\/tr>\n<tr>\n<td><code>ollama signin<\/code> \/ <code>ollama signout<\/code><\/td>\n<td>Vous permet de vous connecter ou de vous d\u00e9connecter d\u2019un compte Ollama, n\u00e9cessaire pour utiliser les mod\u00e8les cloud.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<h2><span class=\"ez-toc-section\" id=\"More_Ollama_guides_on_Convly\"><\/span>Plus de guides Ollama sur Convly<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li>Installation et plateformes : <a href=\"\/fr\/how-to-install-ollama-2026\/\">guide d\u2019installation<\/a> \u00b7 <a href=\"\/fr\/ollama-windows\/\">Ollama sur Windows<\/a> \u00b7 <a href=\"\/fr\/ollama-docker\/\">Ollama dans Docker<\/a> \u00b7 <a href=\"\/fr\/ollama-system-requirements-2026\/\">exigences syst\u00e8me<\/a><\/li>\n<li>Bonnes pratiques d\u2019utilisation : <a href=\"\/fr\/ollama-models-list-2026\/\">liste des mod\u00e8les<\/a> \u00b7 <a href=\"\/fr\/best-local-llms-to-run-on-ollama-2026\/\">meilleurs mod\u00e8les \u00e0 ex\u00e9cuter<\/a> \u00b7 <a href=\"\/fr\/ollama-not-using-gpu-fix\/\">quand Ollama ignore votre GPU<\/a> \u00b7 <a href=\"\/fr\/ollama-port-configuration-guide\/\">changer le port<\/a><\/li>\n<li>H\u00e9bergement et s\u00e9curit\u00e9 : <a href=\"\/fr\/ollama-api-key-authentication\/\">authentification par cl\u00e9 API<\/a> \u00b7 <a href=\"\/fr\/is-ollama-safe-security-guide\/\">Ollama est-il s\u00e9curis\u00e9 ?<\/a> \u00b7 <a href=\"\/fr\/ollama-cloud-models\/\">mod\u00e8les cloud<\/a><\/li>\n<li>Maintenance : <a href=\"\/fr\/how-to-update-ollama\/\">mise \u00e0 jour<\/a> \u00b7 <a href=\"\/fr\/uninstall-ollama\/\">d\u00e9sinstallation<\/a> \u00b7 <a href=\"\/fr\/ollama-alternatives\/\">alternatives<\/a><\/li>\n<\/ul>\n<h2><span class=\"ez-toc-section\" id=\"FAQ\"><\/span>FAQ<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h3>Ollama est-il gratuit ?<\/h3>\n<p>Oui. Ollama est open-source sous la licence MIT et compl\u00e8tement gratuit. Le seul \u00ab co\u00fbt \u00bb est le mat\u00e9riel sur lequel vous l'ex\u00e9cutez et l'\u00e9lectricit\u00e9 qu'il consomme \u2014 il n'y a pas de frais par jeton parce que rien ne va chez un fournisseur cloud.<\/p>\n<h3>Ollama envoie-t-il mes donn\u00e9es quelque part ?<\/h3>\n<p>Non. Par conception, l'inf\u00e9rence se fait enti\u00e8rement sur votre machine. Le seul trafic r\u00e9seau est le t\u00e9l\u00e9chargement d'un mod\u00e8le la premi\u00e8re fois que vous l'extrayez. C'est la raison principale pour laquelle les \u00e9quipes dans les secteurs de la sant\u00e9, du droit et de la finance l'utilisent \u2014 les invites sensibles ne quittent jamais le b\u00e2timent.<\/p>\n<h3>Ai-je besoin d'un GPU pour ex\u00e9cuter Ollama ?<\/h3>\n<p>Non, mais cela aide beaucoup. Ollama s'ex\u00e9cute sur CPU seul pour les plus petits mod\u00e8les (un mod\u00e8le de 2\u20133B est confortable sur un ordinateur portable moderne), et utilise votre GPU automatiquement quand il est disponible. Pour les mod\u00e8les au-del\u00e0 d'environ 13B param\u00e8tres, un GPU ou Apple Silicon avec m\u00e9moire unifi\u00e9e fait une grande diff\u00e9rence. Voir notre <a href=\"https:\/\/convly.ai\/fr\/ollama-system-requirements-2026\/\">guide des exigences syst\u00e8me<\/a> pour les d\u00e9tails.<\/p>\n<h3>Quels mod\u00e8les Ollama peut-il ex\u00e9cuter ?<\/h3>\n<p>Over 100 open models, including Meta&#8217;s Llama 3.3 and Llama 4, Google&#8217;s Gemma 4, Alibaba&#8217;s Qwen 3 series, DeepSeek V3 and R1, Mistral, and Microsoft&#8217;s Phi-4. Our pick of the <a href=\"https:\/\/convly.ai\/fr\/best-local-llms-to-run-on-ollama-2026\/\">meilleurs LLM locaux \u00e0 ex\u00e9cuter sur Ollama<\/a> d\u00e9taille lequel utiliser pour quel travail.<\/p>\n<h3>Ollama est-il meilleur que ChatGPT ?<\/h3>\n<p>Outils diff\u00e9rents. ChatGPT vous donne un mod\u00e8le frontier sans configuration mais envoie vos donn\u00e9es au cloud et facture un abonnement. Ollama ex\u00e9cute des mod\u00e8les ouverts plus petits localement, gratuitement et en priv\u00e9, mais un mod\u00e8le local haut de gamme reste en retrait sur les t\u00e2ches les plus difficiles par rapport aux meilleurs mod\u00e8les cloud. Pour la confidentialit\u00e9, le co\u00fbt et l'utilisation hors ligne, Ollama gagne ; pour la capacit\u00e9 brute en raisonnement complexe, la frontier cloud est encore en avance.<\/p>\n<h3>Quel est le port API d'Ollama ?<\/h3>\n<p>Ollama expose son API REST sur <code>http:\/\/localhost:11434<\/code> par d\u00e9faut. Il propose \u00e9galement un point d'acc\u00e8s compatible OpenAI, donc une grande partie du code OpenAI-SDK existant fonctionne en pointant simplement l'URL de base vers votre instance Ollama locale.<\/p>\n<h3>Ollama peut-il remplacer l'API OpenAI dans mon application actuelle ?<\/h3>\n<p>Pour la plupart des applications, oui. Ollama met \u00e0 disposition un point de terminaison compatible avec OpenAI \u00e0 l'adresse <strong>http:\/\/localhost:11434\/v1<\/strong>, y compris le <code>\/v1\/chat\/completions<\/code> route que la plupart des outils appellent. Configurez votre client OpenAI pour qu\u2019il pointe vers <code>base_url<\/code> Pour ce faire, transmettez n'importe quelle cl\u00e9 API de remplacement et d\u00e9finissez le champ \u00ab model \u00bb sur une balise Ollama install\u00e9e. Les embeddings, la vision par ordinateur et l'appel d'outils sont \u00e9galement pris en charge ; de nombreux projets peuvent ainsi effectuer la migration en modifiant simplement deux lignes de code. Cette solution couvre certaines parties de l'API OpenAI plut\u00f4t que l'ensemble des param\u00e8tres ; veillez donc \u00e0 v\u00e9rifier les champs peu courants dont d\u00e9pend votre application.<\/p>\n<h3>Puis-je ex\u00e9cuter Ollama sans GPU ?<\/h3>\n<p>Oui. Ollama fonctionne enti\u00e8rement sur le processeur (CPU) lorsqu\u2019aucune carte graphique (GPU) compatible n\u2019est disponible \u2014 il suffit simplement de disposer d\u2019une m\u00e9moire vive (RAM) suffisante pour stocker le mod\u00e8le. Un processeur multic\u0153ur actuel permet d\u2019ex\u00e9cuter un mod\u00e8le de 7 milliards de param\u00e8tres \u00e0 des vitesses acceptables, mais le d\u00e9bit chute fortement \u00e0 mesure que la taille des mod\u00e8les augmente, et les mod\u00e8les de l\u2019ordre de 70 milliards de param\u00e8tres sont trop lents pour une utilisation interactive sur un processeur. Pour les conversations quotidiennes, un GPU ou un Mac \u00e9quip\u00e9 d\u2019Apple Silicon fait toute la diff\u00e9rence entre une exp\u00e9rience lente et une exp\u00e9rience fluide.<\/p>\n<h3>Combien d'espace disque les mod\u00e8les Ollama occupent-ils, et o\u00f9 sont-ils stock\u00e9s ?<\/h3>\n<p>Pr\u00e9voyez suffisamment d'espace pour les tailles de t\u00e9l\u00e9chargement indiqu\u00e9es ci-dessus : un mod\u00e8le de 7B occupe environ 5 Go sur le disque, un mod\u00e8le de 70B environ 43 Go, et le t\u00e9l\u00e9chargement de plusieurs mod\u00e8les peut rapidement faire grimper l'espace n\u00e9cessaire. Par d\u00e9faut, ils se trouvent dans le r\u00e9pertoire <code>~\/.ollama\/models<\/code> (ou <code>C:Users&lt;you&gt;.ollamamodels<\/code> sous Windows). Vous pouvez d\u00e9placer ce r\u00e9pertoire \u00e0 l'aide de la commande <code>OLLAMA_MODELS<\/code> variable d'environnement, puis supprimez tout ce dont vous n'avez plus besoin \u00e0 l'aide de <code>ollama rm &lt;model&gt;<\/code>.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Bottom_line\"><\/span>Conclusion<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Ollama a remport\u00e9 l'espace des LLM locaux en 2026 en faisant une seule chose extr\u00eamement bien : \u00e9liminer les obstacles. C'est gratuit, priv\u00e9, s'ex\u00e9cute sur le mat\u00e9riel que vous poss\u00e9dez d\u00e9j\u00e0, et vous fait passer de \u00ab je veux essayer un mod\u00e8le local \u00bb \u00e0 un mod\u00e8le en cours d'ex\u00e9cution en environ deux minutes. Ce n'est pas l'option la plus rapide sous charge intensive, et un mod\u00e8le local ne battra pas le meilleur frontier du cloud sur les probl\u00e8mes les plus difficiles \u2014 mais comme rampe d'acc\u00e8s \u00e0 l'IA locale, rien d'autre ne s'en rapproche. Si vous commencez, commencez ici.<\/p>","protected":false},"excerpt":{"rendered":"<p>Ollama a transform\u00e9 l'ex\u00e9cution d'un LLM local, qui n'\u00e9tait au d\u00e9part qu'un projet de week-end, en une simple commande. Voici en d\u00e9tail de quoi il s'agit, comment cela fonctionne en coulisses et pourquoi cette solution est devenue la norme en 2026.<\/p>","protected":false},"author":1,"featured_media":1812,"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":[3],"tags":[650,256,259,423,649,651],"class_list":["post-792","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-llms","tag-llama-cpp","tag-local-llm","tag-ollama","tag-open-source-ai","tag-run-llm-locally","tag-self-hosted-ai"],"_links":{"self":[{"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/posts\/792","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=792"}],"version-history":[{"count":5,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/posts\/792\/revisions"}],"predecessor-version":[{"id":3045,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/posts\/792\/revisions\/3045"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/media\/1812"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/media?parent=792"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/categories?post=792"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/fr\/wp-json\/wp\/v2\/tags?post=792"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}