# Ollama — faire tourner une IA locale en quelques commandes Ollama : faire tourner une IA en local sur Windows, macOS ou Linux en quelques commandes. Guide pratique, source officielle, précautions et matrice de risque. URL canonique : https://www.osfria.fr/ollama.html --- OSIALab · Moteur local ## Ollama — faire tourner des modèles d'IA en local Ollama fait tourner des modèles de langage open source **directement sur votre machine**, en une seule commande. C'est la porte d'entrée la plus simple vers l'IA locale — et l'une des plus puissantes une fois qu'on creuse. ### Fiabilité & transparence 🟢 **Fiable et activement maintenu** - **Maintenance** : v0.30.7 publiée le 7 juin 2026 — rythme soutenu, releases quasi hebdomadaires depuis le lancement. - **Adoption** : standard de fait de l'IA locale, intégré dans des centaines d'outils (Open WebUI, Continue, LM Studio…) ; communauté très active. - **Sécurité** : plusieurs CVE liées à l'exposition réseau corrigées en 2025–2026 ✅ — les correctifs arrivent avec chaque version. Règle d'or : garder l'API sur localhost et tenir Ollama à jour. - **Verdict** : excellent point d'entrée pour l'IA locale en ligne de commande, utilisable en production individuelle ou petite équipe. Ne pas exposer l'API (port 11434) sur Internet sans reverse-proxy authentifié. > Page informative, sans valeur de conseil. Téléchargez depuis la **source officielle**, vérifiez la **licence** du logiciel *et* de chaque modèle, et gardez en tête qu'un modèle de langage **peut se tromper** : croisez les informations importantes. ### À quoi ça sert Ollama est un **moteur d'exécution** pour modèles de langage open source — Llama, Mistral, Qwen, Gemma, Phi et bien d'autres. Il s'appuie sur le moteur [llama.cpp](https://www.osfria.fr/llama-cpp.html) et y ajoute ce qui simplifie tout : un catalogue de modèles prêts à l'emploi, la gestion automatique du téléchargement et de la mémoire, et une API locale. Une commande — `ollama run mistral` — télécharge le modèle, le charge et ouvre la conversation. Tout se passe sur votre poste : **aucune donnée ne part en ligne**. ### Ce qui fait sa force - **Tous les modèles, en une commande.** Le catalogue est immense (Llama, Mistral, Qwen, Gemma, Phi, DeepSeek…) et passer de l'un à l'autre tient en une ligne — idéal pour comparer et trouver celui qui convient à votre machine. - **Local par défaut, ouvrable si besoin.** Vos données restent chez vous ; et le jour où vous voulez servir le modèle à d'autres postes ou applications, vous pouvez l'exposer. Vous gardez le choix. - **Une API au format OpenAI.** Ollama expose un point d'accès **compatible avec l'API d'OpenAI** : un script ou une application déjà prévus pour OpenAI fonctionnent en pointant simplement vers Ollama, *sans réécrire le code*. C'est ce qui le rend si pratique en développement et dans les projets open source. - **Connectable partout.** Des dizaines d'interfaces et d'outils s'y branchent directement — [Open WebUI](https://www.osfria.fr/open-webui.html), extensions d'éditeurs de code, outils d'automatisation, agents… - **Un standard de fait.** Arrivé tôt et adopté massivement, Ollama est aujourd'hui intégré dans une grande partie de l'écosystème de l'IA locale : une base sûre pour démarrer comme pour construire. ### Pour qui Idéal pour quelqu'un à l'aise avec un terminal et qui veut **démarrer vite**. Si vous préférez une interface graphique sans ligne de commande, regardez plutôt [GPT4All](https://www.osfria.fr/gpt4all.html), [LM Studio](https://www.osfria.fr/lm-studio.html) ou [Jan](https://www.osfria.fr/jan.html) — dont plusieurs s'appuient, en coulisses, sur le même moteur. ### Installation #### Télécharger et installer Source officielle : **ollama.com**. Sous Windows et macOS, un installeur graphique ; sous Linux, le script officiel : ``` curl -fsSL https://ollama.com/install.sh | sh ``` #### Vérifier l'installation ``` ollama --version ``` Si un numéro de version s'affiche, tout est en place. #### Lancer votre premier modèle Pour télécharger **et** lancer un modèle en une commande : ``` ollama run llama3.2 ``` La première fois, Ollama télécharge le modèle (durée selon votre connexion). Ensuite, vous discutez directement dans le terminal. #### Commandes utiles ``` # Lister les modèles installés ollama list # Télécharger un modèle sans le lancer ollama pull mistral # Voir ce qui tourne en mémoire ollama ps # Supprimer un modèle (libérer de l'espace disque) ollama rm llama3.2 # Quitter une conversation /bye ``` ### Bien choisir son modèle La taille d'un modèle (3B, 7B, 8B, 13B… milliards de paramètres) détermine la mémoire nécessaire. Repère simple : comptez environ **la taille du fichier en RAM** (ou en VRAM si vous avez un GPU). Un 7B quantifié pèse ~4 à 5 Go ; un 3B, ~2 Go. Sur une machine modeste, commencez par un **3B ou 7B quantifié** (suffixe `q4`). Le GPU accélère nettement, mais n'est pas obligatoire : Ollama tourne aussi sur processeur. ### Aller plus loin : l'API en local Une fois lancé, Ollama expose une API sur `http://localhost:11434` — API native *et* point d'accès compatible OpenAI sur `/v1`. C'est par là qu'on branche une interface web, un éditeur de code ou ses propres scripts, toujours en local. Pour pointer un outil « OpenAI » vers Ollama, il suffit en général de remplacer l'URL de base par celle d'Ollama. ### Points de vigilance Ollama est un outil sain : tout reste local par défaut, et un modèle trop lourd ne fait que **ralentir** la machine — sans rien casser ni exposer vos données. Les deux vrais points à garder en tête concernent donc moins l'outil que ce qu'on lui demande : | Point d'attention | Niveau | Ce qu'il faut savoir | | --- | --- | --- | | Licence du modèle (≠ celle d'Ollama) | 🟡 selon le modèle | Ollama est sous licence **MIT** (permissive), mais chaque modèle a la sienne : Llama et Gemma imposent des conditions d'usage, Mistral et Qwen (Apache 2.0) sont plus souples. À vérifier avant un usage commercial. | | Sécuriser l'API si vous l'exposez | 🟡 selon configuration | L'API (port 11434) écoute en local et **sans authentification**. C'est parfait en local ; mais si vous la publiez sur le réseau (`OLLAMA_HOST=0.0.0.0`), placez-la derrière un pare-feu ou un proxy authentifié. Ne l'exposez jamais directement sur Internet. | | CVE 2025-2026 — tenir à jour | 🟡 réel | Plusieurs vulnérabilités ont été corrigées dans Ollama en 2025 et 2026 (dont des failles liées à l'exposition réseau). La règle d'or : **tenez Ollama à jour** systématiquement et ne l'exposez pas sur Internet sans protection. Vérifiez les releases sur GitHub. | ### Sécurité - **Gardez l'API en local** par défaut (port 11434 sur `localhost`). Ne l'exposez sur Internet qu'avec une couche d'authentification (reverse-proxy, VPN, pare-feu). - **Téléchargez les modèles depuis des sources fiables** — le registre officiel **ollama.com/library** ou des dépôts réputés (Hugging Face). Un modèle GGUF, ce sont des *poids*, pas du code exécuté ; privilégiez tout de même les sources de confiance. - **Tenez Ollama à jour** pour bénéficier des correctifs. ### Aller plus loin - [Guide complet : installer Ollama pas à pas](https://www.osfria.fr/installer-ollama.html) — toutes les étapes en détail. - [Open WebUI](https://www.osfria.fr/open-webui.html) — une interface web confortable pour piloter Ollama. - [llama.cpp](https://www.osfria.fr/llama-cpp.html) — le moteur bas niveau sur lequel Ollama s'appuie. - [La quantification](https://www.osfria.fr/concept-quantification.html) · [GPU et VRAM](https://www.osfria.fr/concept-gpu-vram.html) — bien choisir la taille d'un modèle. - [Les modèles européens](https://www.osfria.fr/concept-modeles-europeens.html) — Mistral et consorts, en local. - [OSIALab](https://www.osfria.fr/osialab.html) — comparer Ollama avec GPT4All, LM Studio et Jan. ### Sources - Site officiel : **ollama.com** - Code source & licence (MIT) : [github.com/ollama/ollama](https://github.com/ollama/ollama) - Bibliothèque de modèles : [ollama.com/library](https://ollama.com/library)