Comment voir les modèles installés dans Ollama ?

Avec ollama ls. La commande ollama ps montre, elle, les modèles chargés en mémoire à cet instant.

Comment supprimer un modèle Ollama ?

Avec ollama rm suivi du nom du modèle, par exemple ollama rm gemma4.

Combien de temps un modèle reste-t-il en mémoire ?

Cinq minutes par défaut d'après la FAQ d'Ollama, avant d'être déchargé. La variable OLLAMA_KEEP_ALIVE ou le paramètre keep_alive de l'interface changent ce délai.

Commandes Ollama : le mémo complet en français

Ollama se pilote avec une dizaine de commandes. Les plus utilisées : ollama pull pour télécharger un modèle, ollama run pour l'utiliser, ollama ls pour lister ce qui est installé, ollama ps pour voir ce qui tourne. Voici le mémo, d'après la documentation de la ligne de commande lue le 15/11/2026.

Les commandes de base

Commande	Ce qu'elle fait
`ollama pull gemma4`	télécharge un modèle
`ollama run gemma4`	lance une conversation avec le modèle (le télécharge s'il manque)
`ollama ls`	liste les modèles installés
`ollama ps`	liste les modèles chargés en mémoire
`ollama stop gemma4`	décharge un modèle en cours d'exécution
`ollama rm gemma4`	supprime un modèle du disque
`ollama create -f Modelfile`	crée un modèle personnalisé à partir d'un Modelfile
`ollama serve`	démarre le serveur ; `ollama serve --help` liste les variables réglables
`ollama signin` / `ollama signout`	connexion au compte Ollama (utile pour les modèles « cloud » seulement)
`ollama launch`	configure et lance une intégration prise en charge (par exemple Claude Code, VS Code)

Dans une conversation ouverte par ollama run, tapez /bye pour sortir.

Utiliser un modèle sans conversation

ollama run accepte une question directement, ce qui permet de l'appeler depuis un script :

ollama run gemma4 "Résume ce texte en trois points : ..."

Avec un modèle multimodal, ajoutez le chemin d'une image dans la question. Avec un modèle de plongements, la documentation montre qu'un texte transmis par un tube renvoie le vecteur au format JSON :

echo "Bonjour" | ollama run nomic-embed-text

Prendre un modèle sur Hugging Face

D'après la documentation de Hugging Face, tout dépôt de fichiers GGUF public se lance directement :

ollama run hf.co/bartowski/Llama-3.2-3B-Instruct-GGUF:Q8_0

Sans suffixe, Ollama prend la quantification Q4_K_M si elle existe dans le dépôt, sinon une autre quantification présente. Le nom de quantification n'est pas sensible à la casse. Le sens de ces suffixes est expliqué sur Quantification GGUF.

Le Modelfile : figer vos réglages

Un Modelfile décrit un modèle personnalisé : modèle de départ, paramètres, consigne système. La documentation du Modelfile liste les instructions FROM (obligatoire), PARAMETER, TEMPLATE, SYSTEM, LICENSE, MESSAGE, REQUIRES et CAPABILITY. Exemple :

FROM gemma4
PARAMETER temperature 0.3
PARAMETER num_ctx 8192
SYSTEM Tu réponds en français, en phrases courtes.

Puis :

ollama create assistant-interne -f ./Modelfile
ollama run assistant-interne

num_ctx fixe la taille de la fenêtre de contexte (la quantité de texte que le modèle lit à chaque réponse) ; temperature règle la part de créativité. Pour importer un fichier GGUF que vous avez déjà, écrivez FROM ./mon-modele.gguf, avec un chemin absolu ou relatif à l'emplacement du Modelfile.

Les variables d'environnement à connaître

D'après la FAQ et la page sur la longueur de contexte :

Variable	Rôle	Valeur par défaut
`OLLAMA_HOST`	adresse d'écoute du serveur	`127.0.0.1:11434`
`OLLAMA_MODELS`	dossier des modèles	dossier `.ollama/models` selon le système
`OLLAMA_CONTEXT_LENGTH`	fenêtre de contexte par défaut	selon la mémoire vidéo : 4k sous 24 Gio, 32k de 24 à 48 Gio, 256k au-delà
`OLLAMA_KEEP_ALIVE`	durée de maintien en mémoire	5 minutes
`OLLAMA_NUM_PARALLEL`	requêtes simultanées par modèle	1
`OLLAMA_MAX_LOADED_MODELS`	modèles chargés en même temps	3 par carte graphique, ou 3 sur processeur
`OLLAMA_KV_CACHE_TYPE`	précision du cache de contexte	`f16`
`OLLAMA_NO_CLOUD`	désactive les fonctions « cloud » si elle vaut `1`	—

Exemple, pour lancer le serveur avec une fenêtre de 64 000 jetons :

OLLAMA_CONTEXT_LENGTH=64000 ollama serve

La page prévient : une fenêtre plus grande demande plus de mémoire. Vérifiez ensuite avec ollama ps que le modèle tient toujours dans la carte graphique.

Économiser de la mémoire

La FAQ décrit la quantification du cache de contexte : avec OLLAMA_KV_CACHE_TYPE=q8_0, le cache occupe environ la moitié de la mémoire de f16, avec une très faible perte de précision ; avec q4_0, environ le quart, avec une perte plus sensible sur les grands contextes. Le réglage est global et fonctionne quand l'attention Flash est active, ce qu'Ollama fait automatiquement quand le matériel le permet.

Pour aller plus loin

L'installation est détaillée sur Installer Ollama, le partage sur le réseau sur Ollama sur un serveur, et l'appel depuis un programme sur Appeler un LLM local depuis son code.