Gestion des modèles Ollama : guide complet du téléchargement, du basculement, de la suppression et du contrôle de version

Au début avec Ollama, je n’avais pas réalisé un point : les fichiers de modèles prennent vraiment beaucoup de place.

Un jour, mon SSD a sonné l’alarme. J’ai ouvert le répertoire ~/.ollama — plus de quarante gigaoctets. Ma première pensée : je n’utilise même pas la plupart de ces modèles. Comment les supprimer ? Comment changer de version ? Comment éviter de retomber dans ce piège ?

Cet article résume ce que j’ai appris en galérant. Nous passons en revue les commandes essentielles de gestion des modèles Ollama : téléchargement, basculement, suppression et bonnes pratiques de contrôle de version. À la fin, vous devriez gérer sereinement votre bibliothèque LLM locale, sans vous faire surprendre par l’espace disque.

Tableau de référence des commandes clés

Voici d’abord un tableau pour consultation rapide. Nous détaillerons chaque commande ensuite.

Ce tableau couvre environ 90 % des scénarios de gestion quotidienne. Retenez ces commandes, le reste consiste à les combiner.

Téléchargement de modèles : le choix de version compte

Télécharger une version spécifique

ollama pull sert à télécharger un modèle — commande connue de tous. Mais un détail passe souvent inaperçu : les tags de version.

# Télécharger la dernière version
ollama pull llama3.2:latest

# Télécharger une taille de paramètres précise
ollama pull llama3.1:70b

# Télécharger une version quantifiée spécifique
ollama pull mistral:7b-q4_K_M

Vous vous demandez peut-être : quelle est la différence entre ces tags ?

C’est simple :

• latest : tag par défaut, dernière version stable
• 7b, 70b : taille en paramètres — plus le chiffre est grand, plus le modèle est puissant, mais plus gourmand en ressources
• q4_K_M, q3_K_L : niveau de quantification — plus le chiffre est petit, plus le fichier est léger, avec une légère baisse de précision

En résumé : choisissez la version selon votre matériel.

Tableau des exigences matérielles

Ne téléchargez pas à l’aveugle. Consultez ce tableau et comparez avec votre configuration :

Mon expérience : avec 8 Go de RAM, un modèle 7B tourne à peine, et lentement. Avec 16 Go, c’est nettement plus confortable. Pour un 70B — honnêtement, un PC domestique ne suffit pas, sauf si vous avez deux RTX 4090.

Script de téléchargement en lot

Si vous devez télécharger plusieurs modèles, les saisir un par un est fastidieux. Utilisez un script :

KiloClaw - OpenClaw managé pour l’entreprise : orchestration d’agents IA et routage intelligent

Commencer →Pub

#!/bin/bash
# download_models.sh

MODELS=(
  "llama3.2:latest"
  "mistral:7b"
  "qwen2:7b"
  "deepseek-r1:7b"
)

for model in "${MODELS[@]}"; do
  echo "Téléchargement en cours : $model"
  ollama pull "$model"
  echo "---"
done

echo "Tous les modèles ont été téléchargés !"

Enregistrez-le sous download_models.sh, puis exécutez :

chmod +x download_models.sh
./download_models.sh

Vous pourrez ainsi récupérer tous les modèles nécessaires en une seule fois.

Basculement de modèles : ne laissez pas le GPU inactif

Consulter la liste des modèles locaux

Une fois les modèles téléchargés, voyons ce que vous avez :

ollama list

La sortie ressemble à ceci :

NAME                ID              SIZE    MODIFIED
llama3.2:latest     a80c4f17acd5    2.0GB   2 days ago
mistral:7b          f974a74358d6    4.1GB   5 days ago
qwen2:7b            d53d04290064    2.3GB   10 days ago

Signification des champs :

• NAME : nom du modèle et tag
• ID : identifiant unique (utile lors de la suppression)
• SIZE : taille du fichier — qui occupe l’espace devient évident
• MODIFIED : date de dernière modification — pour repérer les modèles anciens

Vous devriez voir quels modèles sont utilisés souvent et lesquels peuvent être supprimés.

Exécuter un modèle spécifique

Changer de modèle est simple avec ollama run :

# Exécution de base
ollama run llama3.2

# Avec accélération GPU
ollama run llama3.2 --gpu

# Mode verbose (afficher le temps de chargement)
ollama run llama3.2 --verbose

Un détail : si le modèle n’est pas téléchargé, ollama run lance d’abord un pull automatiquement. Vous pouvez donc lancer directement run sans pull préalable.

Mais attention : une fois démarré, le modèle occupe le GPU/CPU en continu jusqu’à arrêt manuel. Avant de basculer, arrêtez le modèle précédent.

Arrêter un modèle en cours d’exécution

Voyons d’abord quels modèles tournent :

ollama ps

Sortie typique :

NAME        ID              SIZE    PROCESSOR   UNTIL
llama3.2    a80c4f17acd5    2.0GB   100% GPU    4 minutes from now

Si un modèle tourne, arrêtez-le :

ollama stop llama3.2

Le GPU est libéré et vous pouvez passer au modèle suivant.

Franchement, j’oubliais souvent le stop et la machine ralentissait de plus en plus. Prenez l’habitude : ps avant de basculer, puis stop.

Suppression de modèles : la clé pour libérer de l’espace disque

Supprimer un modèle unique

Voici l’étape cruciale — supprimer un modèle.

ollama rm llama3.2

Sortie :

deleted 'llama3.2'

C’est tout. Point d’attention : confirmez le nom du modèle avant de supprimer, pour ne pas effacer le mauvais. Un coup d’œil à ollama list est recommandé.

🔥 Ne perdez plus des mois sur des produits sans demande ! Validez vos promesses SaaS avec Adsterra à petit budget →

Tester l'MVP →Pub

De plus, les fichiers ne disparaissent pas instantanément : un nettoyage s’exécute en arrière-plan. Si l’espace ne se libère pas tout de suite, attendez quelques minutes.

Script de suppression en lot (avec liste blanche)

Si votre bibliothèque est en désordre et que vous voulez nettoyer sans perdre vos modèles habituels — voici un script :

#!/bin/bash
# cleanup_models.sh

# Liste blanche : ces modèles ne seront pas supprimés
KEEP=(
  "llama3.2:latest"
  "mistral:7b"
)

# Récupérer tous les modèles
ALL_MODELS=$(ollama list | tail -n +2 | awk '{print $1}')

for model in $ALL_MODELS; do
  # Vérifier si le modèle est dans la liste blanche
  keep=false
  for keeper in "${KEEP[@]}"; do
    if [ "$model" == "$keeper" ]; then
      keep=true
      break
    fi
  done

  # Supprimer s'il n'est pas dans la liste blanche
  if [ "$keep" = false ]; then
    echo "Suppression : $model"
    ollama rm "$model"
  else
    echo "Conservation : $model"
  fi
done

echo "Nettoyage terminé !"

Logique du script : lister tous les modèles, puis vérifier un par un. Ceux de la liste blanche sont conservés, les autres supprimés.

Modifiez le tableau KEEP selon vos modèles habituels.

Gestion du chemin de stockage des modèles

Vous avez supprimé des modèles mais l’espace manque encore ? Le problème peut venir de la configuration du chemin.

Par défaut, les modèles sont stockés ici :

• Windows : C:\Users\<nom d'utilisateur>\.ollama\models
• Linux/macOS : ~/.ollama/models

Si le disque système manque d’espace, migrez vers un autre lecteur. Définissez la variable d’environnement OLLAMA_MODELS :

# Linux/macOS
export OLLAMA_MODELS=/path/to/your/models

# Windows (PowerShell)
$env:OLLAMA_MODELS="D:\ollama\models"

Après configuration, les nouveaux téléchargements iront au nouveau chemin. Les anciens modèles restent à l’emplacement d’origine et doivent être déplacés manuellement.

Mon conseil : configurez le chemin dès le départ, avant que l’espace ne soit saturé. La migration est pénible et source d’erreurs.

Contrôle de version : stratégies pour éviter le chaos

Scénario typique de confusion des versions

Vous avez peut-être déjà vu cela :

llama3.1:latest
llama3.1:8b
llama3.2:latest
llama3.2:1b
llama3.2:3b

Des versions empilées sans savoir laquelle est utilisée au quotidien, laquelle sert aux tests, laquelle supprimer.

Trois recommandations pour éviter le chaos

1. Distinguer les usages par les tags

   • latest : version principale pour l’usage quotidien
   • test, dev : versions de test
   • Ne téléchargez pas trop de tailles de paramètres — une seule adaptée à votre matériel suffit

2. Nettoyage régulier

   • Exécutez ollama list une fois par semaine pour repérer les modèles superflus
   • Utilisez le script de nettoyage ci-dessus pour garder une bibliothèque légère

3. Des noms explicites

   • Pour les modèles personnalisés, choisissez des noms clairs
   • Par exemple myproject-llama3.2, pas mymodel1, mymodel2

Mettre à jour un modèle (téléchargement incrémental)

Le modèle a été mis à jour et vous voulez la nouvelle version ?

Relancez simplement pull :

ollama pull llama3.2:latest

Bonne nouvelle : Ollama ne télécharge que les différences, pas le fichier entier. La mise à jour est rapide, pas de souci de bande passante.

Variantes de modèles personnalisés

Pour ajuster les paramètres (temperature, prompt système, etc.), utilisez un Modelfile :

# Créer le Modelfile
FROM llama3.2
PARAMETER temperature 0.7
SYSTEM """Vous êtes un assistant technique professionnel qui répond avec un langage concis."""

# Créer le modèle personnalisé
ollama create my-tech-assistant -f Modelfile

# Exécuter
ollama run my-tech-assistant

Vous obtenez ainsi une version sur mesure. Si vous n’en avez plus besoin, supprimez-la avec ollama rm.

Vultr - Serveur cloud NVMe haute performance, 32 emplacements mondiaux, déploiement Docker en un clic

Voir les tarifs →Pub

Problèmes courants et solutions

Téléchargement bloqué à 99 %

Piège que j’ai connu : le téléchargement s’arrête à 1 % de la fin.

La cause est généralement une interruption réseau. Solution :

# Ctrl+C pour annuler le téléchargement
# Relancer pull
ollama pull llama3.2

Bonne nouvelle : la progression est conservée, pas besoin de tout retélécharger. La deuxième tentative réussit en général.

Espace disque non libéré après suppression

Vous avez supprimé un modèle, mais df -h montre toujours le disque plein.

Causes possibles :

1. Le processus de nettoyage n’est pas terminé — attendez quelques minutes
2. Fichiers résiduels — vérifiez manuellement le chemin

Vérification manuelle :

# Voir la taille du répertoire des modèles
du -sh ~/.ollama/models

# Si c'est encore volumineux, inspectez le contenu
ls -lh ~/.ollama/models/blobs/

Repérez les fichiers résiduels et supprimez-les manuellement.

Échec du basculement de modèle

ollama run échoue ? Causes possibles :

1. Ressources insuffisantes : RAM ou VRAM insuffisante
2. Configuration incorrecte : problème dans le Modelfile

Solutions :

• Lancez d’abord ollama ps pour vérifier qu’aucun autre modèle n’occupe les ressources
• Utilisez --verbose pour voir les erreurs détaillées
• Pour un modèle personnalisé, vérifiez la syntaxe du Modelfile

Pour conclure

En résumé, tout repose sur trois actions : télécharger, basculer, supprimer. Maîtrisez ces commandes, ajoutez un peu de planification (ne téléchargez pas les versions au hasard), et votre bibliothèque LLM locale restera claire.

Si vous utilisez OpenClaw, la gestion des modèles est encore plus importante — OpenClaw dépend d’Ollama, et la version du modèle impacte directement l’expérience. Vérifiez régulièrement votre bibliothèque, supprimez ce qui est inutile, gardez l’ensemble léger.

En cas de doute, consultez le tableau de référence ou revenez à la section correspondante. J’espère que cet article vous évitera quelques pièges.