Tutoriel Ollama
Ollama est un framework d'exécution local de grands modèles de langage open source, conçu pour déployer et exécuter facilement des grands modèles de langage (LLM) sur des machines locales.
Ollama prend en charge plusieurs systèmes d'exploitation, notamment macOS, Windows, Linux, et l'exécution via des conteneurs Docker.
En termes simples, si des services comme ChatGPT, Claude et DeepSeeek appellent des modèles hébergés par d'autres via Internet, Ollama est plutôt comme unenvironnement d'exécution local de modèles d'IA。
Qui devrait lire ce tutoriel ?
Ollama convient aux développeurs, aux chercheurs et aux utilisateurs ayant des exigences élevées en matière de confidentialité des données. Il aide les utilisateurs à déployer et exécuter rapidement de grands modèles de langage dans des environnements locaux, tout en offrant des options de personnalisation flexibles.
Avec Ollama, nous pouvons exécuter qwen3.5, Llama 3.3, DeepSeek-R1, Phi-4, Mistral, Gemma 2 et d'autres modèles localement.
| Type d'utilisateur | Ce qu'ils pourraient vouloir faire |
|---|---|
| Débutants en IA | Comprendre ce que sont les grands modèles locaux, installer Ollama, télécharger, exécuter et supprimer des modèles |
| Programmeurs / Développeurs | Intégrer de grands modèles dans leurs propres applications Python, JavaScript et Web |
| Développeurs d'agents IA | Connectez des modèles locaux à des agents de codage comme Claude Code, Codex, OpenCode |
| Utilisateurs réguliers qui souhaitent découvrir l'IA locale | Découvrir divers modèles open source sur leurs propres ordinateurs sans acheter d'API ni téléverser de données dans le cloud |
Que peuvent faire les développeurs avec Ollama ?
Pour les développeurs, la valeur d'Ollama réside dans le fait de transformer les grands modèles en un service local pouvant être appelé à tout moment.
Les utilisations typiques incluent : chatbots IA, outils de rédaction IA, assistants de programmation IA, outils d'analyse de documents, bases de connaissances RAG, recherche vectorielle, agents IA, flux de travail automatisés et applications Web d'IA locales.
Derrière ces capacités se trouvent les interfaces d'Ollama pour la génération de texte, le chat, la gestion de modèles, l'Embedding, etc., avec prise en charge des réponses en streaming et de l'appel d'outils.
Pourquoi les développeurs d'agents en ont-ils besoin ?
Si vous apprenez des outils de codage IA comme Claude Code, Codex ou OpenCode, Ollama peut leur servir de backend de modèle local.
Ollama fournit déjà des méthodes d'intégration officielles avec des outils comme Claude Code, Codex, OpenCode, Copilot CLI, Droid, etc., et une seule commandeollama launchpeut connecter des modèles locaux à ces workflows d'agents. Cela sera détaillé dans le chapitre sur l'intégration.
Ce que vous devez savoir avant de suivre ce tutoriel
Ollama lui-même n'est pas difficile. Si vous voulez simplement exécuter des modèles, vous n'avez pratiquement pas besoin de connaissances en programmation.
Différents objectifs d'apprentissage ont différents prérequis. Vous pouvez évaluer votre point de départ par rapport au tableau ci-dessous :
| Objectif d'apprentissage | Prérequis |
|---|---|
| Installer Ollama | Compétences informatiques de base, notions de terminal |
| Télécharger et exécuter des modèles | Connaissances de base de la ligne de commande |
| Utiliser l'API Ollama | Bases de HTTP, JSON |
| Développement Python | Tutoriel sur les bases de Python 3.x |
| Développement JavaScript | Bases de JavaScript / TypeScript |
| Développement RAG / Agent | Bases de Python + grands modèles |
| Déploiement et optimisation de modèles | Bases de GPU, VRAM, Linux, Docker |
Si vous voulez simplement essayer Ollama, savoir ce qu'est un terminal, des commandes, des dossiers et des modèles suffit pratiquement.
Si vous voulez développer davantage d'applications d'IA, il est recommandé d'apprendre d'abord HTTP / REST API, JSON, Python ou JavaScript, ainsi que l'utilisation de base de Git et Docker.
Création de nouveaux modèles
C'est la capacité principale d'Ollama : exécuter des modèles open source sur votre propre ordinateur ou serveur sans avoir à configurer un environnement d'inférence complexe.
Lancez-le avec une seule commande, et discutez directement une fois le modèle en cours d'exécution :
ollama run qwen3.5
Cette commande démarre le modèle Qwen3.5 localement et entre dans un terminal de chat interactif. Si le modèle n'est pas disponible localement, il le télécharge automatiquement d'abord, puis démarre.
Liens connexes
Site officiel d'Ollama :https://ollama.com/
-
Dépôt open source GitHub :https://github.com/ollama/ollama
Liste des modèles :https://ollama.com/search
-
Documentation officielle d'Ollama :https://github.com/ollama/ollama/tree/main/docs