Débutant 3 minOllama

Installer Ollama sur Windows 11 : guide complet (2026)

Réponse directe

Sur Windows 11, Ollama s'installe via un installateur classique téléchargé depuis le site officiel, avec détection automatique du GPU (support CUDA NVIDIA natif). Une seule commande terminal (ollama run mistral) télécharge et lance un premier modèle en environ 5 minutes, sans configuration manuelle ni ligne de commande complexe.

Vous avez un PC Windows et vous voulez faire tourner un LLM en local sans passer par ChatGPT. Ollama est probablement l'outil le plus simple pour y arriver : un installateur classique, une commande, un modèle. En 3 minutes chrono, vous avez Mistral qui tourne sur votre machine.

Par Mohamed Meguedmi·Màj 2026-03-18·Testé sur Windows 11

#Pourquoi Ollama ?

Ollama gère pour vous tout ce qui est pénible : le téléchargement des modèles, la quantization, le chargement en VRAM, la détection du GPU, l'API HTTP locale. Derrière, c'est llama.cpp. Mais vous n'aurez pas à le compiler.

L'outil est gratuit, open source, et fonctionne entièrement hors-ligne une fois le modèle téléchargé. Aucune donnée n'est envoyée à un serveur distant.

i
En deux mots
Ollama = un daemon local qui tourne en arrière-plan + une CLI pour parler avec lui. Les modèles vivent dans un dossier sur votre disque. C'est tout.

#Prérequis

Windows 10 ou 11
64 bits. Ollama n'a pas de version 32 bits.
8 Go de RAM minimum
16 Go confortables pour des modèles 7B en quantization Q4.
10 Go d'espace disque
Un modèle 7B pèse environ 4 à 5 Go. Prévoyez large si vous comptez en tester plusieurs.
GPU NVIDIA (optionnel)
Drivers à jour, RTX 20/30/40/50 ou GTX 16. Ollama détecte le GPU tout seul.
→
Sans GPU, ça marche aussi
Un CPU moderne fait tourner un 7B à 5–10 tokens/seconde. C'est lent mais utilisable pour tester. Pour un usage quotidien, visez un GPU avec au moins 6 Go de VRAM.

#1. Téléchargement

Rendez-vous sur le site officiel et récupérez l'installateur Windows.

Lien officiel
https://ollama.com/download/windows

L'installateur fait environ 700 Mo. C'est normal : il embarque les binaires llama.cpp précompilés avec le support CUDA.

!
Vérifiez le domaine
Ne téléchargez Ollama que depuis ollama.com. Des versions redistribuées sur GitHub par des tiers peuvent être vérolées. L'outil est open source — si vous êtes parano, compilez depuis le repo officiel.

#2. Installation

  1. 01
    Lancez OllamaSetup.exe
    Double-clic sur l'installateur téléchargé. Windows Defender peut afficher un avertissement SmartScreen — cliquez sur "Informations complémentaires" puis "Exécuter quand même".
  2. 02
    Installation silencieuse
    Aucune fenêtre de configuration : l'installateur s'installe dans %LOCALAPPDATA%\Programs\Ollama et démarre automatiquement le service en arrière-plan.
  3. 03
    Vérifiez l'icône système
    Une petite icône Ollama apparaît près de l'horloge, en bas à droite. Elle indique que le daemon tourne.
  4. 04
    Ouvrez un terminal
    PowerShell, Windows Terminal, ou cmd.exe — peu importe. Tapez la commande de vérification ci-dessous.
PowerShell
ollama --version

Vous devriez voir quelque chose comme ollama version is 0.5.x. Si la commande n'est pas reconnue, fermez et rouvrez le terminal — le PATH vient d'être modifié.

#3. Votre premier modèle

Mistral 7B est un bon premier choix : français natif, raisonnable en taille, excellent en qualité.

Télécharger et lancer
ollama run mistral

La première fois, Ollama télécharge le modèle (environ 4,1 Go en Q4). Les fois suivantes, le lancement est instantané. Quand le prompt >>> apparaît, vous pouvez discuter.

Essai de conversation
>>> Bonjour, présente-toi en 2 phrases.

Je suis Mistral, un modèle de langage open-source développé par Mistral AI en France.
Je fonctionne entièrement en local sur votre machine, sans connexion internet.
→
Quitter la conversation
Tapez /bye ou Ctrl+D pour sortir. Le modèle reste chargé en mémoire quelques minutes, ce qui rend les relances instantanées.

#4. Vérifier que le GPU est utilisé

Par défaut, Ollama détecte votre GPU NVIDIA et charge le modèle dessus. Pour confirmer, lancez cette commande pendant qu'une conversation tourne :

Statut du modèle chargé
ollama ps

Dans la colonne PROCESSOR, vous devriez voir 100% GPU. Si vous voyez CPU ou un pourcentage partiel, c'est que le modèle déborde sur la RAM.

i
VRAM insuffisante ?
Mistral 7B Q4 a besoin d'environ 5 Go de VRAM. Si votre GPU a 4 Go, essayez mistral:7b-instruct-q3_K_S (quantization plus agressive) ou un modèle plus petit comme qwen2.5:3b.

Pour surveiller l'utilisation GPU en direct, ouvrez une autre fenêtre PowerShell :

Monitoring
nvidia-smi -l 1

#5. Une interface propre avec Open WebUI

Le terminal, c'est bien pour tester. Pour un usage quotidien, Open WebUI ressemble à ChatGPT — historique, markdown, pièces jointes, tout y est. La méthode la plus simple passe par Docker Desktop.

Lancer Open WebUI
docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway \
  -v open-webui:/app/backend/data \
  --name open-webui --restart always \
  ghcr.io/open-webui/open-webui:main

Ouvrez ensuite http://localhost:3000 dans votre navigateur. Créez un compte (il est local, rien ne sort de votre machine), et vos modèles Ollama apparaissent dans la liste.

#Dépannage

"ollama : commande introuvable"
Le PATH n'a pas été rechargé. Fermez et rouvrez tous vos terminaux. En dernier recours, redémarrez la session Windows.
Téléchargement bloqué à 0%
Un pare-feu d'entreprise bloque parfois Ollama. Essayez depuis un autre réseau ou configurez un proxy via la variable HTTPS_PROXY.
Le modèle tourne mais c'est lent
Vérifiez ollama ps. Si c'est 100% CPU, votre GPU est soit trop petit soit mal détecté. Mettez à jour vos drivers NVIDIA.
Réponses coupées au bout de quelques lignes
La fenêtre de contexte par défaut est de 2048 tokens. Augmentez-la avec /set parameter num_ctx 8192 dans la conversation.

#Pour aller plus loin

Vous avez Ollama qui tourne. Les prochaines étapes logiques :

Ce guide vous a aidé ?

Un retour, une erreur, une précision ? Faites-nous signe, ça améliore le guide pour tout le monde.