Installer une IA sur ton ordi en 15 minutes : le guide complet avec Ollama

240 $ par année. C'est ce que tu paies pour un abonnement ChatGPT Plus. Pis si t'ajoutes Claude Pro, on est rendu à 480 $. Pour du texte. Généralement du texte que tu pourrais obtenir à 85-90% de la même qualité... gratuitement... sur ton propre ordinateur.

Pas un serveur dans le cloud. Ton ordi. Celui qui est sur ton bureau en ce moment.

En 2026, Ollama — l'outil le plus populaire pour rouler des modèles IA localement — a dépassé les 100 000 étoiles sur GitHub. C'est devenu tellement simple qu'un non-technicien peut avoir un assistant IA fonctionnel en 15 minutes chrono. Ce tutoriel va te montrer exactement comment.

Étape 1 : Vérifie ta machine (2 minutes)

Pas besoin d'un super-ordinateur. Mais faut savoir ce que t'as sous le capot pour choisir le bon modèle. Voici la règle d'or : la taille du modèle en Go ≈ la RAM dont t'as besoin. Un modèle de 5 Go a besoin d'environ 5-6 Go de RAM libre (après le système d'exploitation).

Comment vérifier ta RAM :

Sur Windows : Clique droit sur la barre des tâches → Gestionnaire des tâches → Onglet Performance → Mémoire. Sur Mac : Menu Pomme → À propos de ce Mac → tu vas voir la quantité de mémoire.

Étape 2 : Installe Ollama (3 minutes)

Va sur ollama.com et télécharge l'installateur pour ton système (Windows, Mac ou Linux). Double-clique, suis les instructions, c'est fait. Ollama va rouler en arrière-plan comme un service — tu vas pas le voir, mais il est là, prêt à recevoir tes commandes.

Pour vérifier que ça marche, ouvre un terminal (sur Windows : cherche « PowerShell » dans le menu Démarrer; sur Mac : cherche « Terminal » dans Spotlight) et tape :

ollama --version

Si tu vois un numéro de version, t'es en business.

Étape 3 : Télécharge ton premier modèle (5 minutes)

Voici le moment où la magie arrive. Dans le même terminal, tape :

ollama pull llama3.2

Ollama va télécharger le modèle Llama 3.2 8B de Meta — environ 4,9 Go. C'est le modèle le plus recommandé pour débuter en 2026. Il gère bien les conversations, le résumé de texte, les questions-réponses, et même un peu de code. Le téléchargement se fait une seule fois; après ça, tout est local.

Quand c'est fini, lance-le :

ollama run llama3.2

Tu vas voir un curseur qui attend ta question. Tape n'importe quoi — « Explique-moi la photosynthèse comme si j'avais 10 ans » — et regarde la réponse apparaître, mot par mot, directement sur ton ordi. Pas d'internet requis. Pas de serveur. Tout se passe chez toi.

Pour quitter la conversation, tape /bye.

Étape 4 : Choisis le bon modèle pour tes besoins

Llama 3.2 c'est un excellent point de départ, mais c'est pas le seul modèle disponible. Selon ce que tu veux faire, y'a des spécialistes :

Pour le raisonnement et les maths : Phi-4

ollama pull phi4

Le modèle 14B de Microsoft. Il bat régulièrement des modèles 2 à 5 fois plus gros sur les tâches de logique et de mathématiques. Il obtient 80,4% sur le benchmark MATH, contre 68% pour Llama 3.2. Par contre, sa fenêtre de contexte est plus petite (16K tokens), faque c'est pas idéal pour les longs documents. Besoin : 16 Go de RAM.

Pour le code : Qwen 2.5 Coder

ollama pull qwen2.5-coder:14b

Le meilleur modèle local pour la programmation en 2026. Il obtient environ 85% sur HumanEval (génération de code), comparé à 68% pour Llama 3.2. Si t'as juste 8 Go de RAM, la version 7B est aussi disponible avec ollama pull qwen2.5-coder:7b. Besoin : 16 Go pour le 14B, 8 Go pour le 7B.

Pour le raisonnement profond : DeepSeek R1

ollama pull deepseek-r1:8b

Le modèle chinois qui a fait trembler l'industrie. DeepSeek R1 « montre son travail » — il déroule son raisonnement étape par étape avant de donner sa réponse finale. Excellent pour les problèmes complexes. Attention : il est plus lent que les autres parce qu'il réfléchit plus longtemps. Utilise-le quand la qualité prime sur la vitesse. Besoin : 8 Go pour le 8B, 16 Go pour le 14B.

Pour la vitesse : Mistral 7B

ollama pull mistral

Le modèle français, rapide comme l'éclair. Seulement 4,1 Go sur disque, il roule même sur des machines modestes. La qualité est un cran en dessous de Llama 3.2, mais la vitesse compense quand t'as besoin de réponses rapides. Besoin : 8 Go de RAM.

Étape 5 (optionnel) : Installe une interface graphique

Le terminal c'est bien, mais si tu préfères une interface qui ressemble à ChatGPT, t'as deux options :

LM Studio (lmstudio.ai) — Télécharge l'application, elle détecte automatiquement les modèles que t'as déjà installés avec Ollama. Interface propre avec des sliders pour ajuster la température (créativité) et d'autres paramètres. C'est l'option la plus simple si tu veux une expérience « chat » visuelle.

Open WebUI — Si tu connais Docker, c'est la Cadillac des interfaces. Ça ressemble à ChatGPT avec l'historique des conversations, le support de plusieurs modèles, le upload de documents, et plus. Une seule commande Docker et c'est parti. Plus technique, mais plus puissant.

5 cas d'usage concrets pour une PME

OK, t'as une IA qui roule sur ton ordi. Mais tu fais quoi avec, concrètement? Voici cinq exemples que tu peux essayer maintenant.

1. Analyser des documents confidentiels. T'as un contrat de 30 pages que tu veux résumer? Copie-colle le texte dans Ollama et demande un résumé. Le document quitte jamais ta machine. Pas de risque qu'il se retrouve dans les données d'entraînement d'OpenAI ou Google.

2. Rédiger des premiers jets. Courriels, descriptions de produit, posts LinkedIn, réponses à des appels d'offres. Donne le contexte à ton modèle local, demande un premier jet, puis peaufine. La qualité est peut-être pas à 100% de Claude, mais pour un brouillon c'est amplement suffisant.

3. Brainstormer sans filtre. Les modèles cloud ont des garde-fous qui les rendent parfois trop prudents. Les modèles locaux sont généralement plus directs. Si tu veux explorer des idées sans que le modèle te serve des avertissements à chaque phrase, le local est ton meilleur ami.

4. Reformuler et corriger du texte. « Reformule ce courriel pour qu'il sonne plus professionnel. » « Corrige les erreurs dans ce paragraphe. » « Traduis ce texte en anglais. » Des tâches simples où un modèle 8B local fait aussi bien qu'un modèle cloud — et instantanément.

5. Servir d'assistant hors-ligne. Dans le truck, sur un chantier, dans un avion — partout où t'as pas de Wi-Fi fiable. Ton IA locale marche même en mode avion. Pour un entrepreneur sur la route, c'est un game changer.

Les pièges à éviter

Pas de conversations de 50 messages. Les modèles locaux perdent le fil plus vite que les modèles cloud quand la conversation s'allonge. Pour un nouveau sujet, quitte avec /bye et redémarre. Session courte, questions précises, meilleurs résultats.

Sois spécifique dans tes prompts. « Résume ce texte » va te donner un mur de mots. « Résume ce texte en 3 points, une phrase chaque » va te donner exactement ce que tu veux. Les modèles locaux sont plus sensibles aux prompts vagues que les modèles cloud — la précision paye.

Le modèle peut pas lire tes fichiers. Tu peux pas dire « lis le PDF sur mon bureau ». Faut copier-coller le texte dans la conversation. Pour les longs documents, colle juste la section qui t'intéresse plutôt que tout le document d'un coup.

C'est pas un remplacement complet pour le cloud. Pour les tâches critiques — un texte client final, une analyse complexe, de la génération d'images — les modèles cloud restent supérieurs. L'IA locale, c'est ton outil du quotidien pour les 80% de tâches qui demandent pas la perfection. Le cloud, c'est pour les 20% où la qualité fait la différence.

L'API locale : connecter Ollama à tes autres outils

Le truc vraiment puissant qu'on mentionne pas assez : Ollama expose une API compatible avec celle de ChatGPT sur ton réseau local. Ça veut dire que n'importe quelle application qui fonctionne avec l'API d'OpenAI peut fonctionner avec ton Ollama local, juste en changeant l'adresse du serveur.

L'adresse par défaut : http://localhost:11434/v1

Tu peux connecter ça à Make, n8n, des scripts Python, des applications de prise de notes, ou même des outils comme Continue (extension VS Code pour le code assisté par IA). Tout roule en local, tes données sortent jamais de ton réseau, et ça coûte exactement zéro dollar en tokens API.

Pour une PME qui utilise beaucoup l'IA dans ses processus, la combinaison n8n (self-hosted) + Ollama peut remplacer des centaines de dollars par mois en frais d'API cloud. C'est de l'infrastructure IA complète, sous ton contrôle, pour le prix de l'électricité.

15 minutes plus tard...

T'as installé Ollama. T'as téléchargé un modèle. T'as posé ta première question. Tes données sont restées sur ta machine. T'as payé zéro dollar.

C'est le début. Avec le temps, tu vas probablement développer un réflexe : les questions sensibles ou quotidiennes vont aller à ton modèle local, pis les tâches critiques vont continuer d'aller au cloud. C'est l'approche hybride, pis c'est la stratégie la plus intelligente en 2026.

Si tu veux aller plus loin — connecter ton IA locale à tes workflows, intégrer ça dans ton CRM, ou mettre en place un système RAG pour que le modèle puisse chercher dans tes documents d'entreprise — c'est exactement le genre de projet qu'on fait chez GPP. On prend les outils open source et on les transforme en solutions business concrètes pour les PME d'ici.