Ollama pull ou run : où sont stockés les modèles ?
Découvrez la différence entre ollama pull et ollama run, l’erreur des modèles d’embeddings, l’emplacement des fichiers et comment éviter de remplir le disque root.
ollama pull vs ollama run
ollama pull télécharge un modèle, puis s’arrête. Pour un modèle de chat local, ollama run télécharge le modèle uniquement s’il est absent, le charge ensuite en mémoire et ouvre un chat interactif. Le téléchargement est identique et les fichiers sont enregistrés au même endroit. Seul run poursuit son exécution. Les modèles d’embeddings font exception pour la partie chat : la documentation officielle montre que ollama run embeddinggemma "Hello world" affiche l’embedding sous forme de tableau JSON au lieu d’une réponse. Sans texte d’entrée, ollama run refuse un modèle d’embeddings avec embedding models require input text.
Cette différence détermine la commande à utiliser dans un script et celle à utiliser depuis un terminal.
ollama pull gemma4
ollama run gemma4
ollama run gemma4 "Reply with one word: ready"La première ligne récupère le modèle, puis quitte, ce qui convient au provisioning et à une unité systemd. La deuxième ouvre une session de chat ; saisissez /bye ou appuyez sur Ctrl+D pour la quitter. La troisième envoie un prompt unique, affiche la réponse, puis quitte. C’est la forme adaptée à un script qui a besoin d’une réponse plutôt que d’une session. Cette troisième forme laisse toutefois entièrement au modèle le choix de la longueur de la réponse. Une question sur une seule ligne peut donc produire trois paragraphes. Limiter la réponse avec num_predict permet de maintenir un run utilisé par un script dans une taille que l’appelant peut réellement exploiter. Les noms des modèles évoluent rapidement. Considérez donc gemma4 comme un placeholder : il s’agit de l’exemple utilisé par la documentation officielle d’Ollama en octobre 2026. Remplacez-le par un autre modèle de chat local pour appliquer le même workflow. Les tags qui se terminent par :cloud, comme gemma4:cloud, sont différents : Ollama les exécute sur ses propres serveurs sans télécharger les poids du modèle. L’espace disque indiqué ci-dessous concerne donc les modèles locaux. Si vous préférez utiliser un modèle dont les besoins ont déjà été évalués sur un serveur réel, Exécuter Nemotron 3.5 Lightning sur un VPS indique le tag exact à télécharger et la mémoire nécessaire.
Pourquoi le premier ollama run semble bloqué
Un premier run sur un VPS neuf peut rester plusieurs minutes sans afficher de sortie. Rien n’est défaillant. L’invite de chat ne peut pas s’afficher tant que le modèle n’est pas présent sur le disque et chargé en mémoire. run effectue donc un téléchargement de plusieurs gigaoctets avant de pouvoir afficher quoi que ce soit.
Deux éléments masquent cette activité. Ollama écrit sa barre de progression sur la sortie d’erreur standard. Si ce flux est redirigé ou lu uniquement plus tard, par exemple dans un script qui se termine par 2>/dev/null ou dans une tâche cron, rien n’indique qu’un téléchargement est en cours. Ensuite, une fois les octets téléchargés, le fichier doit encore être lu depuis le disque et chargé en RAM avant l’émission du premier token. Sur un petit VPS, cette lecture est lente. Si la machine ne dispose pas de suffisamment de mémoire pour le modèle, le kernel commence à utiliser le swap et l’attente s’allonge fortement.
Observez l’opération depuis une deuxième session au lieu de supposer que le processus est bloqué :
df -h /
watch -n5 df -h /Sur une machine neuve, une baisse progressive de l’espace libre indique que le téléchargement est toujours en cours. En revanche, si l’espace libre cesse de diminuer alors que la commande est toujours active, cela ne prouve pas que le chargement a commencé. Après le téléchargement, Ollama effectue une phase distincte de verifying sha256 digest : il lit les fichiers avant d’écrire le manifeste et de terminer le pull. Une machine qui contient déjà des modèles peut aussi induire en erreur avec Ollama 0.40.2. Lors du premier lancement d’un modèle téléchargé avec une version antérieure, cette version écrivait en arrière-plan une copie mise à niveau et conservait l’original comme sauvegarde. L’espace libre pouvait donc diminuer sans qu’aucun téléchargement soit en cours. Ollama 0.40.3, sorti le 11 octobre 2026, a suspendu cette mise à niveau en arrière-plan.
C’est la raison pour laquelle il faut effectuer le pull à l’avance. La personne qui saisit ollama run ne devrait jamais avoir à attendre le téléchargement.
Charger le modèle avant toute demande
La même règle s’applique à tout ce qui n’est pas une personne : un agent de programmation configuré pour utiliser votre endpoint Ollama reçoit une erreur indiquant que le modèle est introuvable si le modèle local demandé n’a pas été chargé ; une requête d’inférence ne le télécharge pas. Sur un nouveau serveur, ajoutez le chargement au même script que celui qui installe le serveur :
curl -fsSL https://ollama.com/install.sh | sh
ollama pull gemma4Si vous configurez le serveur pour la première fois, l’installation complète d’Ollama sur un VPS couvre le service lui-même et les personnes autorisées à y accéder. Ensuite, configurez un chargement qui continue après la fermeture du terminal. Un téléchargement interrompu en cours d’exécution peut laisser le magasin de modèles partiellement rempli.
Exécutez-le dans tmux, ou confiez-le à systemd sous la forme d’une unité one-shot exécutée au boot. Écrivez /etc/systemd/system/ollama-pull.service :
[Unit]
Description=Pre-pull Ollama models
Wants=ollama.service network-online.target
After=ollama.service network-online.target
[Service]
Type=oneshot
RemainAfterExit=yes
ExecStart=/bin/sh -c 'until ollama list >/dev/null 2>&1; do sleep 2; done'
ExecStart=/bin/sh -c 'ollama pull gemma4'
[Install]
WantedBy=multi-user.targetLes deux commandes passent volontairement par /bin/sh -c. Un ExecStart= seul accepte un chemin absolu ou un nom d’exécutable simple résolu dans le chemin de recherche fixe de systemd ; command -v ollama affiche le chemin trouvé par votre shell actuel. Passer par le shell utilise le PATH du service, plutôt qu’un chemin copié depuis un guide. Le premier ExecStart est également important : After=ollama.service signifie que l’unité du serveur a été démarrée, ce qui ne signifie pas qu’elle est prête. La boucle attend donc que ollama list réponde avant de commencer le chargement.
sudo systemctl daemon-reload
sudo systemctl enable --now ollama-pull.service
journalctl -u ollama-pull.serviceLe journal doit indiquer que le chargement s’est terminé sans erreur, puis ollama list doit afficher le modèle. Pour maintenir à jour un tag évolutif, ajoutez un timer systemd ou une entrée cron hebdomadaire qui exécute le même chargement. Recharger un tag qui a évolué télécharge les nouvelles layers et, pour la plupart des modèles, supprime à la fin du même chargement les anciennes layers qui ne sont plus utilisées.
Que se passe-t-il lorsqu’un pull est interrompu
Chaque layer d’un modèle est stocké sous un hash correspondant à son contenu. Un pull interrompu ne représente donc pas du travail perdu : relancez la même commande ollama pull. Les layers déjà téléchargés sont reconnus et ignorés. Le téléchargement reprend avec le layer qui a été interrompu.
Une action peut toutefois supprimer cette progression. Au démarrage du serveur Ollama, celui-ci supprime les téléchargements partiels et les layers stockés auxquels aucun manifest de modèle ne fait référence. Les fichiers laissés par un pull interrompu sont précisément dans ce cas. Les versions actuelles (0.40.11, vérifiée le 26 octobre 2026) ignorent tout fichier modifié au cours de la dernière heure. Un redémarrage effectué peu après l’interruption du pull est donc sans conséquence. En revanche, un redémarrage plusieurs heures plus tard supprime la partie déjà téléchargée. Relancez d’abord le pull, puis redémarrez plus tard. Si un téléchargement partiel doit réellement survivre à un redémarrage, définissez OLLAMA_NOPRUNE=1 dans l’environnement du service, puis supprimez cette variable. Elle désactive également le nettoyage effectué à la fin de chaque pull. Ces deux opérations de nettoyage empêchent l’accumulation de layers orphelins sur le disque.
Si le pull s’est interrompu avec no space left on device, libérez de l’espace avant de réessayer. Si df signale que le disque est plein et que du exécuté sur le répertoire du modèle ne l’explique pas, l’espace est utilisé ailleurs. Consultez les raisons pour lesquelles df et du donnent des résultats différents avant de supprimer quoi que ce soit.
Où Ollama stocke-t-il les modèles sur un VPS ?
Interrogez votre propre machine plutôt que de faire confiance à un chemin indiqué dans un guide, y compris celui-ci. L’emplacement diffère selon qu’il s’agit d’une installation par paquet ou d’un conteneur. Il change également si quelqu’un a défini OLLAMA_MODELS.
systemctl cat ollama.service
getent passwd ollama
sudo find / -xdev -type d -name blobs 2>/dev/nullsystemctl cat affiche le fichier d’unité avec tous les drop-ins. Une ligne OLLAMA_MODELS définie par vos soins ou intégrée à votre image apparaît donc à cet endroit. En l’absence de cette ligne, le store se trouve sous le répertoire personnel du compte qui exécute le service. getent passwd affiche ce répertoire personnel dans le sixième champ séparé par des deux-points. find recherche le répertoire blobs dans un système de fichiers. C’est là que les layers sont réellement écrites. Supprimez -xdev si les modèles peuvent déjà se trouver sur un montage séparé.
Mesurez maintenant et lisez vos propres résultats :
ollama list
df -h /
sudo du -sh /the/directory/you/found
sudo du -h -d1 /the/directory/you/foundLe store contient deux types de contenu. Les répertoires de manifest (manifests, rejoints par manifests-v2 dans les versions actuelles) contiennent de petits fichiers qui indiquent, pour chaque tag de modèle, les layers utilisés pour le construire. blobs contient les layers elles-mêmes. Chacune porte le hash de son contenu, et la quasi-totalité de l’espace occupé se trouve là. Comme les layers sont partagées entre les tags, deux modèles construits à partir des mêmes weights indiquent chacun leur propre taille dans ollama list, alors que cet espace n’est occupé qu’une seule fois sur le disque. Les tailles indiquées peuvent donc dépasser le résultat de du pour le répertoire. La situation inverse se produit avec Ollama 0.40.2 : les modèles mis à niveau en arrière-plan conservent leur copie d’origine sur le disque comme sauvegarde. ollama list ne les compte pas deux fois, et du peut donc indiquer une taille bien supérieure à celle suggérée par la liste. Les notes de version de 0.40.2 incluent un script qui supprime uniquement ces sauvegardes.
Les fichiers de modèles remplissent un petit système de fichiers root de VPS plus vite que presque tout ce que vous êtes susceptible d’y installer. Le principal facteur de leur taille est le format des weights. Choisir entre q4, q8 et fp16 peut faire économiser plusieurs gigaoctets par modèle.
Déplacer les modèles vers un volume de données avec OLLAMA_MODELS
Si le serveur dispose d’un second disque ou d’un volume de données plus volumineux, déplacez le répertoire de stockage avant que le système de fichiers racine ne soit plein. Arrêtez d’abord le serveur afin de ne pas copier un fichier pendant qu’il est encore en cours d’écriture.
sudo systemctl stop ollama
sudo mkdir -p /mnt/data/ollama-models
sudo rsync -a /the/directory/you/found/ /mnt/data/ollama-models/
sudo chown -R ollama:ollama /mnt/data/ollama-models
sudo systemctl edit ollama.servicesystemctl edit ouvre un éditeur sur un fichier drop-in. L’unité fournie par le paquet reste ainsi intacte et une mise à niveau du paquet ne peut pas écraser votre modification. Ajoutez ces deux lignes :
[Service]
Environment="OLLAMA_MODELS=/mnt/data/ollama-models"sudo systemctl daemon-reload
sudo systemctl restart ollama
systemctl show ollama --property=Environment
ollama listsystemctl show doit afficher votre nouveau chemin, et ollama list doit afficher les mêmes modèles qu’avant le déplacement. Si la liste est vide, vérifiez que le nouveau répertoire contient bien le store copié et que le serveur peut le lire. Le service s’exécute avec l’utilisateur ollama. Cet utilisateur doit donc disposer des droits de lecture et d’écriture sur la destination. C’est le rôle de la ligne chown ci-dessus. Consultez journalctl -e -u ollama pour rechercher les erreurs de permissions mentionnant le nouveau chemin. Supprimez l’ancienne copie uniquement lorsque la liste est correcte. Si le déplacement échoue et que la source est supprimée, vous devrez tout télécharger à nouveau.
L’autre option conserve le chemin d’origine et monte le volume de données dessus :
echo '/mnt/data/ollama-models /the/directory/you/found none bind 0 0' | sudo tee -a /etc/fstab
sudo mount -a
findmnt /the/directory/you/found
df -h /Le fait que findmnt affiche le montage confirme que le bind mount est actif. Un bind mount est utile lorsqu’un autre élément du serveur attend déjà l’emplacement par défaut. Il présente toutefois un piège : les fichiers copiés se trouvent toujours sous le point de montage, sur le disque racine, mais ils sont masqués par le montage. L’espace ne sera donc récupéré qu’après le démontage et la suppression de ces fichiers. La variable d’environnement est la solution la plus simple à expliquer à la personne qui se connectera ensuite.
À quel endroit le conteneur les conserve-t-il ?
L’image officielle stocke les modèles dans le volume que vous montez, et non dans un répertoire de l’hôte appartenant à un utilisateur ollama. La commande documentée est la suivante :
docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollamaollama avant les deux-points désigne un volume Docker nommé, et /root/.ollama indique l’emplacement dans lequel le serveur écrit à l’intérieur du conteneur. Par conséquent, du appliqué aux chemins de la section précédente ne trouve rien, car ces fichiers ne s’y trouvent pas. Affichez l’emplacement et la taille réels :
docker volume inspect ollama
docker system df -v
docker exec -it ollama ollama listLisez le champ Mountpoint dans docker volume inspect, puis exécutez sudo du -sh sur ce chemin. Pour stocker les modèles sur un volume de données, remplacez le volume nommé par un répertoire de l’hôte (-v /mnt/data/ollama:/root/.ollama), puis recréez le conteneur. Le conteneur écrit en tant que root ; le répertoire de l’hôte appartient donc à root. Avec Podman rootless, root dans le conteneur correspond par défaut à l’UID et au GID de votre utilisateur sur l’hôte. Les autres identifiants du conteneur utilisent des plages d’identifiants subordonnés : exécuter Ollama avec Podman rootless explique cette correspondance.
Un avertissement concernant le nettoyage. Un simple docker volume prune supprime uniquement les volumes anonymes ; il laisse donc le volume nommé ollama intact. En revanche, docker volume prune --all supprime tous les volumes auxquels aucun conteneur ne fait référence, y compris les volumes nommés. Si vous supprimez ou recréez le conteneur ollama sans son volume, une commande prune --all ultérieure supprime tous les modèles téléchargés, sans autre possibilité que de les télécharger à nouveau. Consultez comment libérer de l’espace disque Docker sur un VPS avant d’exécuter prune sur une machine qui héberge des modèles.
Supprimez un modèle avec ollama rm, pas avec rm
ollama list
ollama rm gemma4
ollama list
df -h /ollama rm supprime le manifest associé à ce tag, puis supprime les layers auxquels aucun manifest restant ne fait référence. L’espace est récupéré dès que ces fichiers sont désindexés, donc df se termine immédiatement. Comme les layers sont partagés, la suppression de l’un de deux tags très proches peut libérer beaucoup moins que la taille ollama list affichée à côté. C’est le comportement attendu, pas un échec de la suppression.
Supprimer les fichiers manuellement rompt cette association. Supprimez un blob avec rm : le manifest le référence toujours, donc ollama list continue d’afficher le modèle et toute tentative de l’utiliser échoue lorsque le layer manquant est lu. Supprimez un manifest manuellement : ses layers restent sur le disque sans aucune référence, et occupent de l’espace qu’aucune commande Ollama ne vous signalera. Si vous avez déjà supprimé un blob, exécutez ollama rm sur le tag pour supprimer l’entrée restante ; si vous avez supprimé le manifest, il ne reste plus d’entrée de tag à supprimer. Le redémarrage du serveur supprime les layers qui ne sont plus référencés lorsqu’ils ont plus d’une heure.
Une dernière distinction est nécessaire, car ces deux opérations sont constamment confondues. ollama rm concerne le disque. ollama stop gemma4 décharge un modèle de la mémoire et ne libère aucun espace disque. La durée pendant laquelle un modèle reste en mémoire vive une fois le téléchargement terminé est définie séparément. La section garder un modèle chargé au lieu de le recharger à chaque requête l’explique.
FAQ
Quelle est la différence entre ollama pull et ollama run ?
ollama pull télécharge un modèle sur le disque, puis se termine. ollama run vérifie si le modèle est déjà présent sur le disque, le télécharge s’il ne l’est pas, le charge en mémoire puis, pour un modèle de chat, ouvre une session de chat interactive. Les deux commandes écrivent les mêmes fichiers dans le même répertoire. Utilisez pull pour le provisioning et dans les scripts, et run lorsqu’une personne est devant le clavier. ollama run <model> "your prompt" envoie un prompt, puis se termine. C’est la forme scriptable de run.
Pourquoi mon premier ollama run semble-t-il se bloquer ?
La commande peut être en train de télécharger le modèle, de vérifier le téléchargement ou de charger le modèle. Le prompt de chat ne peut pas s’afficher tant que le modèle n’est pas présent sur le disque et chargé en mémoire. Un modèle occupe plusieurs gigaoctets. Ollama écrit sa barre de progression sur la sortie d’erreur standard. Un run dans un script qui ignore ce flux, ou dans une tâche cron, n’affiche donc rien pendant l’opération. Ouvrez une deuxième session et exécutez watch -n5 df -h /. Sur une machine vierge, une baisse progressive de l’espace libre indique que le téléchargement est en cours. Téléchargez le modèle à l’avance pour supprimer l’attente liée au téléchargement et à la vérification. Le chargement prend toutefois encore du temps.
Où Ollama stocke-t-il ses modèles ?
L’emplacement dépend de l’installation. Affichez-le au lieu de le supposer. Exécutez systemctl cat ollama.service pour vérifier si OLLAMA_MODELS est défini dans l’unité ou dans un drop-in. Si ce n’est pas le cas, le store se trouve dans le répertoire home du compte utilisé par le service. getent passwd ollama affiche ce compte. sudo find / -xdev -type d -name blobs 2>/dev/null localise directement le répertoire des layers. Pour l’image de conteneur, le store se trouve dans le volume monté. docker volume inspect ollama affiche son Mountpoint côté hôte.
Comment déplacer les modèles Ollama vers un autre disque ?
Arrêtez le service. Copiez le store vers le nouvel emplacement avec rsync -a. Donnez le répertoire au compte de service avec sudo chown -R ollama:ollama <directory>. Exécutez ensuite sudo systemctl edit ollama.service et ajoutez Environment="OLLAMA_MODELS=<directory>" sous une ligne [Service]. Rechargez la configuration avec sudo systemctl daemon-reload, puis redémarrez le service. Vérifiez le résultat avec systemctl show ollama --property=Environment et ollama list. Si la liste est vide, vérifiez que le nouveau répertoire contient bien le store copié et que l’utilisateur ollama peut le lire. Consultez journalctl -e -u ollama pour rechercher des erreurs de permissions.
La suppression des fichiers du modèle libère-t-elle l’espace disque ?
La suppression manuelle des fichiers libère les octets, mais laisse le store dans un état incohérent. Si vous supprimez un blob, le manifest référence toujours le modèle. Celui-ci continue donc d’apparaître dans ollama list et échoue lors de son utilisation. Si vous supprimez un manifest, ses layers restent sur le disque sans être référencés. Utilisez ollama rm <model>. Cette commande supprime le manifest, puis les layers dont aucun autre modèle n’a besoin. Si un blob a déjà été supprimé manuellement, exécutez ollama rm sur le tag pour supprimer l’entrée. Si le manifest a été supprimé, il ne reste aucune entrée de tag à supprimer. Redémarrez le serveur pour supprimer les layers qu’aucun manifest ne référence, une fois qu’ils ont plus d’une heure.