~/ / Articles sur l'IA / LLM locaux sur un VPS / Que peut faire un modèle local ? Tools, thinking, vision et embeddings dans Ollama, et ce qui tient sur un VPS

Que peut faire un modèle local ? Tools, thinking, vision et embeddings dans Ollama, et ce qui tient sur un VPS

Un modèle local, ce n'est pas seulement une zone de discussion. La bibliothèque Ollama attribue aux modèles des libellés qui indiquent ce qu'ils savent faire, et la documentation décrit chacun d'eux : appeler des outils, montrer leur raisonnement, lire des images et transformer du texte en vecteurs pour la recherche. Cet article explique ce que signifie chaque libellé, présente dix modèles avec leurs libellés et leurs tailles de téléchargement, et montre comment faire correspondre ce que vous voulez faire à la mémoire de votre serveur.

Publié: 2026-10-26 · 5 min de lecture · Libellés, tailles et fenêtres de contexte vérifiés dans la bibliothèque et la documentation d'Ollama le 2026-10-26. La bibliothèque change souvent : consultez donc la page du tag que vous comptez utiliser.

Les quatre libellés

La bibliothèque Ollama marque chaque modèle avec les capacités qu'il prend en charge. Quatre d'entre elles comptent pour ce que vous construisez sur un serveur. La documentation les décrit ainsi.

Libellé	Ce que dit la documentation	Comment l'utiliser
tools	L'appel d'outils, aussi appelé appel de fonctions, permet à un modèle d'invoquer des outils et d'intégrer leurs résultats dans ses réponses. Il prend en charge l'appel d'un seul outil, les appels d'outils en parallèle et une boucle d'agent sur plusieurs tours.	Vous listez les outils disponibles dans le champ tools d'une requête envoyée à /api/chat. Lorsque le modèle appelle un outil, vous l'exécutez et renvoyez le résultat sous forme de message avec le rôle tool.
thinking	Les modèles capables de thinking produisent leur raisonnement séparément de leur réponse finale, ce qui permet de vérifier les étapes du modèle ou de masquer la trace.	Vous définissez le paramètre think dans une requête. Le raisonnement revient dans message.thinking et la réponse dans message.content.
vision	Les modèles de vision acceptent des images en plus du texte, ce qui leur permet de décrire, de classer et de répondre à des questions sur ce qu'ils voient.	Vous passez un tableau images dans le message. L'API REST attend des données d'image encodées en base64.
embedding	Les embeddings sont des vecteurs numériques que vous pouvez stocker dans une base de données vectorielle, interroger par similarité cosinus ou utiliser dans des pipelines RAG.	Vous appelez /api/embed. La documentation recommande la similarité cosinus pour la plupart des recherches sémantiques, ainsi que le même modèle d'embedding pour l'indexation et pour l'interrogation.

Dix modèles et leurs libellés

Ce tableau liste les libellés que la bibliothèque Ollama affiche pour chaque famille de modèles, avec un tag, la taille indiquée sur la ligne de ce tag dans la liste des tags, et sa fenêtre de contexte. Cette taille est une taille de téléchargement : c'est donc la mémoire minimale dont le modèle a besoin, pas celle qu'il faut prévoir.

Tag	Labels	Taille de téléchargement	Fenêtre de contexte	Ce que dit la bibliothèque
qwen3:4b	tools, thinking	2.5 GB	256K	Qwen3 est la dernière génération de grands modèles de langage de la série Qwen
llama3.2:3b	tools	2.0 GB	128K	Llama 3.2 de Meta passe au petit format avec des modèles de 1B et 3B
gemma3:4b	vision	3.4 GB	128K	Le modèle le plus performant capable de tourner sur un seul GPU
qwen3-vl:4b	vision, tools, thinking	3.3 GB	256K	Le modèle vision-langage le plus puissant de la famille Qwen à ce jour
deepseek-r1:7b	tools, thinking	4.7 GB	128K	Une famille de modèles de raisonnement ouverts
qwen2.5-coder:7b	tools	4.7 GB	32K	La dernière série de modèles Qwen spécialisés dans le code
mistral:7b	tools	4.4 GB	32K	Le modèle 7B publié par Mistral AI, mis à jour en version 0.3
gpt-oss:20b	tools, thinking	14 GB	128K	Les modèles à poids ouverts d'OpenAI pour le raisonnement et les tâches d'agent
nomic-embed-text	embedding	274 MB	2K	Un modèle d'embedding ouvert avec une grande fenêtre de contexte en tokens
embeddinggemma	embedding	622 MB	2K	Un modèle d'embedding de 300M de paramètres signé Google

Les libellés appartiennent à la famille du modèle, et une famille existe en plusieurs tailles. Ouvrez la page du tag exact que vous comptez utiliser pour voir ses types d'entrée et sa taille avant de le télécharger.

Faire correspondre une capacité à une tâche

La documentation nomme les usages de chaque capacité. Voici notre lecture de ce qu'ils impliquent pour un serveur que vous gérez vous-même, et non une affirmation sur la qualité :

Tools : un assistant capable de chercher une information ou de déclencher une action dans votre propre système, car le modèle demande un outil et c'est votre code qui l'exécute. La définition d'outil que vous envoyez doit respecter la forme attendue par l'API, ce que le Tool Definition Checker peut vérifier.
Thinking : des réponses pour lesquelles vous voulez voir ou journaliser le raisonnement du modèle séparément, par exemple pendant que vous testez un prompt. Le raisonnement arrive avant la réponse, de sorte qu'une réponse consomme plus de tokens.
Vision : décrire ou classer une image, ou répondre à une question à son sujet, avec un modèle qui accepte des images en plus du texte.
Embedding : recherche par le sens et retrieval pour le RAG. Les deux modèles d'embedding du tableau sont de petits téléchargements, 274 MB et 622 MB, bien moins qu'un modèle de discussion.

Ce qui tient sur un VPS

C'est la mémoire qui décide de ce que vous pouvez faire tourner. Les tailles de téléchargement ci-dessus sont un plancher, et la longueur du contexte ajoute un cache KV par-dessus. Pour les modèles Qwen3 et Mistral 7B, le calculateur ci-dessous utilise les valeurs de configuration officielles : vous pouvez ainsi voir le total pour votre longueur de contexte et pour l'offre que vous envisagez.

Pour les autres modèles du tableau, le calculateur n'a pas de préréglage, car il lui faut le nombre de couches, de têtes KV et la dimension de tête issus du fichier de configuration de chaque modèle. Vous pouvez les saisir vous-même comme modèle personnalisé.

Essayer: Local LLM Memory Estimator

Modèle

Tag Ollama qwen3:8b, quantification Q4_K_M, taille de téléchargement 5.2 GB.

Taille du fichier (GB)CouchesKV headsDimension des têtes

Longueur du contexte (jetons)Requêtes parallèlesType de KV cacheRéserve pour l'OS et les autres services (GiB)Mémoire de l'offre (GiB, facultatif)

Estimation

Poids du modèle: 4.84 GiB
KV cache: 0.56 GiB
Réserve: 1.00 GiB
Total: 6.41 GiB (6.88 GB)
Plus petite taille de mémoire courante qui le contient: 8 GiB

Il s'agit d'une estimation. Elle n'inclut pas les tampons de calcul du runtime et suppose que chaque couche a la même forme de KV. Mesurez une vraie exécution avant de choisir une offre.

Données du modèle vérifiées le 2026-10-26.

Sources : Ollama library · Configuration du modèle (config.json) · Ollama FAQ

Tout s'exécute dans votre navigateur. Rien n'est envoyé.

Choisir

Partez de la capacité dont vous avez besoin, puis choisissez le plus petit modèle qui porte son libellé, et mesurez la mémoire et la vitesse sur un serveur de test avant de vous engager sur une offre.
Comparez la fenêtre de contexte du tableau à votre usage : les deux modèles d'embedding indiquent 2K, et mistral:7b et qwen2.5-coder:7b indiquent 32K.
Plusieurs capacités peuvent se trouver sur un même modèle. Qwen3 porte tools et thinking, et Qwen3-VL ajoute vision.
La bibliothèque ajoute souvent de nouveaux modèles. Considérez ce tableau comme un instantané à la date indiquée plus haut.