Back to Blog
BlogApril 22, 2026674

Comment Supprimer les Modèles Ollama : Guide Complet Étape par Étape

Comment Supprimer les Modèles Ollama : Guide Complet Étape par Étape

Prérequis

Avant de commencer, assurez-vous d'avoir :

-F Ollama installé et en cours d'exécution — Ouvrez votre terminal et exécutez ollama --version pour confirmer.

  • Accès au terminal — Utilisez Terminal (macOS/Linux) ou PowerShell/Invite de commandes (Windows). Exécutez en tant qu'Administrateur sur Windows si vous voyez des erreurs de permission.
  • Les noms de modèles prêts — Vous aurez besoin du nom exact et de son tag (par exemple, llama3:latest).
  • Une conscience de l'espace disque — Les modèles peuvent faire plusieurs Go ; les supprimer libère de l'espace de stockage immédiatement après l'exécution de la commande.

Par défaut, Ollama stocke les modèles dans :

  • macOS : ~/.ollama/models
  • Linux : ~/.ollama/models (ou /usr/share/ollama/.ollama/models pour les installations système)
  • Windows : C:\Users\VotreNomUtilisateur\.ollama\models

Étape 1 : Lister tous les modèles installés

Commencez toujours ici pour savoir exactement ce que vous allez supprimer.

Dans votre terminal, exécutez :

ollama list

Résultat attendu (exemple) :

NAME                ID              SIZE      MODIFIED
llama3:latest       8f6e2a123abc    4.7 GB    3 days ago
gemma2:9b          2d9f3b456def    5.2 GB    1 week ago

Copiez le nom exact de la colonne NAME (en incluant le tag après le deux-points).

Étape 2 : Supprimer un seul modèle

Utilisez la commande ollama rm suivie du nom du modèle.

ollama rm llama3:latest

Résultat attendu :

deleted 'llama3:latest'

La commande supprime instantanément le manifeste et tous les fichiers blob associés. Aucune invite de confirmation n'est affichée.

Étape 3 : Supprimer plusieurs modèles en une fois

Supprimez plusieurs modèles sur une seule ligne :

ollama rm llama3:latest gemma2:9b mistral:latest

Résultat attendu :

deleted 'llama3:latest'
deleted 'gemma2:9b'
deleted 'mistral:latest'

Étape presented 4 : Supprimer tous les modèles (Suppression en masse)

Utilisez cette commande unique pour supprimer tous les modèles d'un coup (macOS/Linux d'abord) :

ollama list | awk 'NR>1 {print $1}' | xargs -I {} ollama rm {}

Équivalent Windows PowerShell :

ollama list | Select-Object -Skip 1 | ForEach-Object { $_.Trim() -split '\s+' | Select-Object -First 1 } | ForEach-Object { ollama rm $_ }

Après l'exécution, vérifiez avec ollama list — cela ne devrait retourner que la ligne d'en-tête.

Étape 5 : Redémarrer Ollama (Recommandé)

Redémarrez le service Ollama pour vous assurer que tous les blobs sont complètement nettoyés et que l'espace disque est libéré.

. macOS : ollama serve (ou quittez et rouvrez l'application Ollama)

  • Linux : sudo systemctl restart ollama
  • Windows : Redémarrez le processus Ollama depuis le Gestionnaire des tâches ou simplement fermez et rouvrez l'application.

Exécutez à nouveau ollama list pour vérifier que les modèles ont bien disparu.

Problèmes courants et dépannage

  • Erreur « Model not found » : Vérifiez attentivement le nom exact et l’étiquette à partir de ollama list.
  • Permission refusée : Sur Linux/macOS, utilisez sudo ollama rm ... ou exécutez le terminal en tant qu'administrateur sous Windows.
  • Espace disque non libéré : Redémarrez Ollama (Étape 5). Si le problème persiste, vérifiez manuellement le dossier des blobs, mais ne supprimez jamais de fichiers pendant qu'Ollama est en cours d'exécution.
  • Le modèle apparaît toujours après rm : Arrêtez d’abord toute instance en cours avec ollama stop <model>, puis réessayez ollama rm.
  • Emplacement de stockage personnalisé : Si vous avez défini la variable d’environnement OLLAMA_MODELS, les modèles se trouvent ailleurs — vérifiez ce chemin à la place.
  • Méthode API (avancée) : Utilisez curl pour les scripts :
    curl -X DELETE http://localhost:11434/api/delete -d '{"model": "llama3:latest"}'
    

Prochaines étapes

  • Télécharger de nouveaux modèles : Exécutez ollama pull llama3.1:8b pour obtenir la dernière version.
  • Définir un stockage personnalisé : Exportez OLLAMA_MODELS=/chemin/vers/nouveau/dossier avant d’exécuter Ollama pour tout déplacer vers un disque plus grand.
  • Automatiser le nettoyage : Ajoutez la commande de suppression en masse à une tâche cron hebdomadaire ou à un script PowerShell.
  • Surveiller l’utilisation : Exécutez régulièrement ollama list et combinez avec du -sh ~/.ollama/models (macOS/Linux) ou l’Explorateur de fichiers sur Windows pour suivre le stockage.

Vous avez désormais un contrôle total sur vos modèles Ollama locaux. Libérez de l’espace instantanément et conservez uniquement ce dont vous avez besoin.

Share this article

Referenced Tools

Browse entries that are adjacent to the topics covered in this article.

Explore directory
TinyFish logo

TinyFish

MCP Servers

TinyFish est une plateforme d'infrastructure web pour les agents d'IA qui combine la recherche web en direct, l'extraction de contenu rendu par le navigateur, l'automatisation web basée sur des objectifs et des sessions de navigateur cloud gérées. Les développeurs peuvent accéder à la plateforme via des API, SDK, CLI et des intégrations avec des frameworks d'agents et des outils de codage IA.

TinyFish logo

TinyFish

MCP Servers

TinyFish exposes web automation, web search, content extraction, and remote browser-session tools to MCP-compatible AI assistants. The hosted MCP server uses OAuth 2.1, while an optional local @tiny-fish/mcp proxy supports API-key authentication for local-only, CI, and headless setups.

Clawk logo

Clawk

MCP Servers

Clawk is an API-first, Twitter/X-style social network where AI agents can publish 400-character posts, reply, follow, like, quote, and reclawk. It provides a hosted REST API and Agent Skill guide rather than a documented MCP server.

X MCP logo

X MCP

MCP Servers

X MCP is the official hosted Model Context Protocol server for calling X API endpoints from MCP-compatible tools. It connects through the xurl bridge so agents can search posts, look up users, manage bookmarks, fetch trends and news, and work with Articles using the user's X account permissions.

Weibo Open Platform CLI logo

Weibo Open Platform CLI

MCP Servers

Weibo Open Platform CLI is the official CLI service page for using Weibo Open Platform capabilities from command-line and agent-oriented workflows. Public, parseable MCP server transport and client setup details were not available at verification time.

vercel eve logo

vercel eve

MCP Servers

Vercel Eve is an open-source, filesystem-first TypeScript framework for building durable AI agents on Vercel. It organizes agent capabilities as files for instructions, tools, skills, channels, schedules, subagents, and connections, including integrations with external MCP and OpenAPI tools.