--- title: 'DeepSeek R1 avec Ollama : installation, variantes et réglage du contexte' description: "Installer Ollama, télécharger DeepSeek R1, l'interroger par l'API locale, le brancher dans VS Code ou Open WebUI — et régler la fenêtre de contexte, la cause numéro un des réponses tronquées." pubDate: 2025-01-29 updatedDate: 2026-09-27 family: 'intelligence-artificielle' tags: ['Ollama'] heroImage: '/images/installer-deepseek-r1-en-local-avec-ollama-en-5-minutes.webp' videoUrl: 'https://youtu.be/-AqP8_89wMw' faq: - question: 'Comment installer Ollama sur mon ordinateur ?' answer: 'Un installeur graphique sur macOS (14 Sonoma ou plus récent) et sur Windows (10 ou plus), et un script pour Linux : curl -fsSL https://ollama.com/install.sh | sh. Sur macOS et Windows, les mises à jour arrivent automatiquement ; sur Linux, il faut relancer le script. Ensuite, ollama list confirme que le service répond.' - question: 'Quelle variante de DeepSeek R1 télécharger ?' answer: 'ollama run deepseek-r1 sans balise télécharge la variante 8b (environ 5,2 Go) — celle que la page désigne comme « latest ». Les autres balises vont de 1,1 Go à 404 Go selon la taille : 1.5b, 7b, 14b, 32b, 70b et 671b. Une précision utile : les variantes 1.5b à 32b sont des distillations de la famille Qwen, la 70b vient de Llama, et seul le 671b correspond au modèle R1 complet.' - question: 'Pourquoi mes réponses sont-elles tronquées ou incohérentes ?' answer: "Presque toujours la fenêtre de contexte. Ollama ne publie pas un défaut unique : la valeur dépend de la version et de la VRAM disponible, et la documentation elle-même donne plusieurs lectures. Fixe-la explicitement — avec un Modelfile (PARAMETER num_ctx), une variable d'environnement (OLLAMA_CONTEXT_LENGTH) ou la commande /set parameter num_ctx en session — et retiens le repère de la documentation : au moins 64 000 tokens pour les agents et les outils de code." - question: 'Peut-on utiliser DeepSeek R1 dans VS Code ?' answer: "Oui. Ollama publie une extension pour VS Code qui découvre les modèles sur http://127.0.0.1:11434 et les expose dans le sélecteur de modèle du chat. Elle demande VS Code 1.127 ou plus récent et un Ollama en cours d'exécution ; en cas de souci, les commandes « Ollama: Refresh Models » et « Ollama: Diagnose Models » servent au diagnostic. Les agents comme Cline s'y connectent aussi, en choisissant le fournisseur Ollama." - question: 'Ollama garde-t-il mes données ?' answer: "C'est l'intérêt du local : Ollama indique ne pas voir tes requêtes quand tu exécutes un modèle chez toi. Attention à ne pas confondre : les modèles suffixés cloud et la recherche web passent par un service distant qui demande un compte, et ces fonctions sont désactivables avec OLLAMA_NO_CLOUD=1. Un modèle local, c'est un modèle local — pas les outils cloud configurés à côté." --- Exécuter un modèle de raisonnement sur sa propre machine n'a jamais été aussi simple : deux commandes, et tu discutes avec un modèle qui ne sort pas de ton disque. Ce qui a changé depuis le tutoriel de 2025, c'est le nombre de variantes disponibles et les options de contexte — deux sujets qui expliquent l'essentiel des déceptions. ## Installer Ollama - **macOS** — l'installeur `.dmg` signale « Requires macOS 14 Sonoma or later », et l'application se met à jour toute seule ([téléchargement](https://ollama.com/download/mac)). - **Windows** — l'installeur `.exe` ou la commande PowerShell `irm https://ollama.com/install.ps1 | iex`, à partir de Windows 10 ([téléchargement](https://ollama.com/download/windows)). - **Linux** — le script officiel, `curl -fsSL https://ollama.com/install.sh | sh`, qui met aussi en place un service systemd ([doc Linux](https://docs.ollama.com/linux)). Le serveur écoute sur `127.0.0.1:11434` par défaut, et `OLLAMA_HOST` change cette adresse. Sur Linux, si le service tourne déjà, `ollama serve` échoue avec un message d'erreur : c'est normal, le serveur est lancé ([quickstart](https://docs.ollama.com/quickstart)). ## Télécharger et lancer le modèle ```bash ollama run deepseek-r1 # télécharge la variante « latest » et ouvre le chat ollama list # vérifie ce qui est installé et disponible ollama ps # modèles chargés en mémoire, et sur GPU ou CPU ``` La page officielle publie toute la gamme ([ollama.com/library/deepseek-r1](https://ollama.com/library/deepseek-r1)) : | Balise | Taille publiée | Ce que c'est | | --------------------------- | -------------- | --------------------------------------- | | `deepseek-r1:1.5b` | 1,1 Go | distillation Qwen, essai | | `deepseek-r1:7b` | 4,7 Go | distillation Qwen | | `deepseek-r1:8b` = `latest` | 5,2 Go | distillation Qwen, le compromis courant | | `deepseek-r1:14b` | 9,0 Go | distillation Qwen | | `deepseek-r1:32b` | 20 Go | distillation Qwen | | `deepseek-r1:70b` | 43 Go | distillation Llama | | `deepseek-r1:671b` | 404 Go | le modèle R1 complet | Deux précisions que le nom « DeepSeek R1 » laisse croire à tort : `ollama run deepseek-r1` charge la variante **8b**, et la plupart des balises sont des **distillations** d'autres familles — seul le 671b est le R1 complet. Les licences suivent d'ailleurs cette diversité : poids sous MIT, distillations Qwen sous Apache 2.0, distillations Llama sous licence llama. Côté mémoire, seules les tailles de fichiers sont publiées : Ollama n'annonce **ni VRAM minimale, ni débit en tokens par seconde** — méfie-toi des tableaux qui prétendent le contraire. ## Interroger le modèle par l'API locale Le serveur expose deux API. L'API native d'abord ([doc](https://docs.ollama.com/api)) : ```bash curl http://localhost:11434/api/chat -d '{ "model": "deepseek-r1", "messages": [{"role": "user", "content": "Explique-moi une closure en JS"}] }' ``` `/api/generate` prend un prompt simple, `/api/chat` prend une liste de messages au format rôle/contenu ; en local, aucune en-tête d'autorisation n'est nécessaire. L'API compatible OpenAI ensuite, sur `http://localhost:11434/v1` — utile pour réutiliser un client existant ([compatibilité](https://docs.ollama.com/api/openai-compatibility)) : ```python from openai import OpenAI client = OpenAI(base_url='http://localhost:11434/v1/', api_key='ollama') # clé requise mais ignorée ``` Attention, c'est un **sous-ensemble** de l'API OpenAI, pas un clone : `tool_choice`, `logit_bias`, `user` et `n` ne sont pas supportés, et une URL d'image distante non plus — seule l'image en base64 passe. La clé `api_key` est obligatoire pour le client Python, même si elle est ignorée : `ollama`. ## Le réglage qui règle 90 % des problèmes : le contexte C'est le point sur lequel les tutoriels passent en trois secondes et que la documentation traite sur plusieurs pages. La fenêtre de contexte est **tronquée silencieusement** si elle est trop petite : Ollama coupe le début du prompt, et le modèle répond à côté. Trois façons de la fixer : ```bash # 1. dans un Modelfile, puis ollama create PARAMETER num_ctx 32768 # 2. au niveau du serveur OLLAMA_CONTEXT_LENGTH=64000 ollama serve # 3. à la volée, en session interactive /set parameter num_ctx 4096 ``` Un avertissement honnête : les pages officielles ne donnent pas le même défaut. La FAQ annonce 4096, la référence du Modelfile indique `num_ctx` à 2048, et la page « Context length » décrit un choix automatique selon la VRAM — sous 24 GiB, 4k de contexte ; entre 24 et 48 GiB, 32k ; au-delà de 48 GiB, 256k ([context length](https://docs.ollama.com/context-length)). La conclusion pratique est simple : **fixe la valeur toi-même**. La même page recommande au moins **64 000 tokens** pour les agents, les outils de code et la recherche web. À ne pas confondre non plus : la fenêtre annoncée par un modèle (128K pour les variantes 1.5b à 70b) est une capacité maximale, pas l'allocation réelle de ta machine — l'intégration VS Code le dit explicitement. ## Le brancher dans une interface **Dans VS Code**, l'extension Ollama expose les modèles locaux au chat de l'éditeur : elle découvre ce qui est disponible sur `127.0.0.1:11434`, demande VS Code 1.127 ou plus récent, et se diagnostique avec les commandes « Ollama: Refresh Models » et « Ollama: Diagnose Models » ([intégration](https://docs.ollama.com/integrations/vscode)). C'est aussi ce chemin qu'utilisent les agents de code : côté Cline, tu choisis simplement le fournisseur Ollama. **Dans une interface de chat**, [Open WebUI](https://docs.openwebui.com/) se lance en une commande Docker et détecte Ollama automatiquement. Un piège documenté : son réglage `num_ctx` est désactivé par défaut et, si tu l'actives, il est prérempli à 2048 et **écrase** `OLLAMA_CONTEXT_LENGTH` — de quoi tronquer tes prompts sans comprendre pourquoi. ## Ce qu'il faut savoir avant de s'installer - **Le matériel n'a pas de formule magique.** Seules les tailles de fichiers sont publiées ; le reste est une question de VRAM et de patience. Utilise `ollama ps` pour voir si le modèle tourne à 100 % GPU, 100 % CPU, ou un mélange des deux. - **Le cloud n'est pas le local.** Les modèles suffixés `:cloud` et la recherche web passent par un service distant qui exige un compte : `OLLAMA_NO_CLOUD=1` les coupe. - **Un modèle local reste un petit modèle.** Une variante 8b rend des services sur des tâches courtes et décroche sur les longues — j'ai mis en regard [ce que les modèles locaux savent faire dans un éditeur](/blog/comment-utiliser-deepseek-r1-gratuitement-avec-visual-studio-code-cline-et-roo-code/), et [quel matériel et quel budget ça demande](/blog/ce-setup-rend-claude-code-100-gratuit/). Dans la vidéo, je montre l'installation complète, le premier prompt et l'utilisation par l'API locale, pas à pas. ## Questions fréquentes **Comment installer Ollama sur mon ordinateur ?** Un installeur graphique sur macOS (14 Sonoma ou plus récent) et sur Windows (10 ou plus), et un script pour Linux : curl -fsSL https://ollama.com/install.sh | sh. Sur macOS et Windows, les mises à jour arrivent automatiquement ; sur Linux, il faut relancer le script. Ensuite, ollama list confirme que le service répond. **Quelle variante de DeepSeek R1 télécharger ?** ollama run deepseek-r1 sans balise télécharge la variante 8b (environ 5,2 Go) — celle que la page désigne comme « latest ». Les autres balises vont de 1,1 Go à 404 Go selon la taille : 1.5b, 7b, 14b, 32b, 70b et 671b. Une précision utile : les variantes 1.5b à 32b sont des distillations de la famille Qwen, la 70b vient de Llama, et seul le 671b correspond au modèle R1 complet. **Pourquoi mes réponses sont-elles tronquées ou incohérentes ?** Presque toujours la fenêtre de contexte. Ollama ne publie pas un défaut unique : la valeur dépend de la version et de la VRAM disponible, et la documentation elle-même donne plusieurs lectures. Fixe-la explicitement — avec un Modelfile (PARAMETER num_ctx), une variable d'environnement (OLLAMA_CONTEXT_LENGTH) ou la commande /set parameter num_ctx en session — et retiens le repère de la documentation : au moins 64 000 tokens pour les agents et les outils de code. **Peut-on utiliser DeepSeek R1 dans VS Code ?** Oui. Ollama publie une extension pour VS Code qui découvre les modèles sur http://127.0.0.1:11434 et les expose dans le sélecteur de modèle du chat. Elle demande VS Code 1.127 ou plus récent et un Ollama en cours d'exécution ; en cas de souci, les commandes « Ollama: Refresh Models » et « Ollama: Diagnose Models » servent au diagnostic. Les agents comme Cline s'y connectent aussi, en choisissant le fournisseur Ollama. **Ollama garde-t-il mes données ?** C'est l'intérêt du local : Ollama indique ne pas voir tes requêtes quand tu exécutes un modèle chez toi. Attention à ne pas confondre : les modèles suffixés cloud et la recherche web passent par un service distant qui demande un compte, et ces fonctions sont désactivables avec OLLAMA_NO_CLOUD=1. Un modèle local, c'est un modèle local — pas les outils cloud configurés à côté.