Résumé de la configuration d’Ollama et du modèle Gemma 4 26B sur Mac mini (en date d’avril 2026)

• Récapitulatif de la procédure pour configurer Ollama et les modèles Gemma 4 sur un Mac mini basé sur Apple Silicon, avec exécution automatique et maintien en mémoire
• À l’aide de Homebrew, d’un Launch Agent et de variables d’environnement, le modèle est automatiquement chargé même après redémarrage, et le modèle 8B fonctionne de manière stable avec environ 9,6 Go de mémoire
• Ollama v0.19 et plus prend en charge le backend MLX et le format NVFP4, améliorant les performances d’inférence sur les environnements Apple et NVIDIA
• Le modèle 26B n’est pas recommandé en raison de son occupation mémoire élevée, tandis que le modèle 8B convient mieux à un usage réel
• Via l’API locale, il est possible d’envoyer des requêtes Chat Completion compatibles OpenAI, ce qui est utile pour mettre en place un environnement de service LLM persistant sur Mac mini

---

Préparation

• Un Mac mini basé sur Apple Silicon (M1 à M5) est nécessaire
• Pour exécuter le modèle Gemma 4 (8B), il est recommandé d’avoir au minimum 16 Go de mémoire unifiée
• Un environnement macOS avec Homebrew installé est requis

Étape 1 — Installer Ollama

• Installer l’application macOS Ollama via le cask Homebrew

  brew install --cask ollama-app
  

• Après l’installation, Ollama.app est placé dans /Applications/ et la CLI dans /opt/homebrew/bin/ollama

• Les mises à jour automatiques et le backend MLX sont inclus

Étape 2 — Lancer Ollama et vérifier

• Lancer l’application Ollama

  open -a Ollama
  

• Attendre l’initialisation du serveur après l’apparition de l’icône dans la barre des menus

• Vérifier l’état d’exécution

  ollama list
  

Étape 3 — Télécharger le modèle Gemma 4

• Télécharger le modèle

  ollama pull gemma4
  

• Vérifier avec ollama list après le téléchargement d’environ 9,6 Go

• Le modèle 26B occupe la majeure partie des 24 Go de mémoire, ce qui entraîne une baisse de réactivité du système

  • Il est recommandé d’utiliser le modèle 8B (quantification Q4_K_M) par défaut

Étape 4 — Tester le modèle et vérifier l’accélération GPU

• Tester le modèle

  ollama run gemma4:latest "Hello, what model are you?"
  

• Vérifier l’état de l’accélération GPU

  ollama ps
  

  • Exemple : ratio CPU/GPU de 14 % / 86 %

Étape 5 — Configurer le lancement automatique et le maintien du modèle

• 5a. Lancement automatique de l’application Ollama

  • Cliquer sur l’icône dans la barre des menus → activer Launch at Login
  • Ou l’ajouter manuellement dans System Settings > General > Login Items

• 5b. Préchargement automatique de Gemma 4

  • Créer un Launch Agent pour charger automatiquement le modèle après le démarrage d’Ollama et le maintenir actif toutes les 5 minutes

    cat << 'EOF' > ~/Library/LaunchAgents/com.ollama.preload-gemma4.plist
    ...
    EOF
    

  • Charger l’agent

    launchctl load ~/Library/LaunchAgents/com.ollama.preload-gemma4.plist
    

  • Un prompt vide est envoyé toutes les 5 minutes pour garder le modèle en mémoire

• 5c. Maintenir le modèle indéfiniment

  • Par défaut, le modèle est déchargé après 5 minutes d’inactivité

  • Configuration pour le maintenir indéfiniment

    launchctl setenv OLLAMA_KEEP_ALIVE "-1"
    

  • Pour conserver ce réglage après redémarrage, l’ajouter à ~/.zshrc

Étape 6 — Vérifier la configuration

• Vérifier que le serveur Ollama est en cours d’exécution

  ollama list
  

• Vérifier que le modèle est chargé en mémoire

  ollama ps
  

• Vérifier l’enregistrement du Launch Agent

  launchctl list | grep ollama
  

• Exemple de sortie attendue

  gemma4:latest ... 9.6 GB 14%/86% CPU/GPU 4096 Forever
  

Accès API

• Point d’accès de l’API locale : http://localhost:11434

• Exemple de Chat Completion compatible OpenAI

  curl http://localhost:11434/v1/chat/completions \
    -H "Content-Type: application/json" \
    -d '{
      "model": "gemma4:latest",
      "messages": [{"role": "user", "content": "Hello"}]
    }'
  

Commandes utiles

Commande	Description
ollama list	Liste des modèles téléchargés
ollama ps	Modèles en cours d’exécution et utilisation mémoire
ollama run gemma4:latest	Exécution interactive
ollama stop gemma4:latest	Décharger le modèle
ollama pull gemma4:latest	Mettre à jour vers la dernière version
ollama rm gemma4:latest	Supprimer le modèle

Désinstaller Ollama et désactiver le lancement automatique

launchctl unload ~/Library/LaunchAgents/com.ollama.preload-gemma4.plist
rm ~/Library/LaunchAgents/com.ollama.preload-gemma4.plist
brew uninstall --cask ollama-app

Principales améliorations d’Ollama v0.19+ (31 mars 2026)

• Backend MLX (Apple Silicon)

  • Utilisation automatique du framework Apple MLX pour améliorer la vitesse d’inférence
  • Les puces de la série M5 prennent en charge une accélération supplémentaire via le GPU Neural Accelerator
  • Les puces M4 et antérieures bénéficient également d’une amélioration générale des performances grâce à MLX

• Format NVFP4 (NVIDIA)

  • Le format NVFP4 permet de réduire la bande passante mémoire et l’espace de stockage tout en conservant la précision
  • Compatible avec les modèles générés par les outils d’optimisation de modèles NVIDIA

• Améliorations du cache (codage et tâches d’agent)

  • Réduction de l’utilisation mémoire : amélioration de l’efficacité grâce à la réutilisation du cache entre les conversations
  • Checkpoints intelligents : réduction du traitement des prompts et amélioration de la vitesse de réponse
  • Suppression intelligente du cache : meilleure efficacité pour les tâches branchées en conservant les préfixes communs

Notes complémentaires

• Le modèle Gemma 4 (8B) utilise environ 9,6 Go de mémoire
  • Sur un Mac mini 24 Go, il reste environ 14 Go disponibles
• Le modèle 26B utilise environ 17 Go, ce qui provoque du swap système et une baisse de réactivité
  • Le modèle 8B offre des performances stables

Liens de référence

• Blog Ollama MLX (2026-03-31)
• Notes de version d’Ollama v0.20.0
• Annonce de Gemma 4 — Google DeepMind