# Supprimer les modèles Ollama et LM Studio sur Mac sans risque > Supprimez les modèles LM Studio et nettoyez le stockage Ollama sans perdre les conversations, checkpoints privés, adaptateurs ni blobs partagés. Published: 2026-07-16 | Updated: 2026-10-05 Pour supprimer un modèle LM Studio ou vider le stockage Ollama, partez de l’inventaire de chaque outil plutôt que d’effacer des blobs dans le Finder. Les outils d’IA locaux peuvent remplir un disque rapidement, car les poids des modèles sont le produit lui-même, et non un petit cache autour. Un modèle peut souvent être retéléchargé, mais le téléchargement peut être coûteux, une révision peut disparaître, ou sa licence et son accès peuvent changer. Inventoriez les modèles via l’outil qui les possède, et conservez séparément les conversations, les fine-tunes, les adaptateurs, les prompts et les données de projet. ## Supprimer un modèle dans LM Studio 1. Ouvrez **My Models** dans LM Studio et repérez le modèle par son nom et sa taille. 2. Utilisez l’action de suppression de ce modèle. N’effacez pas dans le Finder un dossier au nom ressemblant. 3. Lancez ensuite `lms ls` pour confirmer que le modèle n’apparaît plus dans l’inventaire de LM Studio. LM Studio permet de choisir le dossier des modèles. Un chemin copié depuis un autre Mac peut donc être faux. Si vous avez déplacé ce dossier, vérifiez son emplacement actuel avant de mesurer l’espace récupéré. ## Supprimer un modèle Ollama Listez d’abord les noms installés, puis transmettez le nom exact à Ollama : ``` ollama ls ollama rm MODEL_NAME ``` Relancez `ollama ls` après la suppression. Ollama peut ainsi mettre à jour les manifests et blobs partagés sans laisser le magasin dans un état incertain. ## Où les outils d’IA locaux stockent leurs poids Les modèles occupent souvent l'essentiel de l'espace, parfois plusieurs gigaoctets chacun. - **Ollama** conserve les modèles dans `~/.ollama/models` par défaut, ou dans le répertoire défini par `OLLAMA_MODELS`. Sa [référence CLI](https://docs.ollama.com/cli) actuelle utilise `ollama ls` pour inventorier les modèles et `ollama rm ` pour en supprimer un par nom. C’est plus sûr que de supprimer les fichiers à la main, car l’outil peut mettre à jour son propre magasin de modèles. - **LM Studio** vous laisse choisir le répertoire des modèles. Utilisez My Models dans l’application ou [`lms ls`](https://lmstudio.ai/docs/cli/local-models/ls) pour lister les modèles locaux et leurs tailles, puis supprimez un modèle via LM Studio afin que le catalogue de l’application reste cohérent. Ne vous fiez pas à un chemin caché codé en dur. - **Hugging Face** : les bibliothèques mettent en cache les téléchargements dans `~/.cache/huggingface/hub`, qui grossit au fil des scripts qui tirent modèles et jeux de données, sauf si `HF_HOME` ou un autre réglage de cache change la racine. `hf cache ls` inventorie les dépôts et les révisions. Prévisualisez une suppression précise avec `hf cache rm model/ --dry-run`, ou prévisualisez les révisions détachées et incomplètes avec `hf cache prune --dry-run`. Le [guide du cache Hugging Face](https://huggingface.co/docs/huggingface_hub/en/guides/manage-cache) documente les deux commandes. Vérifiez les totaux directement pour savoir à quoi vous avez affaire : ``` du -sh ~/.ollama/models ~/.cache/huggingface 2>/dev/null ``` ## Cache et données ne sont pas la même chose Cette distinction évite de traiter des données uniques comme un cache. Un **modèle** publié peut souvent être retéléchargé, mais un fine-tune local, un adaptateur, une quantification convertie ou un checkpoint privé ne le peuvent pas nécessairement. Les applications d’IA de bureau peuvent aussi conserver l’état des conversations et les pièces jointes dans Application Support, ou synchroniser une partie de l’historique avec un compte. Vérifiez le comportement d’export et de synchronisation de l’application plutôt que de supposer soit que chaque conversation est locale, soit que chaque fichier local est jetable. Les caches de modèles sont volumineux, mais ils ne sont pas gratuits à recréer. ## Supprimer complètement une application d’IA Si vous en avez fini avec un outil, le bundle de l’application n’est que la petite partie. Pour récupérer réellement l’espace, vous devez aussi supprimer ses modèles et ses fichiers de support, le même problème que pour [désinstaller complètement n’importe quelle application](https://mole.fit/fr/blog/how-to-completely-uninstall-apps-on-mac). Pour Ollama, supprimez les modèles nommés avec `ollama rm` avant de désinstaller l’application. Pour LM Studio, supprimez les modèles de son répertoire configuré via l’application. Pour un client de chat de bureau, exportez l’historique nécessaire et suivez les consignes de désinstallation du fournisseur avant d’examiner les données de support. Ne supprimez pas un conteneur Application Support entier uniquement parce que son nom correspond à une application. ## Sous le capot : comment les outils stockent les modèles, et pourquoi la taille est inhérente Ollama conserve chaque modèle sous forme de blobs adressés par contenu (fichiers nommés d’après leur hash sha256) sous `~/.ollama/models/blobs`, avec de petits manifestes qui relient un nom de modèle et un tag aux blobs dont il a besoin. Deux modèles construits sur la même couche de base partagent des blobs, donc `ollama rm` supprime d’abord un manifeste et ne libère un blob que lorsqu’aucune autre référence ne le pointe. C’est précisément pourquoi supprimer les fichiers de blobs à la main est risqué : vous pouvez orpheliner un modèle qui pointe encore vers eux. La taille n’est pas une surcharge, c’est le modèle : des milliards de paramètres exigent encore des gigaoctets même après quantification, et les modèles plus grands ou de précision plus élevée en exigent bien davantage, car les poids sont la substance même. Le cache de Hugging Face fonctionne de la même façon, en stockant des instantanés immuables indexés par révision pour éviter de stocker plusieurs fois les mêmes fichiers téléchargés. C’est pourquoi la règle est « supprimer via la commande propre de l’outil » : elle maintient le magasin adressé par contenu cohérent au lieu de laisser des blobs orphelins.
Deux manifests de modèles nommés pointent vers un pool partagé de blobs nommés par hachage, un blob référencé par les deux, de sorte que retirer un modèle ne libère un blob que lorsqu'il n'est plus référencé
Les outils de modèles locaux utilisent un magasin adressé par contenu : les modèles partagent des blobs, donc en supprimer un ne libère de l’espace que pour les blobs que plus rien ne référence, d’où l’intérêt de la commande de suppression propre de l’outil pour rester cohérent.
## Où une carte du disque aide Une carte du disque comme la vue Analyser de [Mole](https://mole.fit/fr/) peut révéler un stockage de modèles inattendu, mais les noms de modèles, les blobs partagés et les références de révision appartiennent à Ollama, LM Studio ou Hugging Face. Un nettoyeur général devrait éviter les magasins de modèles et les transcriptions de conversations, sauf si l’utilisateur identifie une cible exacte. Les dossiers de configuration laissés par un outil IA en ligne de commande, et les outils en ligne de commande inutilisés depuis 30 jours, sont une autre affaire : la Lune lointaine de la page Nettoyer, Nettoyage et entretien IA, les liste pour que vous les confirmiez un à un. Ollama est le seul dépôt de modèles que Mole touche, et seulement via `ollama rm` : Nettoyage et entretien IA liste les modèles inutilisés depuis un mois, à cocher vous-même. ## Un ordre d’opérations sûr Listez les modèles avec l’outil qui les possède, distinguez les poids publiés des artefacts privés ou transformés localement, exportez les conversations et adaptateurs uniques, puis supprimez un modèle nommé à la fois. Revérifiez l’espace disque, car les blobs partagés peuvent limiter l’espace récupéré. Supprimez des répertoires de support entiers uniquement dans le cadre d’une désinstallation vérifiée, sans données à conserver. --- Canonical HTML page: https://mole.fit/fr/blog/how-to-remove-ai-tool-leftovers-mac Blog index for agents: https://mole.fit/fr/blog/llms.txt Site index for agents: https://mole.fit/llms.txt