Ollama est la manière la plus simple d’exécuter des LLM en local. Il facilite aussi le déploiement d’outils qui ne sont pas toujours adaptés à votre cas d’usage, car la commande d’installation reste la même que vous disposiez de 8 GB de RAM ou d’un H100. Le framework ne vous dira pas que 2 tokens par seconde est trop lent pour un chatbot.
Voici le calcul brut de l’hébergement après avoir testé Ollama sur six configurations VPS différentes.
Ollama est un wrapper, le coût c’est le modèle
Ollama lui-même est léger. Environ 100 Mo de binaire Go et un surcoût en runtime. Chaque décision de ressource concerne le modèle : lequel exécuter, dans quelle quantification, et si vous avez un GPU.
L’inférence CPU fonctionne pour la démo d’installation et échoue en usage quotidien. Les chiffres que j’ai mesurés sur un Hetzner CCX33 (8 vCPU, 32 Go RAM, sans GPU) :
- Llama 3.1 8B Q4_K_M : 5 à 7 tokens par seconde
- Llama 3.1 8B Q8_0 : 2 à 3 tokens par seconde
- Llama 3.1 70B Q4 (lorsqu’il rentre) : 0.5 tokens par seconde
À comparer avec le GPU sur un Hetzner GEX44 (RTX 6000 Ada, 48 GB VRAM) :
- Llama 3.1 8B Q4 : 90 à 120 tokens par seconde
- Llama 3.1 13B Q4 : 60 à 80 tokens par seconde
- Llama 3.1 70B Q4 : 20 à 30 tokens par seconde
- Llama 3.1 70B Q8 : 15 à 20 tokens par seconde
La voie CPU est pour des tâches batch que vous pouvez laisser tourner toute la nuit. La voie GPU est ce qu’il faut pour tout ce qui est interactif.
Comparaison des VPS pour Ollama
| Fournisseur | Plan | GPU | vCPU | RAM | Mensuel | Utilisation idéale |
|---|---|---|---|---|---|---|
| Hetzner Cloud | CCX23 | Aucun | 4 | 16 GB | 29,74 EUR | Inférence CPU 7B, uniquement batch |
| Hetzner Cloud | CCX33 | Aucun | 8 | 32 GB | 59,61 EUR | Batch CPU 13B, dev |
| Hetzner Server | GEX44 | RTX 6000 Ada | 16 | 192 GB | 184 EUR | Mise en service production 70B |
| Contabo VPS | VPS XL | Aucun | 12 | 96 GB | 27,49 EUR | Batch CPU 70B Q4 (lente mais pas cher) |
Hetzner Cloud CCX23 : pour l’inférence CPU 7B
Le minimum que je considérerais pour Ollama avec un modèle 7B. 16 GB RAM pour le modèle et le contexte, le CPU dédié maintient un taux constant de 5 à 7 tokens par seconde. À utiliser pour l’assistant personnel, la synthèse de documents ou toute tâche batch où une réponse en 2 secondes est acceptable.
À éviter pour les chatbots ou applications interactives. La latence est pénible.
Avantages :
- Configuration Ollama la plus abordable et réaliste
- 16 GB RAM pour laisser la place au modèle 7B et un contexte raisonnable
- CPU dédié pour maintenir un débit stable
Obtenez Hetzner : Hetzner Cloud.
Hetzner Cloud CCX33 : pour l’usage dev 13B CPU
32 GB RAM pour un modèle 13B avec contexte confortable. L’inférence CPU à 2-3 tokens/sec est adaptée pour le développement et les tests, pénible en production. À utiliser pour valider si vos prompts fonctionnent sur un modèle 13B avant de passer à l’hébergement GPU.
Feedback honnête : 59,61 EUR par mois pour une inférence CPU lente est difficile à justifier face à la location horaire d’un GPU via Vast.ai pour des tests.
Hetzner GEX44 : la gamme série série pour la production
184 EUR par mois pour une RTX 6000 Ada avec 48 GB VRAM, le chemin le plus abordable pour un Ollama en production en Europe. Les 48 GB VRAM supportent les modèles 70B Q4 avec espace pour le contexte, et les modèles 13B Q8 avec un très grand contexte (128K+).
C’est le bon choix pour :
- héberger un chatbot ou une application interactive
- un coût en tokens supérieur à 200 USD par mois via API
- des besoins en résidence des données ou déploiement air-gapped
Les 192 GB de RAM système sont excessifs pour Ollama seul, mais utiles pour exécuter également un orchestrateur comme Flowise ou LangGraph sur la même machine.
Obtenez Hetzner : Hetzner Cloud.
Contabo VPS XL : pour les gros travaux batch CPU
27,49 EUR par mois pour 96 GB RAM permettant de charger des modèles 70B Q4 sur CPU. L’inférence à 0,5-1 token/sec est inutilisable en mode interactif mais tolérable pour un traitement batch nocturne de corpus documentaires.
Choisissez ceci pour des cas niche où le débit mensuel total est plus important que la latence de chaque requête.
Obtenez Contabo : Contabo VPS.
Ce que je recommanderais
Pour Ollama en production avec toute utilisation interactive : Hetzner GEX44 avec GPU. Pour le développement et les tests avec des modèles 7B : Hetzner CCX23. Évitez l’inférence CPU pour les modèles 13B+ sauf si vous avez un cas batch qui correspond réellement. La mathématique des tokens/sec ne fonctionne pas pour autre chose.
Le paysage VPS plus large se trouve dans la comparaison SelfHostVPS. Ollama se marie bien avec OpenWebUI, AnythingLLM, et la plupart des frameworks agent. Consultez ces guides pour des recommandations de déploiement combiné.
Frequently asked questions
Puis-je vraiment faire tourner Ollama sur un VPS uniquement CPU ?
Techniquement oui, pratiquement non pour une utilisation en production. Un modèle 7B sur CPU produit 3 à 5 tokens par seconde sur un Hetzner CCX23, ce qui est limite acceptable pour des requêtes occasionnelles et inutilisable pour des chatbots. Un modèle 13B sur CPU tombe à 1 à 2 tokens par seconde. Pour tout ce qui dépasse l'expérimentation personnelle, vous avez besoin d'un GPU. Ollama facilite l'inférence CPU, mais cela ne le rend pas utile à grande échelle.
Quel est le VPS GPU le moins cher pour Ollama en 2026 ?
Le GEX44 de Hetzner avec une RTX 6000 Ada à 184 EUR par mois est l'option GPU la plus abordable en Europe. Il gère confortablement les modèles 7B et 13B (40 à 80 tokens par seconde) et exécute les modèles 70B en quantification 4 bits à 20-30 tokens par seconde. Genesis Cloud et Vast.ai proposent des tarifs horaires moins chers pour une utilisation sporadique, mais le prix mensuel favorise Hetzner.
De combien de RAM Ollama a-t-il besoin sans GPU ?
Environ 2x la taille du fichier du modèle pour les modèles GGUF. Un modèle 7B Q4_K_M fait 4,4 GB sur disque et nécessite 9 à 10 GB de RAM en pratique. Un modèle 13B Q4 fait 7,8 GB et demande 16 GB. Un modèle 70B Q4 nécessite 48 GB. Ces chiffres supposent une fenêtre de contexte conservatrice. Des contextes plus larges (32K+) ajoutent 2 à 8 GB en supplément.
Devrais-je louer un VPS GPU ou utiliser OpenRouter pour un accès type Ollama ?
Pour moins de 100 USD par mois en dépenses d'inférence, OpenRouter ou des agrégateurs d'API similaires sont moins chers. Pour des charges régulières au-dessus de 200 USD par mois, posséder un VPS GPU est rentable en 2 à 3 mois. Le point d'équilibre dépend fortement du modèle utilisé. La Llama 3.1 70B, à 1 USD par million de tokens chez OpenRouter, rentabilise un Hetzner GEX44 (184 EUR par mois) à environ 200 millions de tokens mensuels.