32 Go ou 64 Go de RAM pour un LLM à la maison
Cette page peut contenir des liens partenaires Amazon : si vous achetez après un clic, le site peut percevoir une commission sans surcoût pour vous. Nos conseils restent indépendants. En savoir plus.
La RAM (mémoire vive) sert quand le modèle LLM (large language model, grand modèle de langue) n’est pas entièrement chargé sur la VRAM (mémoire de la carte graphique) — cas fréquent sur mini-PC sans GPU dédiée ou sur CPU pur. Ce guide ne remplace pas VRAM quel modèle : ici, on dimensionne la mémoire système pour Ollama, le navigateur et d’éventuels conteneurs Docker.
Lecture rapide — repérez votre scénario dans le tableau comparatif, puis validez sur la machine avec la section Signes que 32 Go ne suffisent plus avant tout achat de barrettes. Chiffres Docker détaillés : bloc repliable en bas de page.
Choisir en une étape
La décision se prend sur une ligne du tableau comparatif : choisissez la ligne qui ressemble le plus à votre foyer (chat seul, stack Docker, 13B sur CPU). Si la colonne 32 Go indique « limite » ou « serré », ne commandez pas encore de RAM : mesurez d’abord le swap pendant un usage réel (signes de saturation). Si, après avoir réduit modèle ou services (ordre d’upgrade), la saturation persiste, la colonne 64 Go devient le choix cohérent. La FAQ ci-dessous ne duplique pas le tableau : elle répond à des cas précis (DDR5, mini-PC soudé, RTX déjà large).
Tableau comparatif
| Scénario | 32 Go | 64 Go |
|---|---|---|
| Chat 8B Q4 seul | OK | Confort inutile sauf multitâche extrême |
| 13B Q4 CPU | Limite, fermer apps | OK |
| Docker : Ollama + Open WebUI | OK | Marge |
| Docker : + n8n + HA | Serré (voir signes swap ci-dessous) | Recommandé (marge confortable) |
| Marge OS + navigateur | Moyenne | Large |
Ligne « Docker : + n8n + HA » : usages détaillés dans n8n + LLM local et Home Assistant + Ollama.
Signes que 32 Go ne suffisent plus
Windows (Gestionnaire des tâches → Performance → Mémoire) : repérez la valeur Engagé — c’est la RAM déjà réservée par Windows et les programmes (cache inclus), pas seulement la ligne « En cours d’utilisation ». Quand Engagé frôle la RAM installée, la barre devient rouge et la colonne Disque peut monter en % pendant un chat Ollama : Windows swap (déporte de la mémoire sur le disque), d’où des réponses qui ralentissent même « sans autre logiciel ouvert ».
Linux / macOS : même contrôle via free -h / htop ou Moniteur d’activité → Échanges — détail dans la FAQ « équivalent Gestionnaire des tâches » en fin de page.
Symptômes ressentis : réponses Ollama très lentes après quelques minutes, interface qui freeze, conteneurs Docker tués avec message OOM (out of memory, manque de mémoire).
Règle pratique avant achat barrettes : lancez votre scénario habituel (même modèle Ollama, mêmes conteneurs), observez 5 minutes : si Engagé (ou swap / échanges) reste confortable, reportez l’upgrade ; sinon, croisez la ligne « serré » du tableau et l’ordre d’upgrade.
RAM vs VRAM (rappel court)
| Ressource | Rôle |
|---|---|
| VRAM | Modèle sur GPU NVIDIA/AMD |
| RAM | Modèle sur CPU + système + conteneurs |
PC avec RTX : lisez d’abord VRAM quel modèle ; la RAM reste utile pour le reste du système.
Upgrade matériel
Si vous passez à 64 Go, vérifiez compatibilité carte mère (nombre de slots, DDR4 vs DDR5, capacité max constructeur). Fourchette barrettes indicative oct. 2026 : 80–180 € (kit 32 Go) à 150–320 € (kit 64 Go) — vérifiez le prix actuel sur Amazon.fr ou chez votre revendeur habituel avant commande.
Checklist avant achat barrettes
Mesure d’abord — sans relevé swap / Engagé pendant votre charge réelle (section Signes), une commande de barrettes reste un pari. Refaites le test après chaque étape logicielle (modèle plus petit, moins de conteneurs) : l’upgrade matériel n’a de sens que si la saturation persiste.
- Noter référence carte mère / mini-PC et capacité max (constructeur).
- Vérifier DDR4 vs DDR5 et fréquence supportée.
- Préférer un kit 2 barrettes identiques si dual channel recommandé.
- Comparer fourchette prix oct. 2026 sur plusieurs revendeurs.
- Après install, refaire un test Ollama avec la même charge qu’avant et surveiller swap (section « Signes que 32 Go ne suffisent plus »).
Recherche 64 Go DDR5 (oct. 2026, vérifiez compatibilité carte mère) : DDR5 64 Go kit sur Amazon.fr (lien partenaire Amazon — vérifiez le prix actuel sur Amazon.fr ; transparence affiliation). Pour compléter un kit 32 Go existant : DDR5 32 Go kit sur Amazon.fr (lien partenaire Amazon — vérifiez le prix actuel sur Amazon.fr).
Priorité : si vous manquez surtout d’espace disque pour les modèles, upgrade SSD stockage LLM avant la RAM.
Liens usages qui poussent vers 64 Go
- n8n et LLM local — précise 32 Go pour débuter, 64 Go pour parallélisme.
- Home Assistant + Ollama
- NAS Ollama — parfois RAM fixe non évolutive : choisir la config à l’achat.
Logiciel associé
Après le dimensionnement RAM, enchaînez sur choisir premier modèle, Docker Ollama si vous conteneurisez, le sélecteur matériel et le guide principal matériel IA.
Électricité
Plus de RAM ≠ consommation idle notable ; c’est surtout le CPU/GPU en charge qui compte — budget électricité.
Exemple chiffré (indicatif, oct. 2026)
Machine 32 Go, modèle 8B Q4 (~5 Go), Windows + navigateur (~6 Go) : la ligne « Chat 8B Q4 seul » du tableau reste OK — marge large si vous ne mesurez pas de swap.
Même machine, ligne « Docker : + n8n + HA » : refaites le test Engagé / swap ; si la saturation persiste après réduction de modèle, soit 64 Go, soit deux hôtes (NAS + mini-PC).
Dual channel et barrettes
Sur PC fixe/mini-PC, deux barrettes identiques (dual channel, deux canaux mémoire) améliorent parfois le débit — utile en CPU-only pour les LLM. Consultez le manuel constructeur de la carte mère (capacité max, ordre des slots) avant un kit 2×32 Go ; LocAIhome ne liste pas de références carte mère ici.
Mini-PC déjà 32 Go
Si l’achat neuf est prévu plutôt qu’un upgrade RAM : comparatif mini-PC 2026 et bruit/conso.
Sécurité
Plus de RAM n’augmente pas le risque réseau ; continuez à ne pas exposer Ollama sur Internet — voir RGPD IA locale.
Cas pratiques foyer (oct. 2026)
Parent, un PC partagé, Open WebUI le soir : 32 Go, un modèle 8B Q4, navigateur + Ollama — suffisant si vous ne lancez pas en parallèle Whisper sur de longs fichiers.
Serveur Docker unique : alignez-vous sur la ligne Docker : + n8n + HA du tableau ; si le swap apparaît malgré des workflows n8n séquentiels, séparez les services (NAS + mini-PC) avant d’acheter 64 Go « par défaut ».
Tour gaming RTX 16 Go VRAM : le modèle vit surtout en VRAM ; 32 Go RAM système suffit pour le reste. Monter à 64 Go n’accélère pas le LLM GPU mais aide si vous gardez 50 onglets, une VM ou ComfyUI FLUX ouvert en parallèle.
Mac Mini M4 : la « RAM » est la mémoire unifiée Apple Silicon — ce guide PC (barrettes DDR4/DDR5) ne s’applique pas mot pour mot ; configurez 24–32 Go à l’achat sur le configurateur Apple plutôt qu’un upgrade DDR5 sur mini-PC x86.
Glossaire rapide (tags Ollama)
- instruct — variante de modèle entraînée pour suivre des consignes (dialogue, résumé, format « trois puces ») ; préférez-la au modèle « base » pour un foyer. Détail : choisir premier modèle.
- Q4 — quantification 4 bits du fichier GGUF : fichier plus léger, un peu moins de nuance qu’en Q8 ; le suffixe Q4_K_M est un compromis courant sur Ollama en oct. 2026.
Ordre d’upgrade recommandé
Avant d’acheter 64 Go « par précaution », testez dans cet ordre :
- Modèle plus petit — passer de 13B à 8B instruct Q4 (choisir premier modèle).
- SSD NVMe — si le swap disque domine (stockage modèles LLM).
- Séparer les services — Ollama sur un mini-PC, Home Assistant sur NAS si la RAM du boîtier unique est plafonnée.
- Barrettes 64 Go — lorsque le tableau ci-dessus place votre usage en « serré » et que les signes swap persistent après les étapes 1–3.
Mesurer avant / après upgrade
| Étape | Windows | Linux / macOS |
|---|---|---|
| Charge test | ollama run + navigateur + conteneurs habituels |
idem + docker stats |
| Indicateur | Gestionnaire des tâches → Mémoire Engagé | free -h / htop ou Moniteur d’activité → Échanges |
| Succès | Engagé sous ~85 % de la RAM installée pendant le test | swap / échanges stables pendant 5 min de chat |
Après installation de barrettes, refaites le même scénario (même modèle, mêmes conteneurs) — sans changer de modèle entre les deux mesures, sinon la comparaison est biaisée.
Stack Docker — services, RAM idle et pics (ordres de grandeur, repliable)
Ces chiffres oct. 2026 ne remplacent pas docker stats sur votre machine ; ils expliquent les lignes « Docker » du tableau comparatif.
| Service | Rôle | Impact RAM (typique) |
|---|---|---|
| Ollama | Moteur LLM local | 4–8 Go selon modèle GGUF (format de poids quantifiés) |
| Open WebUI | Interface chat LAN | ~1–2 Go |
| n8n | Automatisations (mail, PDF) | 1–3 Go + pics lors des appels LLM |
| Home Assistant | Domotique + appels Ollama | 2–4 Go selon intégrations |
| Conteneur / service | RAM idle approx. | Pic lors d’un appel LLM |
|---|---|---|
| Ollama seul (8B Q4) | 5–7 Go | +1–2 Go |
| Open WebUI | 1–2 Go | faible |
| n8n | 0,5–1,5 Go | + selon workflow |
| Home Assistant | 1–3 Go | faible sauf intégrations lourdes |
Total stack complète : souvent 12–18 Go avant marge OS — d’où le « serré » à 32 Go quand Windows ou le navigateur consomme encore 6–8 Go.
Liens logiciels (après dimensionnement)
Enchaînez sur installer Ollama, Docker Ollama + Open WebUI, Whisper hors ligne si vous ajoutez de la transcription (RAM supplémentaire lors des jobs longs), et le hub matériel pour croiser CPU, GPU et disque.
Questions fréquentes
32 Go suffisent pour une famille avec un seul modèle ?
En général oui si votre ligne du tableau comparatif est « Chat 8B Q4 seul » et que la mesure swap / Engagé reste confortable — voir section Signes.
Quand viser 64 Go ?
Quand votre scénario tombe sur « 13B Q4 CPU » ou « Docker : + n8n + HA » en colonne serré/limite et que le swap persiste après réduction de modèle ou de services.
Faut-il du DDR5 ?
Pas obligatoire ; DDR5 aide la bande passante sur plateformes récentes. Vérifiez compatibilité carte mère avant achat barrettes.
Mon mini-PC est soudé à 16 Go : que faire ?
Évitez 13B ; restez 3B–7B Q4 ; ou changez de machine via le comparatif mini-PC plutôt qu’un upgrade impossible.
La RAM aide-t-elle si j’ai déjà une RTX 24 Go ?
Peu pour le LLM seul (il vit en VRAM) ; oui si vous gardez beaucoup d’apps, de conteneurs ou ComfyUI ouvert.
DDR4 vs DDR5 pour Ollama CPU ?
DDR5 peut aider légèrement le débit ; l’écart est souvent moindre que choisir 32 vs 64 Go ou un SSD NVMe rapide.
Où voir le swap sur Linux ou macOS (équivalent Gestionnaire des tâches) ?
Linux : `free -h` (ligne Swap) ou `htop` (barre swap). macOS : Moniteur d’activité → Mémoire, colonne Échanges et pression jaune/rouge. Même logique que sous Windows quand la colonne Disque monte pendant un chat Ollama.