Comment con­fi­gu­rer OpenClaw avec Ollama ?

OpenClaw peut être combiné avec Ollama pour créer un assistant IA local dédié au chat, à la logique d’agent et aux outils. Cette con­fi­gu­ra­tion permet d’exécuter de grands modèles de langage di­rec­te­ment sur votre propre système. Ce guide explique étape par étape comment installer OpenClaw avec Ollama, charger un modèle, puis con­fi­gu­rer le tableau de bord, le canal de mes­sa­ge­rie et les skills.

Étape 1 : utiliser votre propre serveur comme base

La valeur ajoutée pratique d’un hé­ber­ge­ment autogéré d’OpenClaw avec Ollama repose prin­ci­pa­le­ment sur cinq points :

1. Avec des modèles locaux, le trai­te­ment du modèle reste sur votre propre in­fras­truc­ture, ce qui constitue souvent l’argument principal en matière de pro­tec­tion des données, de con­fi­den­tia­lité et de con­for­mité.
2. L’ar­chi­tec­ture est plus trans­pa­rente, car OpenClaw Ollama repose sur un système open source documenté et con­fi­gu­rable.
3. Vous gardez le contrôle total sur le choix du modèle, les skills, les services et le com­por­te­ment au démarrage.
4. Le fonc­tion­ne­ment central d’une telle con­fi­gu­ra­tion peut en principe se faire sans API de modèle externe, à condition d’utiliser uni­que­ment des modèles et des outils locaux.
5. OpenClaw suit une approche fondée sur les agents. Le système n’est donc pas seulement une interface de chat pour un modèle, mais un en­vi­ron­ne­ment de travail avec des skills, des outils, un workspace et une interface Web.

Sur votre propre serveur, vous pouvez par exemple con­fi­gu­rer votre propre ins­tal­la­tion Docker OpenClaw, qui se combine par­fai­te­ment avec Ollama.

Étape 2 : vérifier les prérequis

Avant de commencer la con­fi­gu­ra­tion, certaines con­di­tions de base doivent être remplies :

• Un système d’ex­ploi­ta­tion pris en charge : Linux, macOS ou Windows
• Un en­vi­ron­ne­ment terminal ou shell fonc­tion­nel, comme WSL2, SSH ou Docker
• Un accès à Internet pour la première ins­tal­la­tion d’OpenClaw et le té­lé­char­ge­ment des com­po­sants né­ces­saires
• Une quantité suf­fi­sante de mémoire vive ainsi que de res­sources CPU et GPU : pour les modèles plus vo­lu­mi­neux, il est re­com­mandé de disposer d’au moins 8 à 16 Go de RAM, d’une VRAM adaptée au modèle utilisé et d’un pro­ces­seur de la gamme Intel Core i5 ou AMD Ryzen 5

OpenClaw nécessite de plus Node.js 22 ou une version plus récente. Si vous utilisez le script d’ins­tal­la­tion officiel, Node.js n’a gé­né­ra­le­ment pas besoin d’être installé sé­pa­ré­ment, car l’ins­tal­la­teur configure lui-même l’en­vi­ron­ne­ment d’exécution si né­ces­saire.

Étape 3 : installer Ollama

Ollama est un en­vi­ron­ne­ment d’exécution de grands modèles de langage (LLM) qui permet d’exécuter des modèles d’IA en local. OpenClaw se connecte ensuite à Ollama afin d’utiliser le modèle pour les chats, les analyses et les fonctions d’agent. Of­fi­ciel­le­ment, Ollama fonc­tionne sous macOS, Windows et Linux et met à dis­po­si­tion une API locale après l’ins­tal­la­tion.

L’ins­tal­la­tion peut être effectuée via le site Web officiel d’Ollama ou, sous Linux, di­rec­te­ment depuis le terminal :

Étape 4 : installer OpenClaw Ollama

Dans cette con­fi­gu­ra­tion, OpenClaw constitue la couche d’exécution centrale : il reçoit les requêtes provenant de l’interface Web, charge l’espace de travail avec les skills définis, exécute des outils locaux comme des commandes shell ou des scripts Python et coordonne le flux entre l’interface, la logique d’agent et la connexion au modèle.

Sous Windows, entrez la commande suivante dans le terminal :

iwr -useb https://openclaw.ai/install.ps1 | iex

Sur les systèmes Linux ou macOS, la commande cor­res­pon­dante est la suivante :

curl -fsSL https://openclaw.ai/install.sh | bash

Ensuite, le processus d’on­boar­ding peut être lancé :

openclaw onboard --install-daemon

Étape 5 : on­boar­ding

Lors de l’on­boar­ding, OpenClaw vous aide à con­fi­gu­rer un en­vi­ron­ne­ment d’IA local sur votre or­di­na­teur. Le processus vous guide à travers une série de choix afin de sim­pli­fier au maximum la con­fi­gu­ra­tion.

Close

Une pas­se­relle locale est alors con­fi­gu­rée : il s’agit d’une petite interface par laquelle les pro­grammes peuvent com­mu­ni­quer avec l’IA. Par défaut, cette pas­se­relle s’exécute uni­que­ment sur votre or­di­na­teur, ce qui empêche tout accès depuis l’extérieur.

Au cours de ce processus, vous con­fi­gu­rez également di­rec­te­ment le modèle. Pour les workflows d’agents complexes, les grandes fenêtres de contexte peuvent être utiles, par exemple avec 64 000 AI-Tokens. En dessous de ce seuil, l’agent peut plus fa­ci­le­ment perdre le fil de la con­ver­sa­tion, du contenu des fichiers ou des ins­truc­tions lors de tâches en plusieurs étapes. Parmi les modèles typiques uti­li­sables avec Ollama, on trouve notamment :

• qwen3-coder
• glm-4.7-flash
• gpt-oss:20b
• qwen3:8b

Si le modèle souhaité ne figure pas dans la liste, il peut aussi être recherché ma­nuel­le­ment. Ac­tuel­le­ment, l’on­boar­ding d’OpenClaw peut découvrir les modèles Ollama dis­po­nibles, suggérer des modèles par défaut et té­lé­char­ger au­to­ma­ti­que­ment le modèle sé­lec­tionné s’il n’est pas encore dis­po­nible lo­ca­le­ment.

Enfin, la pas­se­relle est con­fi­gu­rée avec un port, une liaison locale et un jeton d’accès afin que seuls les pro­grammes autorisés puissent accéder à l’IA.

Étape 6 : connecter les canaux de mes­sa­ge­rie et con­fi­gu­rer la recherche Web

L’un des prin­ci­paux atouts d’OpenClaw est la connexion à des services de mes­sa­ge­rie. Vous pouvez ainsi envoyer des tâches di­rec­te­ment depuis WhatsApp, Telegram, Slack, Discord ou iMessage à votre agent local. La con­fi­gu­ra­tion d’un canal de mes­sa­ge­rie s’effectue également pendant le processus d’on­boar­ding, mais elle peut aussi être réalisée ul­té­rieu­re­ment :

openclaw channels list
openclaw channels add

L’assistant in­te­rac­tif vous guide à travers l’au­then­ti­fi­ca­tion propre à chaque pla­te­forme :

• WhatsApp : scanner le QR Code via la fonction « Appareils associés »
• Telegram : saisir le jeton du bot, créé via @BotFather
• Slack / Discord : au­then­ti­fi­ca­tion OAuth via un lien dans le na­vi­ga­teur
• iMessage : uni­que­ment sur macOS, avec une connexion iMessage active

Dès qu’un canal est connecté, vous pouvez envoyer des tâches di­rec­te­ment depuis l’ap­pli­ca­tion concernée à OpenClaw. L’agent les traite ensuite avec le modèle Ollama configuré, lo­ca­le­ment si vous utilisez un modèle local.

Après avoir choisi le service de mes­sa­ge­rie, OpenClaw vous demande d’indiquer un service de recherche Web. Vous pouvez par exemple utiliser le four­nis­seur Ollama Web Search intégré, qui nécessite qu’Ollama soit en cours d’exécution et que la commande ollama signin ait été effectuée.

Étape 7 : con­fi­gu­rer les skills

Les Workspace Skills per­met­tent d’ajouter des fonctions locales per­son­na­li­sées à OpenClaw Ollama. Tech­ni­que­ment, chaque skill se trouve dans un dossier dédié de l’espace de travail, ou Workspace, et contient au minimum un fichier nommé SKILL.md. Ce fichier associe des mé­ta­don­nées YAML à des ins­truc­tions rédigées en Markdown, et un skill peut aussi inclure des scripts ou des res­sources sup­plé­men­taires. OpenClaw Ollama charge ces Workspace Skills depuis le ré­per­toire prévu à cet effet dans le Workspace et peut détecter au­to­ma­ti­que­ment les mo­di­fi­ca­tions lorsque la sur­veil­lance des skills est activée. Les Workspace Skills sont par­ti­cu­liè­re­ment utiles pour trans­mettre à l’agent des tâches ré­cur­rentes, des méthodes de travail spé­ci­fiques ou des con­nais­sances propres à un projet.

Lors de l’on­boar­ding, certains skills sont déjà dis­po­nibles et peuvent être di­rec­te­ment sé­lec­tion­nés et con­fi­gu­rés. Parmi eux figurent par exemple une in­té­gra­tion avec l’éco­sys­tème Google, une API de con­ver­sion de la parole en texte ou un agent capable de résumer des contenus.

Close

Les skills per­son­na­li­sés sont gé­né­ra­le­ment créés sous ~/.openclaw/workspace/skills/. Pour un premier cas d’usage concret, vous pouvez par exemple définir un skill qui trans­forme des notes brutes en comptes rendus de réunion struc­tu­rés. OpenClaw Ollama reçoit ainsi une tâche clai­re­ment définie, réel­le­ment utile au quotidien, sans né­ces­si­ter de logique de flux de travail complexe ni de re­di­rec­tion directe vers d’autres outils :

mkdir -p ~/.openclaw/workspace/skills/meeting-notes
nano ~/.openclaw/workspace/skills/meeting-notes/SKILL.md

Vous pouvez ensuite insérer la dé­fi­ni­tion de skill suivante dans ce fichier :

---
name: meeting_notes
description: Crée à partir de notes brutes des comptes rendus de réunion structurés avec tâches et points en suspens.
---
# Skill Meeting Notes
Utilisez ce skill lorsque l’utilisateur souhaite transformer des notes de réunion non triées, des listes à puces ou des transcriptions de conversation en un résumé clair.
Votre mission :
- Résumez les sujets principaux en quelques phrases.
- Dressez une liste des décisions prises.
- Distinguez clairement les tâches, les questions ouvertes et les prochaines étapes.
- Rédigez de manière factuelle, précise et facilement lisible.
- Si des informations manquent ou sont ambiguës, signalez-les clairement.
Format de sortie souhaité :
1. Résumé court
2. Décisions
3. Tâches
4. Questions ouvertes
5. Prochaines étapes

Dès que le fichier est en­re­gis­tré, OpenClaw détecte au­to­ma­ti­que­ment le nouveau skill dans le Workspace. Si la sur­veil­lance des skills est activée, les mo­di­fi­ca­tions apportées au fichier SKILL.md sont prises en compte sans qu’il soit né­ces­saire de re­dé­mar­rer la pas­se­relle.

Étape 8 : activer les hooks

Dans OpenClaw, les hooks sont un système d’au­to­ma­ti­sa­tion ex­ten­sible et déclenché par des évé­ne­ments. Ils per­met­tent d’exécuter au­to­ma­ti­que­ment certaines actions dès qu’un agent lance une commande ou qu’un événement spé­ci­fique se produit. OpenClaw Ollama détecte au­to­ma­ti­que­ment les hooks lorsqu’ils sont placés dans les ré­per­toires prévus à cet effet. Ils peuvent ensuite être gérés via la ligne de commande.

Par défaut, OpenClaw propose quatre hooks lors de l’on­boar­ding, qui peuvent être activés di­rec­te­ment :

• session-memory : en­re­gistre au­to­ma­ti­que­ment le contexte de votre session actuelle dans l’Agent Workspace (~/.openclaw/workspace/memory/) dès que vous exécutez la commande /new ou/reset.
• bootstrap-extra-files : charge, au démarrage d’un agent, des fichiers sup­plé­men­taires dans le Workspace, sur la base de chemins ou de modèles de fichiers définis au préalable.
• command-logger : jour­na­lise toutes les commandes exécutées et les en­re­gistre dans le fichier de log ~/.openclaw/logs/commands.log.
• boot-md : exécute au­to­ma­ti­que­ment, au démarrage de la pas­se­relle, un fichier BOOT.md dans lequel peuvent figurer des ins­truc­tions de démarrage ou des ini­tia­li­sa­tions pour l’agent.

La liste complète des hooks peut également être affichée ul­té­rieu­re­ment avec la commande openclaw hooks list. Les hooks in­di­vi­duels sont activés avec la commande openclaw hooks enable xy.

Étape 9 : démarrer la pas­se­relle

Ce n’est qu’une fois OpenClaw Ollama installé, Ollama configuré, le modèle chargé et la con­fi­gu­ra­tion définie que vous pouvez démarrer la pas­se­relle :

openclaw gateway --port 18789

Avec cette commande, la pas­se­relle est démarrée en local et met le tableau de bord à dis­po­si­tion à l’adresse par défaut http://127.0.0.1:18789.

Il est également possible de vérifier si le service fonc­tionne cor­rec­te­ment avec :

openclaw gateway status

Les messages Runtime: running et RPC probe: OK indiquent notamment que l’en­vi­ron­ne­ment fonc­tionne cor­rec­te­ment.

Étape 10 : tester le tableau de bord

Étant donné que l’in­te­rac­tion avec le bot se fait prin­ci­pa­le­ment via les services de mes­sa­ge­rie con­fi­gu­rés, le tableau de bord intégré n’est pas in­dis­pen­sable au fonc­tion­ne­ment en pro­duc­tion. Pour la première mise en service, une vé­ri­fi­ca­tion rapide reste toutefois utile : elle permet de voir en un coup d’œil si la pas­se­relle fonc­tionne, si le modèle a été cor­rec­te­ment détecté et si la con­fi­gu­ra­tion est valide. Si vous exploitez OpenClaw Ollama sur un or­di­na­teur de bureau, vous pouvez également l’utiliser comme outil de diag­nos­tic ponctuel.

Close

Le tableau de bord peut être ouvert di­rec­te­ment dans le na­vi­ga­teur ou appelé via la CLI :

openclaw dashboard

Al­ter­na­ti­ve­ment, l’interface Web est ouverte di­rec­te­ment via l’adresse de la pas­se­relle http://127.0.0.1:18789. Si une au­then­ti­fi­ca­tion est demandée lors du premier accès, le jeton de la pas­se­relle peut être récupéré :

openclaw config get gateway.auth.token

Ce jeton est ensuite en­re­gis­tré dans l’interface de contrôle (Control UI). Les con­nexions locales via 127.0.0.1 sont gé­né­ra­le­ment acceptées au­to­ma­ti­que­ment. Pour les accès depuis d’autres appareils, un appairage sup­plé­men­taire peut être né­ces­saire :

openclaw devices list
openclaw devices approve <requestId>

Le nouveau na­vi­ga­teur ou le nouvel appareil est ainsi marqué comme fiable. Cette au­to­ri­sa­tion sup­plé­men­taire est par­ti­cu­liè­re­ment im­por­tante, car le tableau de bord n’est pas seulement une fenêtre de chat : il sert aussi d’interface d’ad­mi­nis­tra­tion avec accès aux skills, à la con­fi­gu­ra­tion et aux au­to­ri­sa­tions d’exécution.

Étape 11 : per­son­na­li­ser OpenClaw Ollama

La con­fi­gu­ra­tion de base d’OpenClaw avec Ollama est ainsi terminée. La pas­se­relle fonc­tionne en local, le modèle est intégré et l’agent peut être sollicité via les services de mes­sa­ge­rie ou le tableau de bord. Dans cette con­fi­gu­ra­tion de base, OpenClaw avec Ollama peut déjà être testé pour analyser des messages, syn­thé­ti­ser des in­for­ma­tions ou exécuter au­to­ma­ti­que­ment des tâches simples.

Le système est toutefois conçu de manière ré­so­lu­ment modulaire et offre bien plus de pos­si­bi­li­tés que la con­fi­gu­ra­tion de base présentée ici. Parmi les ex­ten­sions typiques, on trouve notamment :

• Dé­ve­lop­per d’autres skills : définir des skills dédiés pour des tâches ré­cur­rentes comme les comptes rendus de réunion, l’analyse de code ou la struc­tu­ra­tion de documents, puis les mettre à dis­po­si­tion de l’agent de façon per­ma­nente.
• Mettre en place des au­to­ma­ti­sa­tions via des hooks : définir des actions au­to­ma­tiques dé­clen­chées par des évé­ne­ments comme de nouvelles sessions, l’exécution de commandes ou le démarrage d’un agent.
• Intégrer des outils locaux : OpenClaw peut exécuter des commandes shell, des scripts Python ou des outils per­son­na­li­sés.
• Combiner plusieurs modèles : en plus du modèle principal, il est possible de con­fi­gu­rer des modèles de secours ou des modèles spé­cia­li­sés pour certaines tâches.
• Connecter d’autres services de mes­sa­ge­rie : des canaux sup­plé­men­taires comme Slack, Discord ou Telegram peuvent être utilisés en parallèle, afin que plusieurs appareils ou équipes puissent tra­vail­ler avec l’agent local, avec des droits d’accès clai­re­ment contrôlés.
• Élargir le workspace et la base de con­nais­sances : des documents, fichiers de projet ou notes peuvent être stockés dans le workspace, afin que l’agent puisse les utiliser comme contexte pour ses tâches.
• Con­fi­gu­rer un accès distant : grâce à des solutions comme Tailscale ou des reverse proxies, il est possible de rendre le tableau de bord ac­ces­sible en toute sécurité depuis d’autres appareils.
• Trouver de l’ins­pi­ra­tion : OpenClaw Ollama propose avec le site Web What People Are Building une vue d’ensemble dédiée, qui montre ce que les autres uti­li­sa­teurs réalisent avec l’outil.

La con­fi­gu­ra­tion présentée ici ne constitue donc qu’un point de départ. Dès qu’OpenClaw Ollama fonc­tionne de manière stable, il est in­té­res­sant d’étendre pro­gres­si­ve­ment vos workflows via des skills sup­plé­men­taires, des au­to­ma­ti­sa­tions ou de nouvelles in­té­gra­tions. En com­bi­nai­son avec des modèles locaux via Ollama, vous obtenez ainsi un en­vi­ron­ne­ment de travail IA flexible, en­tiè­re­ment auto-hébergé et pré­ci­sé­ment adaptable à vos propres exigences.