Comment lancer OpenClaw avec Ollama ?

OpenClaw se lance avec Ollama en ajoutant une couche persistante entre vos modèles et vos messageries. L’intérêt est simple : garder un assistant IA joignable sur WhatsApp, Telegram, Slack, Discord ou iMessage, sans rester collé au terminal.

À quoi sert OpenClaw ?

OpenClaw sert à transformer une instance Ollama utilisée ponctuellement depuis un terminal en assistant IA personnel persistant, accessible depuis des applications de messagerie.

L’idée n’est pas juste de lancer un modèle local et de lui poser une question de temps en temps. Ça, Ollama le fait déjà très bien. L’intérêt d’OpenClaw, c’est de rendre ce modèle disponible en continu, un peu comme un contact à qui vous pouvez écrire quand vous en avez besoin. Le projet a aussi existé sous les noms Clawdbot et Moltbot, donc vous pouvez croiser ces noms dans certaines discussions ou anciens dépôts, mais le principe reste le même.

Le cas d’usage principal est simple : discuter avec un modèle Ollama local ou cloud depuis WhatsApp, Telegram, Slack, Discord ou iMessage. Vous gardez votre modèle, vos choix techniques, parfois même vos données en local, mais vous arrêtez de passer par une ligne de commande. Chez les clients, je vois souvent que la vraie rupture arrive là. Pas quand on installe un modèle. Quand l’IA sort du terminal et rentre dans les outils que les équipes utilisent déjà toute la journée.

La différence se voit assez vite :

Avec Ollama seul	Je lance une commande, j’interroge un modèle, puis je ferme ou je passe à autre chose. Le contexte d’usage reste limité au terminal ou à une intégration que je dois gérer moi-même.
Avec OpenClaw	Je mets en place un service qui reste disponible, maintient les connexions avec les apps de messagerie et peut gérer des échanges dans la durée.

Ça change beaucoup de choses en pratique. Une équipe peut poser une question dans Slack. Vous pouvez envoyer une note vocale transcrite dans WhatsApp. Un bot Discord peut répondre avec votre modèle local plutôt qu’avec une API externe. Et derrière, Ollama continue de faire tourner le modèle, mais OpenClaw joue le rôle de pont entre l’IA et les canaux de discussion.

Pour comprendre pourquoi ça marche, il faut maintenant regarder l’architecture en trois couches.

Comment fonctionne l’architecture ?

OpenClaw fonctionne avec trois couches, la messagerie, le Gateway et le modèle Ollama. C’est simple à comprendre si on le voit comme une chaîne : les messages arrivent quelque part, le Gateway les prend en charge, puis Ollama génère la réponse ou l’action à lancer.

La couche messagerie, c’est l’entrée utilisateur. Elle gère les protocoles et les plateformes comme WhatsApp, Telegram, Slack, Discord et iMessage. Son rôle est de recevoir un message dans le bon format, depuis le bon canal, puis de le transmettre proprement au reste du système. Vous ne parlez pas directement au modèle, vous passez par une interface que vous utilisez déjà au quotidien.

Le Gateway, c’est vraiment la pièce centrale. C’est un démon, donc un service qui reste actif en arrière-plan, sans que vous gardiez une session ouverte dans un terminal. Il maintient les connexions, reçoit les messages, route les demandes, garde le contexte utile et orchestre les tâches multi-étapes. Dans un projet client, c’est souvent là que je vois la différence entre une démo sympa et un assistant vraiment utilisable. Si le Gateway tombe, tout devient fragile. S’il tourne proprement, l’assistant reste disponible.

La couche modèle, c’est Ollama. Elle exécute le modèle d’IA, en local sur votre machine ou sur une infrastructure distante. Local veut dire que les données restent chez vous, avec un bon contrôle. Cloud ou distant veut dire plus de souplesse côté puissance, surtout si vous utilisez des modèles plus lourds.

Messagerie	Gère les plateformes comme WhatsApp, Telegram, Slack, Discord et iMessage	Permet d’utiliser OpenClaw depuis les canaux du quotidien
Gateway	Reste actif, maintient les connexions, reçoit les messages et orchestre les tâches	Rend l’assistant disponible en continu et capable de travailler en arrière-plan
Modèle	Exécute Ollama avec des modèles locaux ou distants	Produit les réponses, les analyses et les actions demandées

Le point important, c’est que le Gateway n’est pas juste un pont technique. C’est ce qui évite de dépendre d’une commande lancée à la main, d’un terminal oublié ou d’une session qui expire. C’est lui qui transforme OpenClaw en assistant utilisable tous les jours.

Petite précision utile : certains anciens alias de commande liés à Clawdbot restent compatibles. Mais pour un nouveau déploiement, je préfère raisonner avec le nom OpenClaw. C’est plus clair, plus propre, et ça évite de mélanger l’ancien vocabulaire avec l’architecture actuelle.

Quels prérequis faut-il prévoir ?

Il faut prévoir Ollama 0.17 ou plus, Node.js 18 ou plus, assez de RAM, assez de VRAM selon la longueur de contexte visée, et du disque pour stocker les modèles. C’est la base. Le reste dépend surtout de ce que vous voulez faire avec OpenClaw.

Le point que je vois souvent sous-estimé, c’est la longueur de contexte. Le contexte, c’est la quantité d’informations que le modèle peut garder en tête pendant l’échange. Plus il est long, plus OpenClaw peut suivre un historique, comprendre des consignes longues, manipuler plusieurs fichiers, ou gérer une tâche en plusieurs étapes sans perdre le fil.

Pour OpenClaw, une cible de 64k de contexte devient vraiment intéressante. On commence à sentir la différence sur des usages un peu sérieux. Mais attention, Ollama ajuste aussi ses valeurs par défaut selon la VRAM disponible, donc la mémoire de votre carte graphique.

Les repères connus sont à prendre comme des indications, pas comme une promesse valable pour tous les modèles et toutes les machines :

• Sous 24 GB de VRAM, Ollama attribue souvent environ 4k de contexte par défaut.
• Entre 24 et 48 GB de VRAM, on peut voir environ 32k de contexte par défaut.
• À partir de 48 GB de VRAM, Ollama peut monter vers environ 256k de contexte par défaut.

Dans les projets réels, je regarde d’abord l’usage avant de regarder la machine. Un assistant de messagerie simple n’a pas besoin de la même config qu’un assistant qui doit lire de longs historiques, garder plusieurs objectifs en mémoire, ou enchaîner des actions sur plusieurs outils. J’ai déjà vu des équipes acheter trop gros pour un bot très simple, et d’autres galérer avec une petite machine alors que leur vrai besoin était du contexte long.

Élément	Minimum	Recommandé
OS	Windows, macOS ou Linux compatible Ollama	Linux ou macOS pour un usage plus stable côté automatisation
RAM	16 GB	32 GB ou plus
VRAM	8 GB pour des usages simples	24 GB et plus si vous visez du contexte long
Disque	20 à 50 GB libres	100 GB ou plus si vous testez plusieurs modèles
Ollama	Ollama 0.17 ou plus	Dernière version disponible
Node.js	Node.js 18 ou plus	Node.js 20 ou plus
Compte Ollama	Pas toujours obligatoire	Utile pour les modèles cloud et la recherche web

Quel modèle Ollama choisir ?

Le bon modèle Ollama dépend surtout de votre machine, de la longueur de contexte voulue, et du besoin ou non de recherche web. C’est vraiment le trio à regarder avant de choisir. Pas le modèle “le plus puissant” sur le papier. Le modèle qui tourne bien chez vous, sans ralentir toute la machine, c’est souvent le meilleur choix pour lancer OpenClaw proprement.

Un modèle local tourne sur votre propre machine via Ollama. Vous gardez plus de contrôle sur l’environnement, les données, les versions, les performances. Mais il y a une contrepartie très concrète : il faut assez de RAM, de VRAM et de stockage. La RAM, c’est la mémoire principale de votre ordinateur. La VRAM, c’est la mémoire de votre carte graphique. Et le stockage, c’est simplement la place disque nécessaire pour télécharger les modèles, parfois plusieurs gigas.

Un modèle cloud, lui, tourne côté service. Vous n’avez pas à gérer le poids du modèle, ni les limites matérielles de votre machine. C’est souvent plus simple pour les grands contextes, c’est-à-dire quand l’agent doit lire beaucoup d’informations en même temps. C’est aussi plus confortable pour la recherche web, parce que ces fonctions sont souvent mieux intégrées ou gérées automatiquement.

Option	Avantages	Points d’attention	Cas d’usage naturel
Local avec Ollama	Plus de contrôle, données sur votre machine, pas de dépendance forte à un service externe.	Dépend beaucoup de la RAM, de la VRAM, du stockage et du temps de configuration.	Tests internes, contraintes de confidentialité, environnement maîtrisé.
Cloud	Mise en route rapide, grands contextes plus simples, recherche web plus accessible.	Coût à l’usage, dépendance au fournisseur, données qui passent par un service tiers.	Prototype rapide, agent Slack ou Telegram, validation métier.

Le choix est donc assez simple. Local si vous voulez maîtriser l’environnement et que vous avez le matériel. Cloud si vous voulez aller vite, éviter les limites de votre machine, et profiter plus facilement de grands contextes ou de la recherche web.

Je vois souvent des équipes vouloir absolument commencer en local. Sur le principe, je comprends. Mais leur premier besoin, c’est juste de valider si l’agent OpenClaw rend vraiment service dans Slack ou Telegram. Dans ce cas, le cloud est souvent plus pragmatique au départ. On valide l’usage, on mesure la valeur, et ensuite seulement on décide si le local vaut l’effort.

Comment le rendre vraiment persistant ?

Pour rendre OpenClaw persistant, il faut configurer correctement le Gateway, connecter le ou les canaux de messagerie, régler la longueur de contexte, puis le faire tourner en mode headless. Le mode headless, ça veut juste dire sans interface ouverte devant vous. L’assistant tourne en arrière-plan, il écoute les messages, il répond, et personne n’a besoin de garder un terminal ouvert à la main.

Dans un déploiement propre, je fais tourner le Gateway comme un service qui reste actif. Pas comme une session lancée vite fait dans un terminal. C’est la différence entre “ça marche sur mon poste” et “ça répond encore demain matin”. Le Gateway devient la pièce centrale qui relie OpenClaw au modèle, à Ollama, et aux canaux de messagerie.

Les points à régler sont assez simples, mais il faut les faire dans le bon ordre. Je commence toujours par le choix du modèle. Soit un modèle Ollama local, pratique si vous voulez garder les données chez vous. Soit un modèle cloud, plus confortable si vous cherchez plus de puissance ou moins de maintenance. Ensuite je règle la longueur de contexte. Le contexte, c’est la quantité d’informations que le modèle peut garder en tête pendant une conversation. Trop court, il oublie vite. Trop long, ça peut coûter plus cher ou ralentir selon le modèle.

Après ça, je connecte un canal de messagerie. WhatsApp, Telegram, Discord, peu importe votre cas d’usage, mais je préfère toujours valider un premier canal proprement avant d’en ajouter trois autres. J’ai déjà vu des clients brancher plusieurs plateformes d’un coup, puis perdre deux heures à chercher si le bug venait du modèle, du contexte, du token API ou du webhook. Franchement, ça ne vaut pas le coup.

Si vous utilisez les fonctions de recherche web, il peut aussi falloir activer l’option via un compte Ollama selon votre configuration. Là encore, je teste séparément. Une question simple, une réponse simple, puis une recherche web. Pas besoin de complexifier trop tôt.

• Vérifier Ollama 0.17+.
• Vérifier Node.js 18+.
• Choisir local ou cloud.
• Définir la longueur de contexte.
• Connecter une messagerie.
• Tester les réponses.
• Lancer le Gateway en service persistant.

Vous voulez un assistant IA qui reste vraiment disponible ?

OpenClaw avec Ollama répond à un besoin assez concret : arrêter de parler à un modèle seulement depuis un terminal, et en faire un assistant disponible dans les messageries que vous utilisez déjà. La pièce centrale, c’est le Gateway. Il garde les connexions ouvertes, orchestre les échanges et permet un usage persistant. Le vrai sujet n’est pas seulement l’installation, c’est le bon équilibre entre modèle local, modèle cloud, longueur de contexte, matériel et recherche web. Si vous posez ça proprement dès le départ, vous gagnez un assistant plus fiable, plus simple à utiliser, et beaucoup plus utile pour votre business.

FAQ

• OpenClaw sert à quoi avec Ollama ?
  OpenClaw sert à rendre Ollama accessible comme un assistant IA persistant depuis des messageries comme WhatsApp, Telegram, Slack, Discord ou iMessage. Au lieu d’interroger un modèle dans un terminal, vous lui parlez depuis un outil déjà utilisé au quotidien.
• Quel est le rôle du Gateway dans OpenClaw ?
  Le Gateway est le démon qui reste actif entre les messageries et Ollama. Il maintient les connexions, reçoit les messages, transmet les demandes au modèle et permet de gérer des tâches en arrière-plan ou en plusieurs étapes.
• Faut-il obligatoirement un modèle Ollama local ?
  Non. OpenClaw peut utiliser des modèles Ollama locaux ou cloud. Le local est intéressant si vous avez le matériel et que vous voulez garder le contrôle. Le cloud est souvent plus simple pour profiter de grands contextes et de la recherche web.
• Pourquoi la longueur de contexte est importante ?
  La longueur de contexte détermine la quantité d’informations que le modèle peut garder en mémoire dans un échange. Pour un assistant de messagerie, c’est important dès qu’on veut gérer des conversations longues ou des tâches multi-étapes.
• Quels prérequis faut-il pour utiliser OpenClaw ?
  Il faut notamment Ollama 0.17 ou plus, Node.js 18 ou plus, une machine adaptée au modèle choisi, assez de RAM, de VRAM et de disque. Un compte Ollama peut aussi être nécessaire pour les modèles cloud et la recherche web.

 

 

A propos de l’auteur

Je suis Franck Scandolera, expert et formateur en tracking avancé server-side, Analytics Engineering, automatisation No/Low Code avec n8n, intégration de l’IA en entreprise et SEO/GEO. J’accompagne des équipes qui veulent brancher l’IA sur leurs vrais outils, pas juste faire des démos. Avec webAnalyste et Formations Analytics, j’ai travaillé pour des clients comme Logis Hôtel, Yelloh Village, BazarChic, la Fédération Française de Football ou Texdecor. Si vous voulez mettre en place ce type d’assistant IA dans votre entreprise, contactez-moi.