Elorian lance Glimpse, un modèle d'IA qui réexamine les images pendant le raisonnement

Elorian, une startup d'IA de Palo Alto fondée par l'ancien chercheur de Google DeepMind Andrew Dai, a lancé son premier modèle le 16 octobre 2026. Glimpse est maintenant disponible en aperçu de recherche avec accès API ; une interface de chat reste accessible uniquement sur liste d'attente.

La plupart des modèles d'IA multimodaux regardent une image une seule fois, convertissent ce qu'ils voient en tokens de type texte, puis raisonnent entièrement dans cet espace textuel par la suite — ce qui signifie que les détails visuels fins n'ayant pas été capturés lors de la conversion initiale disparaissent simplement pour le reste de la tâche. Glimpse, au contraire, retourne à l'image originale de manière répétée pendant le raisonnement : il peut recadrer des régions spécifiques, extraire des images individuelles d'une vidéo, ou exécuter du code pour mesurer ou comparer ce qu'il observe. Elorian appelle cela un « espace de brouillon visuel ». L'idée sous-jacente n'est pas entièrement nouvelle — OpenAI a ajouté une capacité de recadrage et de zoom à ses modèles de la série o en 2025 — mais Elorian a construit Glimpse autour de cette technique depuis le départ plutôt que de la greffer sur une architecture existante.

Le modèle a été entraîné par une petite équipe sur quelques centaines de GPU et est nettement plus petit que les systèmes de pointe auxquels il est comparé, ce qui se reflète dans sa tarification : 0,60 dollar par million de tokens d'entrée et 3 dollars par million de tokens de sortie, le positionnant au-dessus des modèles légers mais sous les modèles de milieu de gamme. Selon les propres benchmarks d'Elorian, Glimpse surpasse GPT-6 Astra en raisonnement sur graphiques scientifiques et en sous-titrage de vidéos courtes, et est compétitif sur d'autres tâches de raisonnement visuel — des chiffres qui, étant des résultats rapportés par l'entreprise elle-même, méritent une vérification indépendante avant d'être tenus pour acquis.

Elorian est sortie de la discrétion il y a six mois et a levé un tour de table d'amorçage de 55 millions de dollars à une valorisation de 300 millions avant de lancer un produit, co-mené par Striker Venture Partners, Menlo Ventures et Altimeter Capital, avec la participation de Nvidia et du scientifique en chef de Google Jeff Dean — un signe de confiance notable venant de personnalités ayant une visibilité directe sur la recherche en IA de pointe. Dai a soutenu que les modèles actuels, malgré de solides capacités linguistiques et de codage, luttent encore avec des tâches que les humains trouvent triviales, comme lire des symboles sur un jeu de société ou assembler des meubles à partir d'un diagramme sans texte d'accompagnement.

Elorian vise initialement les entreprises de robotique, les laboratoires scientifiques et les sociétés de médias qui travaillent avec de grands volumes de vidéo, et affirme que son ambition à plus long terme est de passer de la perception passive au contrôle de systèmes physiques comme des robots, avec pour objectif de construire ce qu'elle appelle le meilleur modèle de raisonnement visuel du domaine d'ici un an, comme l'a rapporté en premier TechCrunch.