Elorian lance Glimpse, modèle IA qui raisonne directement sur les images

Présentation du modèle Glimpse

Elorian, startup californienne spécialisée en IA, a levé 55 millions de dollars en seed round, valorisée à 300 millions de dollars, avant même de commercialiser son premier produit. Le vendredi 16 octobre 2026, l’entreprise a dévoilé Glimpse, diffusé en aperçu de recherche avec accès API et interface de chat réservée aux inscrits sur liste d’attente. Cette mise à disposition limitée se traduit pour l’instant par un tableau de résultats et une thèse de travail.

Mécanisme de raisonnement visuel

Les modèles multimodaux classiques transforment une image en une séquence de tokens puis effectuent un raisonnement purement textuel, ce qui limite la capacité à « voir » réellement. Glimpse introduit un espace de travail visuel – qualifié de “visual scratch space” – qui permet, en cours de raisonnement, de recadrer une région, d’extraire des images‑clés d’une vidéo ou d’exécuter du code pour mesurer ou comparer des éléments visuels. Cette boucle itérative rappelle le geste humain de pincer pour zoomer sur un détail afin de le vérifier. OpenAI avait déjà ajouté une fonction de crop‑and‑zoom à ses modèles de la série o en 2025, mais Elorian affirme avoir bâti l’ensemble de l’architecture autour de ce principe, ce qui réduit la complexité globale.

Performances et coûts

Selon les déclarations d’Elorian, une petite équipe a entraîné Glimpse sur quelques centaines de GPU, ce qui rend le modèle « substantiellement plus petit » que les systèmes de pointe auxquels il a été comparé. Le tarif affiché est de 0,60 $ par million de tokens entrants et 3 $ par million de tokens sortants, positionnant Glimpse entre les modèles intermédiaires comme Sonnet et les modèles légers tels que Haiku. Les évaluations internes placent Glimpse au‑dessus de GPT‑6 Astra sur les tâches de raisonnement sur des graphiques scientifiques et de légendage de courtes vidéos, tout en affichant des résultats compétitifs sur d’autres benchmarks de raisonnement visuel.

Perspectives et marché

Les premiers clients ciblés sont les entreprises disposant de grandes quantités de vidéo : sociétés de robotique, laboratoires scientifiques, médias et studios créatifs. À plus long terme, Elorian prévoit de passer de la simple perception à l’action, en construisant un modèle de scène capable de choisir et d’exécuter des actions, y compris le contrôle direct de robots. Le PDG Andrew Dai indique que l’objectif pour l’an prochain est de créer « le meilleur modèle de raisonnement visuel au monde », capable de dominer chaque test de ce type. La levée de fonds a été co‑dirigée par Striker Venture Partners, Menlo Ventures et Altimeter Capital, avec la participation de Nvidia et du scientifique en chef de Google, Jeff Dean.