Elorian lance Glimpse, un modèle d'IA qui raisonne à partir d'images

Elorian, startup d'intelligence artificielle basée à Palo Alto, a publié son premier modèle, Glimpse, le vendredi 16 octobre 2026. Le modèle est disponible en aperçu de recherche via une API, tandis que son interface de conversation n'est ouverte qu'aux personnes inscrites sur liste d'attente.

L'entreprise affirme que les modèles d'IA actuels, aussi performants soient-ils avec le texte et le code, peinent encore à véritablement voir. La plupart des systèmes multimodaux traitent une image une seule fois, la convertissent en jetons, puis raisonnent uniquement en texte. Glimpse est conçu pour revenir à la matière visuelle d'origine à plusieurs reprises au fil de la résolution d'un problème.

Un espace de travail visuel

Elorian appelle ce mécanisme un « espace de brouillon visuel ». Pendant le raisonnement, Glimpse peut recadrer et zoomer sur une partie d'une image, extraire des images précises d'une vidéo ou exécuter du code pour mesurer et comparer ce qu'il voit. L'idée a déjà des précédents : OpenAI a doté ses modèles de la série o de capacités de recadrage et de zoom pendant le raisonnement en 2025. Elorian affirme que sa différence réside dans le fait d'avoir conçu l'ensemble du modèle autour de cette technique, et de l'avoir fait à moindre coût.

Le directeur général Andrew Dai, ancien chercheur de Google DeepMind, attribue en partie l'origine du projet à une soirée de jeux de société l'an dernier, lors de laquelle un modèle de pointe n'a pas su lui dire qui gagnait à partir d'une photo de la table. Il explique que les jeux reposent sur des symboles propres, que les adultes saisissent facilement mais que les modèles peinent à interpréter. « Les humains peuvent regarder des schémas Ikea, sans aucun texte, et monter des meubles Ikea », a déclaré Dai.

Selon Elorian, une petite équipe a entraîné Glimpse sur quelques centaines de GPU, et le modèle est nettement plus petit que les systèmes de pointe auxquels il est comparé. Les propres évaluations de l'entreprise montrent qu'il devance GPT-6 Astra sur le raisonnement à partir de graphiques scientifiques et sur la description de courtes vidéos, et qu'il se situe à un niveau compétitif sur d'autres référentiels de raisonnement visuel. Ces résultats n'ont pas encore été vérifiés de manière indépendante.

Tarifs, investisseurs et ambitions

Glimpse est facturé 0,60 $ par million de jetons d'entrée et 3 $ par million de jetons de sortie, un tarif inférieur à celui de modèles intermédiaires comme Sonnet et Sol, mais supérieur à celui d'options légères comme Haiku et Luna. Elorian est sorti de la discrétion il y a six mois, après avoir levé une amorce de 55 millions de dollars à une valorisation de 300 millions de dollars, avant de commercialiser le moindre produit. Striker Venture Partners, Menlo Ventures et Altimeter Capital ont codirigé le tour, auquel ont également participé Nvidia et Jeff Dean, directeur scientifique de Google.

Les premiers clients devraient être des organisations disposant de vastes archives vidéo, notamment des entreprises de robotique, des laboratoires scientifiques, des médias et des sociétés créatives. À terme, Elorian veut faire passer ses modèles de la perception à l'action, en construisant une représentation d'une scène et en s'en servant pour choisir des actions, y compris le pilotage direct de robots. Dai a indiqué que l'objectif pour l'an prochain est un modèle qui prenne la tête de chaque référentiel de raisonnement visuel.