Elorian mise sur le raisonnement par l’image pour concurrencer les grands modèles d’IA
- Elorian a lancé Glimpse, un modèle de raisonnement visuel qui examine à plusieurs reprises les images et les vidéos lors de la résolution de tâches.
- L'entreprise affirme que Glimpse égale ou dépasse GPT-6 Astra sur plusieurs benchmarks, tout en coûtant 94 % moins cher par token.
- Glimpse reste une version de recherche et ses résultats aux benchmarks n'ont pas encore été vérifiés de manière indépendante.
Elorian a lancé Glimpse le 16 octobre, affirmant que son raisonnement visuel peut rivaliser avec des modèles d'IA plus volumineux pour une fraction du prix.
Selon TechCrunch, le modèle initial est une version de recherche qui inclut un accès API pour les développeurs et une liste d’attente pour son interface de chat. Pour les entreprises qui envisagent d’essayer cette technologie, un véritable défi réside dans la capacité de Glimpse à offrir des performances similaires dans des situations réelles.
La proposition de valeur de l’espace de travail visuel
Contrairement aux modèles qui analysent d’abord les images avant de tirer des conclusions principalement sous forme de texte, Glimpse peut revenir aux preuves visuelles, examiner les détails de plus près, inspecter les images vidéo et exécuter du code. L’entreprise appelle cela son « espace de travail visuel ».
Andrew Dai, PDG d’Elorian et ancien chercheur chez Google DeepMind, a partagé une anecdote où il avait demandé à son modèle d’IA de déterminer le gagnant d’un jeu de plateau qu’il jouait. L’IA n’a pas réussi à décoder la signification des différents symboles du jeu, ce que les humains comprennent sans difficulté.
Les humains peuvent regarder les schémas Ikea, sans aucun texte, et monter des meubles Ikea, n’est-ce pas ? Pourquoi les modèles d’IA ne le pourraient-ils pas ?
— Andrew Dai, s’exprimant à TechCrunch
Le concept a déjà été appliqué. OpenAI a lancé une logique de recadrage et de zoom en 2025. Le document de recherche CharTool, mis à jour en août 2026, combinait le recadrage d’images avec des calculs basés sur du code. Dans le cas d’Elorian, un modèle de base open-weights est utilisé, accompagné de seulement quelques centaines de GPU lors de l’implémentation.
Les chiffres rapportés par Elorian, et ceux qu’elle met en retrait
La tarification de Glimpse est de 0,60 $ pour chaque million de tokens en entrée et de 3 $ pour chaque million de tokens en sortie, soit environ 94 % moins cher que ce qu’Astra facture. Elorian a précédemment levé 55 millions de dollars, atteignant une valorisation de 300 millions de dollars, avec des investisseurs tels que Nvidia et Jeff Dean, scientifique en chef chez Google.
Selon le rapport d’Elorian, Glimpse a surpassé GPT-6 Astra sur certains aspects, notamment CharXiv-R (92,90 contre 92,10), la génération de légendes pour des vidéos courtes, le comptage en vocabulaire ouvert et la compréhension des événements de manipulation. De plus, les deux systèmes ont obtenu des résultats identiques dans le raisonnement spatial incarné.
Cependant, Glimpse a été devancé par Astra dans la description dense de vidéos, le raisonnement temporel fin et le comptage d’images de produits. Par ailleurs, concernant l’HSS (le benchmark d’Elorian relatif à la compréhension des scènes), Glimpse obtient un score de 46,36, tandis qu’Astra atteint 53,6. Le seuil humain est de 93,1 %. La comparaison entre Glimpse et Astra n’a pas encore été vérifiée de manière indépendante.
Où les modèles actuels échouent réellement
Des recherches indépendantes montrent pourquoi la précision est cruciale. RoboVista, issu de Berkeley, Princeton et Google DeepMind, a constaté que son modèle le plus performant répondait correctement à seulement 56,5 % des 474 questions liées aux robots.
Parallèlement, InspecSafe-V1 a collecté 5 013 instances d’inspection provenant de 41 robots sur 2 239 sites. La recherche met en lumière les défis du monde réel, notamment les reflets, les occultations et le bruit des capteurs. Une autre étude graphique identifie également la perception visuelle fine comme une faiblesse persistante.
Un marché important, si la précision se confirme
La Fédération internationale de la robotique a indiqué qu'environ 5 millions de robots industriels étaient en activité dans le monde en 2025, soit une hausse de 9 % par rapport à l'année précédente. Plus de 600 000 nouveaux robots ont été installés, soulignant la demande croissante pour des machines capables de comprendre et de réagir à leur environnement.
Cette demande stimule également les investissements dans la formation des robots. Comme l'a rapporté Cryptopolitan, LG utilise les outils de Nvidia pour collecter 100 000 heures de données d'entraînement robotiques d'ici la fin de 2026, avant une démonstration prévue d'un humanoïde au début de 2027. Bien que ce projet ne soit pas lié à Elorian, il illustre à quel point la compréhension visuelle devient cruciale dans la robotique.
Elorian espère à terme dépasser le raisonnement visuel pour passer au contrôle direct des robots, une capacité que Glimpse ne propose pas encore. Pour l'instant, la conviction des entreprises à adopter ce modèle dépendra de sa précision et de sa sécurité dans des conditions réelles, de la facilité d'intégration avec les systèmes existants, et de la compétitivité de ses coûts. De solides scores aux benchmarks ne suffiront pas.
Les esprits les plus brillants du secteur crypto lisent déjà notre newsletter. Vous aussi ? Rejoignez-les.
FAQ
Qu'est-ce que Glimpse d'Elorian et comment raisonne-t-il sur les images ?
Glimpse est un modèle de raisonnement visuel qui, en cours de raisonnement, peut zoomer sur une région, extraire des images d'une vidéo ou exécuter du code pour mesurer ce qu'il voit. Cette boucle, qu'Elorian appelle un « espace de travail visuel », évite de convertir une image en texte une seule fois puis de raisonner à partir de la mémoire.
Combien coûte Glimpse et comment Elorian a-t-il été financé ?
Glimpse est facturé 0,60 $ par million de tokens d'entrée et 3,00 $ par million de tokens de sortie. Elorian a levé 55 millions de dollars lors d'un tour de table seed mené conjointement par Striker Venture Partners, Menlo Ventures et Altimeter Capital, avec la participation de Nvidia et Jeff Dean, évaluant l'entreprise à 300 millions de dollars.
Dans quelle mesure les modèles d'IA actuels gèrent-ils les tâches robotiques et visuelles ?
Des tests indépendants révèlent d’importants écarts : sur le benchmark RoboVista, composé de 474 questions expertes destinées aux robots, le meilleur modèle évalué n’a obtenu que 56,5 %, et sur le benchmark Elorian HSS dédié à la compréhension de scènes, le modèle phare, GPT-6 Astra, a atteint 53,6 % contre une moyenne humaine de 93,1 %.
Ibiam Wayas
Ibiam Wayas couvre l'actualité des cryptomonnaies depuis 2019. Il a étudié l'informatique à l'Université ouverte du Nigeria. Ses travaux ont été publiés sur diverses plateformes d'actualités cryptographiques, dont Coinfomania, Crypto News Australia et AltcoinBuzz. Fort de son background en informatique, il se concentre désormais sur les actualités liées aux cryptomonnaies, à la robotique et à la longévité.
