GLM-Omni : une IA peut savoir dessiner une information sans savoir la raconter
Une recherche de Tsinghua et de Z.AI, repérée dans le média chinois Leiphone, explore un angle mort des modèles multimodaux : ce qu’ils apprennent par l’image ne devient pas automatiquement accessible dans leurs réponses écrites.
Prêt à lire l’article.
Dans cet article
Un écart entre deux façons de répondre
Dans un article publié le 27 octobre, Leiphone s’intéresse à GLM-Omni, un modèle interne étudié par des chercheurs de Tsinghua et de Z.AI. Le sujet dépasse toutefois ce seul système : comment vérifier qu’une information apprise en produisant des images peut ensuite être restituée avec des mots ?
Le préprint, déposé le 15 octobre sur arXiv, examine trois modèles et sept catégories de connaissances. Les chercheurs utilisent des entités fictives pour limiter l’influence de connaissances antérieures. Les informations recherchées figurent dans les images d’entraînement, mais pas dans les textes qui les accompagnent.
Dans cette expérience, GLM-Omni reproduit correctement les propriétés visuelles dans 54 % des cas, contre 14,57 % de réponses textuelles correctes. Ces chiffres décrivent un protocole précis, pas sa fiabilité générale.
Mieux relier l’image et le langage
Les auteurs expérimentent ensuite un entraînement associant génération d’images et réponses écrites dans une même séquence. Pour GLM-Omni, la moyenne des réponses textuelles correctes atteint 26,86 %. Les progrès restent variables selon les tâches.
Ce que cela change pour évaluer une IA
Notre analyse. Une démonstration convaincante devrait être examinée à l’échelle de l’usage attendu. Pour un outil qui fabrique des visuels, la qualité de l’image compte directement. Pour un assistant chargé d’expliquer ce qu’il a appris, il faut également tester la restitution verbale, ses erreurs et sa régularité.
Imaginons un système destiné à accompagner la création d’un catalogue : produire une illustration satisfaisante et fournir une fiche descriptive exacte seraient deux exigences à contrôler séparément. Cet exemple constitue une piste d’évaluation, pas une application validée par l’étude.
Pour les lecteurs, une question utile devient donc : quelle capacité la démonstration mesure-t-elle réellement ? Un score ne vaut que pour les tâches, les données et les conditions qui l’accompagnent. Comparer deux performances exige aussi de vérifier que leurs protocoles sont comparables.
Une recherche, pas une annonce commerciale
Le travail porte sur un environnement expérimental contrôlé. Il ne suffit pas à établir les performances en situation réelle. Enfin, l’apparition du nom GLM-Omni dans une publication scientifique ne confirme ni un lancement commercial ni une correspondance avec une future version GLM-5.5.
Sources
- Leiphone / 雷峰网 — article du 27 octobre 2026
- Li et al. — préprint arXiv, 15 octobre 2026, texte intégral et tableaux
Sources consultées le 27 octobre 2026.