Anthropic présente Model Hardware Standard, ou MHS, une spécification destinée à permettre aux agents d’intelligence artificielle de piloter des équipements physiques de manière plus uniforme. Microscopes, bras robotiques, pipeteurs automatiques et systèmes laser font partie des premiers appareils testés. L’objectif est de remplacer une multitude d’intégrations propriétaires par une interface commune, afin qu’un agent puisse découvrir les capacités d’une machine, lire son état et déclencher des actions contrôlées.
Le projet, développé avec le centre de recherche Janelia de l’Institut médical Howard Hughes, est publié sous la forme d’un aperçu de recherche. Il ne s’agit donc ni d’un standard industriel achevé ni d’une autorisation générale de laisser Claude manipuler seul un laboratoire. Anthropic ouvre d’abord MHS à des partenaires, prévoit des évaluations de sécurité et annonce une publication en open source ultérieure.
Une couche commune entre l’IA et les machines
Les laboratoires automatisés rencontrent un problème bien connu de l’informatique industrielle : chaque fabricant expose ses propres logiciels, commandes et formats de données. Relier un nouveau microscope à un système d’orchestration peut demander des semaines de développement sur mesure. Avec MHS, un pilote décrit des primitives simples de lecture et d’écriture, tandis qu’un manifeste précise les fonctions disponibles et les limites de l’appareil.
Cette description doit permettre à un agent de comprendre ce qu’il peut faire sans apprendre l’interface de chaque constructeur. Le système reste compatible avec plusieurs voies d’accès, dont les interfaces de programmation, la ligne de commande et le Model Context Protocol. Anthropic affirme ainsi que la technologie est indépendante d’un modèle particulier, même si Claude sert naturellement de vitrine aux démonstrations.
Dans sa présentation de MHS, l’entreprise estime que certaines intégrations passent de plusieurs semaines ou mois à quelques heures, voire quelques minutes. Janelia rapporte par exemple avoir relié sept programmes de fabricants et ajouté une nouvelle caméra en quelques minutes pour automatiser l’imagerie d’un poisson-zèbre entier. Ces résultats proviennent des partenaires du projet et devront être reproduits dans d’autres environnements avant de mesurer la généralité du standard.
Des essais allant de la biologie aux ordinateurs quantiques
Genentech a utilisé MHS pour coordonner un test de dosage de protéines entre un manipulateur de liquides, un bras robotique et un lecteur de plaques. L’intérêt ne réside pas seulement dans l’exécution d’une séquence prévue à l’avance. Lorsqu’une bulle d’air a perturbé la manipulation, Claude a pu intégrer ce retour physique et adapter la procédure, un type de correction difficile à encoder exhaustivement dans un script classique.
Chez QuEra, spécialiste des ordinateurs quantiques à atomes neutres, l’agent a travaillé sur le verrouillage d’un laser. Anthropic annonce un taux de récupération de 99,3 %. À titre de comparaison, un premier script écrit manuellement atteignait 58 % et prenait environ 150 secondes, tandis qu’une itération produite durant la nuit par l’agent aurait atteint 96 % en six secondes. La comparaison reste celle d’une expérimentation ciblée, pas un classement universel entre humains et IA.
La société Tetsuwan a de son côté connecté un robot de laboratoire à une expérience de PCR quantitative. Le système a détecté des bulles et proposé une centrifugation corrective. Sur 9 143 distributions de liquide, Anthropic indique que les prévisions de précision étaient environ 12 % plus exactes que les spécifications du fabricant, et jusqu’à 17 % sur le protocole le plus souvent répété. Là encore, les chiffres illustrent un potentiel ; ils ne remplacent pas une validation scientifique indépendante.
Le monde physique impose des garde-fous supplémentaires
Une erreur dans un texte généré peut être corrigée avant publication. Une erreur commandant un bras robotique, un laser ou un réactif peut endommager du matériel, invalider une expérience ou mettre une personne en danger. MHS prévoit donc des fonctions de découverte et de contrôle, mais la sécurité dépendra aussi des limites mécaniques, des autorisations, des arrêts d’urgence et de la supervision humaine propres à chaque installation.
Anthropic reconnaît que le raisonnement spatial et physique des modèles reste imparfait. Les équipements non programmables ne sont pas pris en charge et les expériences actuelles nécessitent une expertise humaine. Des partenaires comme Raspberry Pi, Hugging Face LeRobot, AWS, Automata, QIAGEN, Tecan et Universal Robots participent aux travaux, ce qui peut favoriser l’interopérabilité sans garantir une adoption massive.
Le projet s’inscrit dans une accélération de la robotique pilotée par IA. Le lancement du robot open source Microduck cherche à démocratiser le matériel, tandis qu’AGENTEX automatise la conception de codes génétiques. Anthropic explore déjà la découverte de médicaments avec Claude. MHS tente désormais de relier ce raisonnement numérique aux instruments qui produisent les données et exécutent les protocoles.
Si la spécification devient réellement ouverte et suffisamment sûre, sa valeur pourrait venir moins d’une démonstration spectaculaire que d’un travail d’infrastructure : donner aux machines un vocabulaire commun. C’est précisément ce type de couche discrète qui a permis au Web ou à l’USB de dépasser les écosystèmes fermés. Dans un laboratoire, toutefois, la promesse ne pourra se concrétiser qu’avec des limites vérifiables et une responsabilité clairement attribuée à chaque étape.
Un commentaire pour cet article :