Le 27 août, Anthropic a publié un aperçu de recherche du Model Hardware Standard (MHS), un protocole de communication permettant aux agents IA de piloter directement des équipements physiques — microscopes, systèmes de manipulation de liquides, bras robotisés, centrifugeuses, spectromètres, incubateurs — le type de matériel que l'on trouve en laboratoire et dans la fabrication de pointe. L'indicateur central mis en avant par l'entreprise porte sur le coût d'intégration : auparavant, brancher un instrument dans un flux automatisé prenait des semaines, voire des mois ; avec MHS, il ne faut plus que quelques heures, parfois quelques minutes.
La méthode n'a rien de mystérieux. Au niveau du pilote, MHS réduit les capacités d'un appareil à deux primitives — read pour lire une valeur (par exemple relever la température actuelle), write pour en écrire une (par exemple fixer une consigne de température) ; les appareils se déclarent selon un format unifié, si bien que le modèle n'a plus besoin d'écrire un traducteur dédié pour chaque machine. Le standard réserve aussi une place pour des étiquettes en langage naturel, où les caractéristiques de l'appareil, les seuils de sécurité et les limites de capacité sont directement consignés dans un texte que le modèle peut comprendre. Au-dessus, trois points d'entrée sont proposés : MCP, ligne de commande et une API de fichier de code ; selon Anthropic, il est possible d'orchestrer plusieurs appareils en une seule ligne de code.
Les chiffres remontés par les partenaires
Genentech s'en est servi pour un dosage de protéines par méthode BCA : Claude a coordonné simultanément un système de manipulation de liquides, un bras robotisé et un lecteur de microplaques, et a lui-même déterminé des vitesses de transfert différentes selon les liquides — environ 140 µL/s pour l'eau (RMSE de 0,016), contre seulement 10 µL/s pour la solution de BSA, plus visqueuse (RMSE de 0,181) ; en cas d'échec de prise d'embout ou d'erreur de détection du niveau de liquide, le système reculait et retentait de lui-même.
Carnegie Mellon a mené une expérience dose-réponse par dilution en gradient : l'exécution a été 3 fois plus rapide, l'intégration n'a pris que 8 heures, tout en gérant simultanément trois interfaces informatiques incompatibles entre elles. Un détail à noter : lorsque la courbe ajustée n'atteignait pas un R² de 0,98, l'agent réajustait lui-même les paramètres et relançait l'exécution.
Les chiffres de QuEra sont les plus frappants. Lorsque le verrouillage laser de l'ordinateur quantique décrochait, la récupération prenait auparavant en moyenne 150 secondes, avec un taux de réussite de 58 % ; une fois le contrôleur IA branché, ce délai est tombé à 6 secondes avec 96 % de réussite, avant d'atteindre par la suite 99,3 % sans intervention humaine. Au passage, les paramètres PID ont eux aussi été réajustés, faisant chuter le bruit résiduel de 15,7 mV à 1,55 mV, soit près d'un ordre de grandeur en moins. Par ailleurs, les laboratoires Baker et Pinglay de l'université de Washington ont raccordé six instruments en une semaine, permettant de suivre en temps réel les courbes de qPCR et de s'arrêter automatiquement au point d'amplification optimal ; HHMI Janelia s'en est servi pour enchaîner, en une seule chaîne, le logiciel d'un microscope biphotonique provenant de sept fabricants différents.
La valeur se trouve dans la couche des pilotes
Au fond, MHS transpose au matériel la logique du MCP consistant à "donner au modèle une interface d'outils unifiée", jusqu'ici cantonnée au logiciel. Calcul approximatif : un laboratoire humide de taille moyenne compte généralement une vingtaine à une trentaine d'instruments ; avec la solution propre à chaque fabricant, à raison de deux semaines par appareil, la seule mise en réseau des interfaces représenterait plus d'un an de travail ; au rythme de 8 heures, une personne peut en venir à bout en un mois. Il ne s'agit là que d'une estimation grossière — la réalité dépend surtout de savoir si l'appareil dispose ou non d'une interface programmable, ce qui constitue justement l'obstacle majeur de MHS à ce stade.
La liste des acteurs ayant déjà annoncé leur soutien est large : Strands Robots d'AWS, la plateforme LINQ d'Automata, Danaher, Doosan Robotics, QIAGEN, le système de manipulation de liquides Fluent de Tecan, Universal Robots, ainsi que la bibliothèque LeRobot de Hugging Face et le Raspberry Pi. La réussite d'un standard logiciel dépend toujours de la volonté des fabricants de matériel de s'y adapter eux-mêmes, et cette liste montre que la moitié de cet obstacle est déjà franchie.
Les limites sont plus détaillées que la communication
Les limites qu'Anthropic énumère elle-même sont assez concrètes : le modèle manque d'intuition physique, et des questions comme la formation des bulles nécessitent encore l'indication d'un expert ; seuls les appareils dotés d'une interface programmable peuvent être connectés ; et le coût de calcul pour faire surveiller un appareil en continu par un agent n'est pas encore clairement établi. Côté sécurité, les seuils de sécurité des appareils sont imposés de manière contraignante par le pilote MHS, l'évaluation de sécurité est menée avec des partenaires de recherche, et la feuille de route de sécurité physique doit être arrêtée avant toute mise en open source.
Le standard finira par être publié en open source, à condition que l'évaluation de sécurité soit achevée, que les bonnes pratiques se stabilisent et que les conclusions de cet aperçu de recherche soient rendues publiques. Pour l'heure, l'accès se fait sur demande, avec une liste d'attente ouverte par l'entreprise. Pour ceux qui travaillent en laboratoire humide, le gain se situe dans le cycle : pour la première fois, une expérience, de sa conception à son exécution, peut se compter en heures.
Sources : annonce officielle d'Anthropic, CocoLoop, modelhardwarestandard.com ; les données expérimentales des partenaires, la liste des fabricants d'équipements et les projets d'open source ont été vérifiés d'après l'annonce officielle.