Anthropic teste la norme MHS de contrôle d’équipements par IA

Dans les expériences qui manipulent des liquides, déplacer un seul tube peut nécessiter de connecter séparément un robot de pipetage, un bras robotisé et des instruments de mesure, chacun selon une méthode différente. Anthropic a développé avec le campus de recherche Janelia de HHMI la spécification commune « Model Hardware Standard (MHS) », destinée à surmonter cet obstacle, et a lancé sa research preview le 27 août 2026. Elle est d’abord proposée à des organismes de recherche scientifique et à certains partenaires des secteurs de la fabrication avancée.

L’objectif de MHS n’est pas d’augmenter le nombre de types d’équipements, mais d’uniformiser leur interface de pilotage. Les pilotes standard se composent de commandes de base, comme la « lecture », qui permet d’obtenir une température, et l’« écriture », qui permet de modifier une valeur. Les caractéristiques impossibles à déduire du seul code, comme le poids d’un bras robotisé, sont décrites au moyen de balises en langage naturel. Les valeurs mesurables, les valeurs modifiables et les limites de sécurité sont automatiquement générées dans des fichiers de référence. Les agents IA peuvent piloter les équipements de trois façons : via MCP (Model Context Protocol, un mécanisme reliant l’IA à des équipements externes), la ligne de commande ou des fichiers de code.

Jusqu’ici, les développements spécifiques nécessaires pour faire communiquer les équipements entre eux prenaient plusieurs semaines à plusieurs mois. Anthropic affirme que MHS permettrait de ramener cette intégration à quelques heures ou quelques minutes. Chez Genentech, une méthode de quantification des protéines utilisant un robot de pipetage, un bras robotisé et un lecteur de plaques a été automatisée. Claude aurait ajusté de manière autonome la vitesse de distribution des liquides et récupéré après un échec de prise d’embout. À l’université Carnegie Mellon, un test de réponse à la dose fondé sur des dilutions en série de liquides a été exécuté à une vitesse environ trois fois supérieure à celle de la méthode précédente, le passage d’un état non automatisé à l’obtention des résultats ayant été achevé en 8 heures. Une telle opération aurait pris plusieurs semaines si elle avait été confiée à un fournisseur.

Le changement concret concerne le temps que les chercheurs consacrent aux opérations de connexion propres à chaque fabricant d’équipements. AWS prend en charge MHS avec « Strands Robots », une bibliothèque reliant les agents IA aux appareils physiques, tandis que Tecan et Universal Robots poursuivent également leurs travaux de prise en charge et de vérification. Hugging Face prévoit d’ajouter la compatibilité MHS à sa bibliothèque de robotique « LeRobot », et Raspberry Pi à sa gamme de produits. Si le nombre d’équipements compatibles augmente, la préparation nécessaire avant de lancer des expériences combinant des appareils de plusieurs fabricants pourra être raccourcie.

Il ne s’agit toutefois pas encore d’un déploiement généralisé d’une norme finalisée. Les équipements qui ne disposent pas actuellement d’une interface de programmation ne sont pas compatibles, et l’intégration des pilotes avec les fabricants est toujours en cours. Lors d’une expérience de Genentech, les chercheurs ont également dû expliquer à Claude que les erreurs dues à la formation de mousse résultaient d’un échec physique et non d’un dysfonctionnement logiciel. Anthropic souligne que la supervision d’experts reste nécessaire et prévoit d’open-sourcer MHS après avoir mis en place des évaluations de sécurité et des mesures de protection.