Anthropic lance MHS, interface unifiée pour appareils de laboratoire

Anthropic dévoile une spécification destinée à connecter des agents d’IA à des équipements physiques via des drivers standardisés. Les premiers essais rapportent des intégrations accélérées et des scripts exécutables sans modèle de langage, tout en confirmant la nécessité d’une supervision humaine. Le standard est en preview de recherche, une version open-source est prévue et plusieurs fabricants testent déjà la solution.

Supervision obligatoire et sécurité en cours de construction

Anthropic souligne que les limites de raisonnement spatial et physique de son agent nécessitent une supervision experte. Lors des essais menés chez Genentech, des chercheurs ont dû guider Claude pour qu’il distingue des défaillances physiques de simples bugs logiciels. Pendant la phase de preview de recherche, l’entreprise prévoit d’ajouter des évaluations de sécurité supplémentaires avec ses partenaires et travaille à une feuille de route de sécurité physique pour limiter les risques d’abus. Les exemples de projets présentés proviennent d’Anthropic et n’ont pas fait l’objet d’une vérification indépendante.

Ce que standardise MHS : drivers, découverte et scripts sans LLM

Le Modèle de Standard Matériel (MHS) vise à fournir aux agents d’IA une interface unifiée pour piloter des équipements comme des microscopes ou des bras robotiques. Cette spécification prolonge le Model Context Protocol (MCP) d’Anthropic, déjà utilisé côté logiciel, en l’appliquant au matériel physique. Chaque appareil reçoit un driver MHS qui uniformise les fonctions de base, rend le dispositif découvrable dans un format commun et peut inclure des contraintes physiques telles que le poids ou les limites de sécurité. Les utilisateurs peuvent enrichir la description de l’appareil en langage naturel, convertie ensuite en fichier de référence pour l’agent, qui peut alors exploiter un appareil inconnu via une interface unique. Un driver doit être écrit pour chaque matériel, mais il peut être réutilisé pour d’autres configurations. Selon Anthropic, ce standard ne dépend pas du modèle utilisé et s’applique à tout équipement disposant d’une interface programmable. Les agents sont capables de gérer plusieurs appareils simultanément et d’enregistrer des séquences d’opérations sous forme de scripts traditionnels, qui peuvent être lancés sans recourir à un modèle de langage.

Résultats rapportés en biotechnologie, robotique académique et quantique

Au sein de Genentech, Claude a assuré la coordination entre un manipulateur de liquide, un bras robotisé et un lecteur de plaques afin d’automatiser un test de protéine, ajustant automatiquement les paramètres de pipetage pour une optimisation autonome. Des erreurs sont toutefois survenues à cause de la formation de bulles dans une solution visqueuse, et le fait de relancer la procédure dans le même contenant avec d’autres réglages a empiré le problème, jusqu’à ce qu’une intervention humaine vienne clarifier l’origine physique du phénomène. À l’Université Carnegie Mellon, un ensemble d’instruments et de caméras répartis sur trois ordinateurs à interfaces incompatibles a été relié via des drivers et une couche d’orchestration en environ huit heures, alors qu’un fournisseur aurait nécessité plusieurs semaines selon l’équipe. L’agent a aussi ajusté une expérience en abaissant la concentration maximale après une première courbe jugée insuffisante, obtenant de meilleurs résultats lors du second essai. Chez QuEra, des centaines d’exécutions automatisées ont permis de développer un programme ramenant un laser à un état stable après perturbations, avec 695 réussites sur 700 lors d’un test à l’aveugle, soit un taux de réussite de 99,3 %, et un fonctionnement du script entièrement autonome sans modèle de langage.

Disponibilité, gains annoncés et écosystème en test

Anthropic indique que le MHS permet de ramener le temps d’intégration des équipements de laboratoire, qui prenait auparavant plusieurs semaines ou mois, à seulement quelques heures ou minutes. La spécification a été conçue en partenariat avec le HHMI Janelia Research Campus et fait d’abord l’objet d’une diffusion en avant-première de recherche auprès de laboratoires et fabricants sélectionnés ; une version open-source est annoncée pour une date ultérieure. Plusieurs entreprises proposent déjà une prise en charge ou expérimentent la spécification, notamment AWS, Doosan Robotics, QIAGEN, Tecan, Universal Robots, Hugging Face et Raspberry Pi. Les essais rapportés font état d’optimisations autonomes de flux de travail et de génération de scripts ne nécessitant pas de modèle de langage, dans un contexte où la diversité des API, formats et logiciels rend habituellement les intégrations complexes et longues.