Anthropic veut faire pour le monde physique ce que MCP a commencé à faire pour le logiciel. Avec le Model Hardware Standard, ou MHS, l’entreprise présente une spécification commune destinée à permettre aux agents IA de piloter plus facilement des équipements de laboratoire, des bras robotiques ou des machines industrielles.
Encore au stade de research preview, MHS vise surtout un problème très concret : aujourd’hui, connecter un agent à du matériel spécialisé exige souvent des semaines de développement sur mesure. Anthropic affirme pouvoir réduire cette intégration à quelques heures, voire quelques minutes, tout en ajoutant des garde-fous explicites sur les paramètres que l’IA a le droit de manipuler.
MHS veut devenir le MCP du hardware
Le parallèle avec le Model Context Protocol est évident. MCP standardise la manière dont les modèles accèdent à des logiciels, bases de données et services externes. MHS applique une logique comparable aux équipements physiques.
Au lieu de développer une intégration spécifique pour chaque microscope, robot ou automate, un fabricant peut exposer son matériel à travers une interface standardisée. L’agent récupère alors automatiquement une description des commandes disponibles, des paramètres de fonctionnement et des limites de sécurité à respecter.
L’objectif est de créer une sorte de langage commun entre l’IA et les machines.
Tout appareil programmable peut théoriquement être compatible
Anthropic présente MHS comme indépendant du modèle. Le standard n’est donc pas limité à Claude. Il peut théoriquement être utilisé par d’autres modèles ou systèmes agentiques, à condition que le matériel concerné possède une interface programmable. Microscopes, lecteurs de plaques, bras robotisés, systèmes de manipulation de liquides ou équipements de fabrication peuvent ainsi être pilotés via la même logique.
La limite actuelle est importante : les machines dépourvues d’interface logicielle ne peuvent évidemment pas être intégrées directement. Anthropic travaille donc avec plusieurs constructeurs afin de développer davantage de pilotes compatibles.
Le standard embarque les limites physiques de la machine
Le point le plus important concerne la sécurité. MHS ne sert pas seulement à exposer une commande comme « déplacer le bras » ou « régler le laser ». La spécification permet aussi de préciser comment et jusqu’où cette commande peut être exécutée. Un appareil peut définir des limites de déplacement, de puissance, de température ou d’autres paramètres critiques.
L’agent doit ensuite opérer à l’intérieur de ce périmètre.
Cette conception est essentielle lorsque l’IA ne manipule plus seulement des fichiers mais des équipements capables de casser du matériel, contaminer une expérience ou représenter un risque pour des personnes.
QuEra a utilisé Claude pour optimiser un système laser
Anthropic met en avant plusieurs expériences déjà réalisées avec ses partenaires. Chez QuEra Computing, MHS a été utilisé sur un système de contrôle laser lié à un ordinateur quantique. Une équipe de quatre ingénieurs avait auparavant consacré plusieurs mois à développer une procédure de récupération lorsqu’un laser perdait son verrouillage. La procédure demandait environ 150 secondes et fonctionnait dans 58 % des cas.
Anthropic rapporte que quatre instances de Claude travaillant pendant une boucle d’optimisation nocturne ont restructuré cette procédure pour réduire le temps de récupération à six secondes.
Le taux de réussite aurait atteint 96 % pendant le développement, puis 99,3 % sur 700 essais en aveugle. Ces chiffres proviennent des essais présentés par Anthropic et ses partenaires, mais ils illustrent le type d’optimisation que l’entreprise cherche à automatiser.
Claude a aussi réglé douze paramètres interdépendants
Le même essai chez QuEra comportait une tâche beaucoup plus difficile qu’une simple exécution de commandes. Claude devait régler douze paramètres de servo interdépendants. Selon Anthropic, le système a travaillé pendant 16 heures sans supervision constante et réduit l’erreur résiduelle de 15,7 mV à 1,55 mV. C’est précisément ce type de scénario qui intéresse les laboratoires.
L’objectif n’est pas seulement d’automatiser une séquence écrite à l’avance, mais de permettre à un agent d’observer les résultats, modifier les paramètres puis recommencer jusqu’à obtenir une meilleure configuration. Autrement dit, transformer l’expérimentation en boucle autonome.
Carnegie Mellon a connecté quatre équipements en huit heures
Une autre démonstration a été réalisée à Carnegie Mellon University. Les chercheurs ont connecté un système de manipulation de liquides, un lecteur de plaques, un bras robotique et des caméras répartis sur trois ordinateurs. L’intégration a pris environ 8 heures.
Selon Anthropic, une installation comparable demandait auparavant plusieurs semaines de travail.
Un agent basé sur Claude Opus 4.8 a ensuite utilisé l’ensemble pour réaliser des expériences de dilution sérielle.
Le workflow aurait fonctionné environ trois fois plus vite que la procédure de référence.
Les garde-fous ont également été testés
Carnegie Mellon a volontairement injecté plusieurs erreurs afin de vérifier si MHS empêchait l’agent d’effectuer des actions dangereuses. Anthropic rapporte que le système a bloqué 6 conditions de faute provoquées avant tout mouvement du matériel. Ce point est probablement plus important que les gains de vitesse. Un standard de contrôle physique n’a de valeur que s’il peut rendre une action impossible avant qu’elle n’atteigne la machine.
Dans le logiciel, une erreur peut souvent être annulée.
Dans le monde physique, renverser un produit chimique, heurter un équipement avec un bras robotique ou pousser un laser hors de ses limites peut avoir des conséquences immédiates.
Genentech teste MHS dans l’automatisation biologique
Genentech a également expérimenté la technologie dans un workflow de dosage de protéines. Le système impliquait notamment un manipulateur de liquides, un bras robotique et un lecteur de plaques. Claude pouvait ajuster automatiquement certains paramètres, notamment les vitesses de transfert selon la viscosité des liquides.
L’expérience illustre bien le potentiel de l’IA dans les laboratoires automatisés. Un automate traditionnel suit une séquence prédéfinie, un agent peut, en théorie, analyser les résultats puis modifier certains paramètres en fonction de ce qu’il observe.
Mais, Claude a aussi confondu un problème physique avec un bug logiciel
Les essais montrent également pourquoi l’autonomie totale reste prématurée. Chez Genentech, Claude a rencontré un problème lié à la formation de bulles pendant la manipulation des liquides. Le modèle a tenté à plusieurs reprises de résoudre le problème en relançant des commandes logicielles.
Or la cause était physique. Il a fallu qu’un chercheur intervienne pour expliquer que répéter la même commande ne corrigerait pas le phénomène et qu’une modification du procédé réel était nécessaire.
C’est une limite fondamentale des modèles actuels.
Les LLM comprennent encore le monde surtout à travers du texte et des images
Anthropic reconnaît explicitement ce problème. Claude appréhende essentiellement son environnement à travers des logs, du texte, des images et les informations fournies par les capteurs. Il ne possède pas une intuition physique comparable à celle d’un technicien expérimenté. Un humain peut entendre une pompe fonctionner anormalement, remarquer une vibration ou comprendre immédiatement qu’une mousse dans un tube n’est pas un bug logiciel.
Pour un modèle, ces distinctions peuvent rester difficiles si elles ne sont pas suffisamment représentées dans les données disponibles. Anthropic estime donc qu’un contrôle humain expert reste indispensable.
L’IA physique exige un autre niveau de sûreté
Cette limite change profondément la nature des garde-fous nécessaires. Un agent qui écrit un document peut produire une mauvaise phrase, un agent qui contrôle un robot peut endommager un équipement, MHS doit donc combiner plusieurs couches : permissions, paramètres maximums, documentation automatique et vérifications avant exécution.
Cela ressemble davantage à une architecture industrielle de sécurité qu’à un simple système de prompt. Et, c’est précisément la direction vers laquelle doivent évoluer les agents s’ils sortent progressivement des écrans.
Universal Robots, Tecan et AWS participent au projet
Anthropic travaille déjà avec plusieurs entreprises du hardware et de l’infrastructure pour élargir le standard. Parmi les partenaires cités figurent Universal Robots, Tecan et AWS. Le projet a initialement été développé avec le HHMI Janelia Research Campus, avant d’être testé plus largement dans la recherche, la robotique, la biotech et l’industrie.
L’objectif de la phase actuelle est justement d’exposer la spécification à davantage de cas réels avant son ouverture complète.
Hugging Face prépare une intégration avec LeRobot
MHS commence également à sortir du laboratoire professionnel. Hugging Face prévoit d’ajouter sa prise en charge à LeRobot, sa bibliothèque open source dédiée à la robotique. Cette intégration pourrait être particulièrement importante pour les chercheurs et développeurs travaillant avec des robots plus accessibles.
LeRobot cherche déjà à standardiser une partie des datasets, modèles et workflows de robotique. Ajouter MHS permettrait de créer une couche commune entre ces modèles et les équipements physiques qu’ils doivent piloter.
Raspberry Pi teste aussi des drivers MHS
Anthropic indique également travailler avec Raspberry Pi. Des tests ont déjà été réalisés avec un Camera MHS Driver, et l’objectif est d’étendre progressivement la compatibilité à davantage de produits. Ce partenariat peut rendre le standard beaucoup plus accessible. MHS ne serait alors plus limité aux équipements de laboratoire coûtant plusieurs centaines de milliers d’euros.
Il pourrait également servir dans des prototypes, installations éducatives ou systèmes de robotique relativement abordables.
Anthropic veut réduire le coût de l’intégration, pas celui du matériel
C’est probablement là que se trouve la proposition de valeur la plus forte. La robotique et l’automatisation scientifique souffrent depuis longtemps de fragmentation. Chaque fabricant possède son protocole, chaque machine expose ses propres commandes, et les laboratoires développent donc d’innombrables couches de code spécifiques pour faire communiquer des appareils qui se trouvent parfois dans la même pièce.
MHS cherche à réduire ce travail d’intégration. Il ne rend pas le matériel moins cher, mais il peut diminuer énormément le coût logiciel nécessaire pour le rendre intelligent.
Le vrai changement serait de rendre les expériences autonomes
Toutefois, l’ambition va beaucoup plus loin. Si un agent peut contrôler plusieurs machines en parallèle, analyser les résultats puis modifier automatiquement les paramètres, le laboratoire peut fonctionner en continu.
Une expérience pourrait tourner toute la nuit. L’agent observe, il ajuste, il relance, il documente les résultats. Le chercheur revient le matin avec plusieurs cycles d’expérimentation déjà réalisés. C’est l’une des grandes promesses de l’IA appliquée aux sciences : accélérer non seulement l’analyse des données, mais également la vitesse à laquelle de nouvelles données expérimentales sont produites.
MHS pourrait devenir une infrastructure stratégique pour l’IA scientifique
Cette approche correspond également à l’évolution actuelle des modèles frontier. Les laboratoires d’IA ne cherchent plus seulement à construire de meilleurs chatbots ils veulent appliquer les agents à la découverte scientifique, à l’ingénierie et à la fabrication. Pour atteindre cet objectif, le modèle doit être capable de communiquer avec le monde physique de manière standardisée.
MCP a rendu plus simple la connexion avec les logiciels, MHS veut devenir l’équivalent pour les instruments. Si ce pari fonctionne, la spécification pourrait se retrouver dans une grande variété d’équipements professionnels.
Anthropic promet l’open source, mais pas encore de calendrier
Toutefois, MHS reste une preview limitée accessible sur candidature. Anthropic souhaite travailler avec un premier groupe de laboratoires et de fabricants pour développer des évaluations de sécurité et identifier les problèmes avant une diffusion plus large.
L’entreprise affirme vouloir rendre le standard open source. Mais, aucun calendrier précis n’est encore annoncé. Anthropic n’a pas non plus publié l’ensemble du schéma public, ni détaillé le modèle de gouvernance qui accompagnera le standard à long terme.
Ces éléments seront déterminants si l’entreprise veut réellement créer un protocole adopté au-delà de son propre écosystème.
Un standard universel devra dépasser Claude
Pour que MHS devienne aussi important que MCP, il faudra qu’il puisse fonctionner sans dépendre d’Anthropic. L’entreprise le présente déjà comme indépendant du modèle. Mais, la vraie validation viendra lorsque d’autres fournisseurs de modèles, fabricants d’équipements et communautés open source commenceront à l’implémenter.
Un standard industriel gagne sa valeur précisément lorsqu’aucun acteur unique n’en contrôle tous les usages. La future gouvernance de MHS sera donc presque aussi importante que ses capacités techniques.
MHS représente finalement une nouvelle étape dans l’évolution des agents. Jusqu’ici, la majorité de leurs actions se déroulaient dans un environnement numérique : ouvrir un navigateur, modifier un fichier, envoyer un message ou appeler une API.
Le monde physique change complètement l’équation. Une mauvaise décision peut devenir irréversible. La compréhension de l’environnement devient plus difficile. Et, les garde-fous doivent exister au niveau du matériel, pas uniquement du modèle.
Anthropic semble précisément vouloir construire cette couche intermédiaire. MHS ne rend pas Claude soudainement capable de comprendre parfaitement une usine ou un laboratoire. Il fournit plutôt un vocabulaire commun et des barrières techniques pour que les agents commencent à y travailler sans obtenir un contrôle illimité.
C’est moins spectaculaire qu’un robot humanoïde autonome, mais potentiellement beaucoup plus structurant.
Car avant que les agents puissent réellement agir dans le monde physique, ils auront besoin de savoir parler aux machines — et surtout de savoir quelles commandes ils n’ont jamais le droit de leur donner.
