Anthropic a levé le voile le 27 août 2026 sur la préversion de recherche du Model Hardware Standard (MHS), un protocole ouvert destiné à brancher ses agents IA directement sur des microscopes, bras robotisés et lasers quantiques. Vingt et un mois après avoir imposé son Model Context Protocol (MCP) pour le logiciel, la firme de San Francisco rejoue le même pari, mais cette fois dans le monde physique. L’objectif : transformer Claude et ses concurrents en manipulateurs capables d’orchestrer une expérience de laboratoire de bout en bout, sans coder une intégration sur mesure à chaque machine. Et si le matériel vous intéresse, Blueprint.am, l’IA de 3E8 Robotics dessine des cartes et des prototypes depuis un prompt. Pour ancrer l’IA dans le monde réel, JEPA, l’IA qui apprend le monde tente autre chose que la prédiction de tokens.
À retenir
- Model Hardware Standard (MHS) : couche d’abstraction open source qui permet à un agent IA de piloter tout équipement programmable via un pilote unifié. Annoncée le 27 août 2026, en préversion sur candidature.
- Architecture minimaliste : chaque appareil n’expose que deux primitives universelles, read (lire un état ou une mesure) et write (ordonner une consigne), complétées par une fiche d’identité en langage naturel ou YAML.
- Gains mesurés : chez QuEra Computing, reverrouillage laser réussi à 99,3 % (695/700), temps divisé par 25 (150 à 6 secondes), bruit résiduel passé de 15,7 mV à 1,55 mV et stabilité tenue 19 heures sans décrocher.
- Intégration accélérée : connexion réalisée en moins de 8 heures à Carnegie Mellon et six instruments branchés en moins d’une semaine à l’université de Washington, contre des semaines de développement habituel.
- Limite physique : l’IA confond encore le réel et le logiciel. Chez Genentech, Claude a pris de la mousse protéique pour un bug informatique.
- Écosystème encombré : MHS arrive après ROS (2007), OPC UA, VDA 5050 et MassRobotics (2021). Il ne remplace pas le bus machine-à-machine, il ajoute la couche de raisonnement.
- Point de vigilance : accès fermé sur liste d’attente pour l’instant, promesse d’open source. Échéance réglementaire majeure : Règlement Machines UE 2023/1230 applicable le 20 janvier 2027.
L’USB-C qui manquait aux paillasses
Anthropic veut connecter ses modèles non seulement à vos fichiers, mais aussi à vos machines.
Du MCP au matériel : la suite logique
En novembre 2024, Anthropic lançait le Model Context Protocol (MCP). L’idée était simple : un standard ouvert pour que n’importe quel modèle interroge un logiciel métier, une base de données ou une API sans connecteur propriétaire. Le pari a pris. En quelques mois, des milliers de serveurs MCP ont fleuri, adoptés par OpenAI pour ChatGPT et Google pour Gemini, avant que la gouvernance ne soit confiée à la Linux Foundation.
Ce que le MCP a fait pour le logiciel, le MHS le fera pour le monde du matériel.
Alek Kemeny, équipe Beneficial Deployments
Anthropic rejoue la même partition. L’ambition est de passer de l’interopérabilité des données à celle des atomes. L’annonce du 27 août 2026 ne porte d’ailleurs que sur une préversion de recherche, accessible sur candidature via modelhardwarestandard.com, avant une publication complète en open source promise par Anthropic.
Le déclic d’un microscope récalcitrant
La genèse n’est pas partie d’une feuille de route marketing. Elle vient d’une paillasse. À l’institut de recherche HHMI Janelia, Arco Bast, chercheur postdoctoral, tentait de faire cohabiter sur un même banc d’imagerie cérébrale des lasers, des caméras et des platines issues de fournisseurs différents. Chaque appareil exigeait son logiciel, son driver, son langage.
La rencontre avec Alek Kemeny a fait sauter le verrou. L’idée : encapsuler chaque instrument derrière une interface unique, compréhensible par un modèle de langage. C’est un peu comme créer une prise USB-C pour le laboratoire : peu importe la marque du microscope, on le branche et l’agent sait lui parler.
Pourquoi le physique résiste au logiciel
Une telle couche n’existait pas déjà parce que le monde physique ne pardonne pas l’approximation. Un logiciel qui plante se relance. Un bras robotisé qui force trop casse un échantillon à 10 000 euros. Les intégrations sur mesure prenaient donc des semaines, voire des mois, de code bas niveau, de calibration et de tests de sécurité.
L’enjeu ne consiste plus seulement à automatiser, mais à rendre l’automatisation accessible à l’IA de frontière. Sans standard, Claude reste un cerveau sans mains.
Deux verbes pour commander n’importe quelle machine
La force du MHS tient à son minimalisme radical. Il ne cherche pas à tout modéliser : il réduit tout à l’essentiel.
Lire et écrire, rien de plus
Chaque équipement compatible expose un pilote MHS. Celui-ci ne propose que deux primitives universelles : read et write. Read signifie « donne-moi ton état » : une température, une position, une image. Write signifie « exécute cette consigne » : déplace-toi de 2 mm, chauffe à 37 °C, augmente la puissance laser.
L’analogie est volontairement appauvrie. Comme un interrupteur qui ne connaît que marche et arrêt, mais qui, combiné, permet d’écrire un roman. L’agent n’a plus besoin de connaître le dialecte propriétaire du constructeur. Il dialogue avec la couche MHS, qui traduit. Le standard s’appuie d’ailleurs nativement sur le MCP pour la découverte réseau et les échanges, et cohabite avec les lignes de commande ou les API existantes.
La notice que l’IA comprend enfin
La rupture ne se trouve pas dans le code, mais dans la fiche qui l’accompagne. Chaque pilote embarque un manifeste rédigé en langage naturel ou au format YAML. On y lit le poids réel d’un bras, ses limites d’accélération sûres, ses tolérances thermiques et ses contraintes non documentées.
Par exemple, une fiche peut indiquer : « ce bras pèse 4,2 kg à vide, ne dépasse pas 1,5 m/s en charge, risque de vibration au-delà de 800 tr/min ». Les API traditionnelles oublient souvent la physique. Grâce à ces métadonnées, un modèle peut manipuler un instrument qu’il n’a jamais vu, sans entraînement spécifique. Il comprend qu’il ne doit pas précipiter une pipette au-dessus d’une plaque fragile.
De l’expérimentation floue au script d’usine
L’autre astuce est temporelle. En phase d’exploration, l’agent ajuste en boucle fermée, teste, corrige. Une fois la trajectoire validée, le système compile l’ensemble en script déterministe, souvent en Python, autonome et reproductible. L’IA ne reste donc pas en ligne en permanence pendant la production.
Cette compilation supprime deux risques majeurs : la latence du modèle et son non-déterminisme. Selon les tests menés à Carnegie Mellon et à l’université de Washington cités par Scalevise, un raccordement qui prenait des semaines est tombé à moins de 8 heures pour un instrument, et à six appareils en moins d’une semaine. Le besoin de code fragile recule, tandis que les garde-fous restent au niveau du pilote.
Quand l’agent passe au banc d’essai
Sur le papier, l’abstraction est élégante. En laboratoire, elle se heurte au réel. Les premiers déploiements montrent des gains spectaculaires et des angles morts tout aussi révélateurs.
Le laser quantique qui ne décroche plus
Chez QuEra Computing, spécialiste du calcul quantique à atomes neutres, le défi était la stabilisation des lasers. Auparavant, un décrochement imposait 150 secondes d’intervention manuelle et un bruit résiduel de 15,7 mV. L’agent MHS a appris à reverrouiller seul. Bilan : 695 succès sur 700 essais, soit 99,3 % de réussite, un temps moyen tombé à 6 secondes et un bruit réduit à 1,55 mV, soit 90 % de moins.
La stabilité du verrouillage a tenu 19 heures consécutives, contre 1,6 décrochage par heure avec les réglages humains. L’IA excelle dans le contrôle adaptatif en boucle fermée, là où l’humain peine à maintenir une attention paramétrique constante.
Le jour où Claude a confondu de la mousse avec un bug
Chez Genentech, en revanche, l’expérience a viré à la leçon d’humilité. Claude devait automatiser un dosage protéique BCA, enchaînant bras articulé, pipeteur automatique et lecteur de plaque. Tout fonctionnait, jusqu’à l’apparition de bulles et de mousse dans l’échantillon.
L’agent a conclu à un bug logiciel et a tenté de corriger le code. Il a fallu qu’un chercheur explique qu’il s’agissait d’une contrainte physique normale : des protéines qui moussent quand on les agite trop vite. L’IA manque d’intuition physique spontanée. Elle ne sait pas que la matière a ses caprices. La supervision humaine reste indispensable pour arbitrer les anomalies non documentées.
Sept logiciels en un : la revanche des chercheurs
À HHMI Janelia, l’équipe d’Arco Bast et de Virginie Ruetten a poussé la logique plus loin. Sept logiciels constructeurs différents ont été unifiés derrière un seul point d’accès MHS pour imager des larves de poissons-zèbres. Une session qui s’étalait sur plusieurs semaines a été compressée en une journée.
Les chercheurs n’ont plus jonglé entre sept fenêtres incompatibles. Ils ont délégué l’orchestration à l’agent, tout en gardant la main sur les décisions critiques. Le modèle hybride s’impose : l’IA explore et optimise, l’humain valide et interprète.
Un nouveau venu dans une jungle de normes
Anthropic n’arrive pas en terrain vierge. Le monde du matériel est déjà quadrillé par des standards éprouvés. Sa proposition doit donc convaincre qu’elle n’est pas une norme de plus.
ROS, OPC UA, VDA 5050 : le terrain est déjà occupé
Depuis 2007, le Robot Operating System (ROS) structure la robotique. Dans l’usine, OPC UA règne sur la communication entre automates. La logistique européenne utilise le VDA 5050 pour faire cohabiter des flottes de robots mobiles. Et depuis mai 2021, le consortium MassRobotics pousse son standard d’interopérabilité, en cours de normalisation ISO. Sans oublier le SiLA 2, dédié à l’automatisation des laboratoires.
Brancher des machines entre elles, on sait déjà faire. Ces protocoles excellent pour transporter un signal d’un capteur à un contrôleur, de manière fiable et en temps réel.
La couche qui raisonne plutôt que celle qui transporte
MHS ne se situe pas au même niveau. Il ne remplace pas le bus de terrain. Il s’ajoute au-dessus comme une couche de raisonnement et d’orchestration agentique. Là où OPC UA dit « transmet cette valeur », MHS dit « comprends ce que cette valeur signifie et décide de la prochaine action ».
Cette position séduit des industriels qui n’ont pas intérêt à réécrire leurs drivers : Universal Robots et Doosan Robotics pour les bras, Tecan avec sa plateforme Fluent, QIAGEN et son QIAsymphony Connect, Automata et son système LINQ, ou encore Danaher. Côté tech, AWS teste la compatibilité via Strands Robots, Hugging Face l’intègre à sa bibliothèque open source LeRobot, et même Raspberry Pi participe aux essais. Selon Anthropic, l’objectif est d’ajouter l’intelligence sans toucher au socle temps réel.
Ouvert mais pas encore : le pari de la confiance et le couperet européen
Une critique monte chez les développeurs : la préversion est fermée. L’accès se fait sur liste d’attente et sélection, loin de l’ouverture totale qui avait fait le succès du MCP. Anthropic promet une publication open source complète une fois les mécanismes de sécurité consolidés, mais en attendant, l’adoption reste sous contrôle.
Cette prudence a une raison concrète. Le 20 janvier 2027, le Règlement Machines de l’UE 2023/1230 entrera en application et remplacera l’ancienne directive. Il encadrera spécifiquement les composants de sécurité pilotés par IA, avec des exigences de certification et de responsabilité juridique inédites. Pour un agent qui décide seul de bouger un bras à proximité d’un opérateur, la question n’est plus seulement technique : elle est réglementaire. Anthropic le sait : mieux vaut verrouiller les garde-fous au niveau du pilote avant d’ouvrir les vannes.
Laisser un commentaire
Vous devez vous connecter pour publier un commentaire.