Anthropic a ouvert jeudi un aperçu de la recherche sur le Model Hardware Standard (MHS), une spécification partagée conçue pour permettre aux agents d'IA d'utiliser en toute sécurité des appareils physiques tels que des microscopes, des manipulateurs de liquides et des bras robotiques, selon une annonce publiée sur le site Web de l'entreprise.

La société donne accès à l'aperçu à un premier groupe de laboratoires de recherche scientifique et de fabricants avancés, et annonce qu'elle prévoit de rendre la norme open source une fois que les évaluations de sécurité et les meilleures pratiques auront été développées avec des partenaires des domaines de la science, de la robotique, de l'électronique et de la fabrication.

Résoudre le goulot d'étranglement de l'intégration

Anthropic affirme que le projet a commencé en collaboration avec le HHMI Janelia Research Campus, le campus de recherche du Howard Hughes Medical Institute. Le problème qu'il cible est familier à quiconque a travaillé dans un laboratoire ou dans une usine : la plupart des instruments ne communiquent pas entre eux, et leur intégration nécessite généralement des semaines ou des mois de travail spécialisé pour établir des connexions sur mesure.

Avec MHS, Anthropic affirme que le travail d'intégration se réduit à quelques heures ou minutes. Une fois les appareils connectés, les agents d’IA peuvent orchestrer des expériences autonomes 24 heures sur 24, raisonner sur chaque étape d’une expérience, mettre à jour les paramètres en temps réel et, dans certains cas, récupérer des erreurs matérielles sans intervention humaine. La société affirme que la norme a déjà été utilisée pour des tâches allant des expériences de routine de découverte de médicaments à l'étalonnage laser sur un ordinateur quantique.

Pour plus de couverture sur les outils qui remodèlent le développement de l'IA, AI Buzz Wire suit chaque version majeure à travers l'industrie.

Comment fonctionne la norme

Au cœur de MHS se trouve un pilote standardisé : un logiciel qui assure la traduction entre le système d'exploitation d'un ordinateur et un périphérique matériel. Le pilote expose un ensemble simple de primitives – des commandes telles que « lire » (par exemple, obtenir la température) ou « écrire » (régler la température) – que tout périphérique matériel peut comprendre et sur lequel agir.

Chaque appareil est également rendu détectable dans un format standard, afin que les agents et les instruments puissent se retrouver sur un réseau sans traducteur personnalisé entre les deux. Selon Anthropic, le conducteur donne en outre à un agent les connaissances contextuelles qui se trouvent traditionnellement dans les manuels papier ou dans la tête d'un technicien - par exemple, le poids d'un bras de robot, qui est important pour le manipuler en toute sécurité. Les utilisateurs peuvent écrire eux-mêmes ces informations dans des balises en langage naturel ou discuter avec un agent qui les interroge sur leur configuration matérielle. Le conducteur produit alors automatiquement un fichier de référence décrivant ce que l'appareil peut mesurer, ce qui peut être ajusté et quelles limites de sécurité seront appliquées.

Les agents contrôlent le matériel via trois mécanismes : le Model Context Protocol (MCP), une interface de ligne de commande et des fichiers de code contenant des API. Ensemble, explique Anthropic, ceux-ci permettent à un agent d'orchestrer plusieurs appareils avec une seule ligne de code, de séquencer les étapes sur plusieurs instruments, de surveiller les résultats et d'ajuster les paramètres à mesure que les conditions changent.

Ce qu'Anthropic a observé avec Claude

Lors des tests, Anthropic rapporte que Claude a interagi avec le matériel d'une manière exploratoire qui ressemble à la façon dont travaille un scientifique. Dans un exemple, le modèle a ajusté un laser, observé les résultats à travers une caméra pour voir comment le faisceau se déplaçait et a répété le processus pour comprendre la séquence des événements. Claude a ensuite regroupé ce qu'il avait appris dans un script déterministe, permettant à la procédure d'alignement de s'exécuter comme une seule commande sans que le modèle ne raisonne à chaque étape.

Ce modèle – un agent explorant de manière interactive, puis compilant ses résultats dans un code reproductible – est au cœur de la façon dont Anthropic s'attend à ce que MHS soit utilisé pour des tâches de longue durée qui seraient lentes ou coûteuses à superviser en continu.

Indépendant du modèle par conception

Anthropic positionne MHS comme une infrastructure plutôt que comme un produit verrouillé. La norme fonctionne avec n'importe quel appareil doté d'une interface programmable, et la société affirme qu'elle est indépendante du modèle : n'importe quel harnais d'agent peut y accéder à l'aide de protocoles standard tels que MCP. Cela pourrait être important pour l'adoption dans les laboratoires de recherche, où les équipements de plusieurs fournisseurs et les modèles de plusieurs fournisseurs sont souvent mélangés.

L'annonce intervient dans un contexte de concurrence croissante pour connecter les modèles d'IA au monde physique, les concurrents recherchant des modèles et des partenaires matériels axés sur la robotique. En ciblant d’abord les laboratoires et les lignes de fabrication – des environnements dotés de flux de travail structurés et gourmands en instruments – Anthropic parie que l’automatisation scientifique et industrielle sera le premier domaine commercialement significatif pour les agents incarnés.

Que regarder

L'aperçu de la recherche est limité à un groupe initial de partenaires, et Anthropic n'a pas annoncé de date pour la sortie open source. Les questions clés pour les mois à venir incluent le nombre de fabricants d'appareils qui construisent des pilotes MHS, à quoi ressemblent les évaluations de sécurité développées avec des partenaires et si les concurrents adoptent ou interagissent avec la norme.

Pour les laboratoires qui envisagent l’adoption, le discours est simple : l’intégration matérielle qui prenait autrefois des mois pourrait devenir une tâche de configuration mesurée en heures, avec des agents capables d’exécuter des expériences en continu en arrière-plan. Que cette promesse survive au contact avec des équipements désordonnés du monde réel est le test auquel l’aperçu de la recherche est conçu pour répondre.

---

Gardez une longueur d'avance sur l'IA

Recevez les dernières actualités, analyses et avancées en matière d'IA, le tout en un seul endroit.

Lire plus d'actualités sur l'IA →