MCP : un standard, pas un produit.
Le Model Context Protocol (MCP) est un standard ouvert qui décrit comment un modèle d'IA se connecte à des systèmes externes : bases de données, CRM, ERP, fichiers, API. Anthropic (l'éditeur de Claude) l'a publié en novembre 2024 en open source. En 2025, OpenAI puis Google DeepMind l'ont adopté, suivis par l'essentiel de l'écosystème. C'est devenu le standard de fait : des milliers de serveurs MCP existent aujourd'hui, officiels et communautaires, pour la plupart des outils du marché.
L'analogie qui circule est la bonne : le MCP est à l'IA ce que l'USB-C est au matériel. Avant l'USB-C, chaque appareil avait son chargeur propriétaire. Avant le MCP, chaque connexion entre un modèle d'IA et un outil était un développement sur mesure, à refaire pour chaque modèle et à maintenir pour toujours. Le standard remplace cette multiplication par une prise unique.
Point important pour un dirigeant : le MCP n'est pas un produit à acheter. C'est une convention technique, gratuite, que vos systèmes et vos outils d'IA parlent ou ne parlent pas. La question n'est donc pas « faut-il acheter MCP » mais « mon infrastructure est-elle prête à s'en servir ».
De M × N intégrations à M + N.
Le problème que le MCP résout est arithmétique. Prenez 3 usages d'IA (un assistant interne, un agent de qualification, un agent de reporting) et 4 systèmes (CRM, base de données, facturation, documents). Sans standard, chaque usage doit être câblé sur chaque système : 12 intégrations à développer, tester, maintenir, et à refaire si vous changez de modèle d'IA.
Avec le MCP, chaque système expose un serveur MCP (une fois), et chaque usage d'IA est un client MCP (natif dans les outils modernes). Résultat : 3 + 4 = 7 briques au lieu de 12 câblages, et chaque nouvelle brique profite immédiatement de toutes les autres.
| Avant MCP | Avec MCP | |
|---|---|---|
| Intégrations | Une par paire outil × modèle | Une par outil, point |
| Changement de modèle IA | Tout recâbler | Rien à changer côté outils |
| Nouvel agent IA | Redévelopper les accès | Réutilise les serveurs existants |
| Maintenance | Chaque câblage vieillit seul | Un serveur maintenu sert tous les usages |
| Gouvernance des accès | Dispersée dans chaque intégration | Centralisée par serveur |
C'est ce dernier point, la gouvernance, qui fait du MCP un sujet de direction et pas seulement de technique : les accès de l'IA à vos systèmes deviennent des objets visibles, listables, révocables. On sait qui peut lire quoi.
Comment ça marche, sans jargon inutile.
Trois rôles, et c'est tout. L'hôte est l'application d'IA que vous utilisez (un assistant, un agent, un outil interne). Le client MCP est le connecteur embarqué dans cet hôte. Le serveur MCP est le petit programme qui expose un de vos systèmes. Le serveur peut tourner en local ou être accessible à distance en HTTP, avec authentification.
Un serveur MCP expose trois choses au modèle :
- Des outils (tools) : des actions que le modèle peut déclencher. « Chercher un client », « créer une facture », « mettre à jour un statut ».
- Des ressources (resources) : des données que le modèle peut lire. Le contenu d'un dossier, une table, un document.
- Des prompts : des modèles d'instructions prêts à l'emploi, définis par vous, pour cadrer les usages récurrents.
Le déroulé concret, sur un exemple PME : vous demandez « prépare-moi le point client Dupont ». L'agent découvre les outils disponibles via ses serveurs MCP, appelle « chercher client » sur le serveur CRM, lit les dernières factures via le serveur facturation, interroge la base des tickets support, puis rédige la synthèse avec des données réelles et à jour. Ce qui demandait quatre onglets et vingt minutes se fait dans la conversation.
La beauté de la chose : le modèle découvre les capacités tout seul. Chaque serveur décrit ses outils dans un format standard ; pas besoin de réexpliquer à chaque modèle ce qu'il peut faire. C'est cette découvrabilité qui distingue un serveur MCP d'une simple API.
Ce que le MCP change pour une PME.
Derrière le protocole, quatre bénéfices très concrets.
Votre infrastructure IA devient un actif réutilisable. Chaque serveur MCP construit (votre base clients, votre catalogue, votre facturation) sert tous les usages présents et futurs. Le deuxième agent coûte moins cher que le premier, le troisième encore moins : les accès existent déjà.
Vous n'êtes plus marié à un modèle d'IA. Claude aujourd'hui, un autre demain, un modèle européen pour certains usages : les serveurs MCP ne bougent pas. Le choix du modèle redevient une décision réversible, prise sur les critères qui comptent (voir notre comparatif Quelle IA choisir en 2026).
Les accès de l'IA se gouvernent enfin proprement. Un serveur = un périmètre = des permissions. L'agent de reporting lit la base mais n'écrit pas ; l'assistant RH ne voit pas la comptabilité. Ce cadrage, impossible à tenir avec des intégrations dispersées, devient l'architecture par défaut.
Vos agents IA gagnent en profondeur. Un agent branché sur des données fraîches et complètes raisonne juste ; un agent sans accès invente ou reste générique. Le MCP est la tuyauterie qui alimente les agents IA 24/7 en contexte réel.
Et le prérequis n'a pas changé : une donnée propre, structurée, accessible. Un serveur MCP branché sur une base en désordre expose du désordre. Rendre votre donnée exploitable par les agents IA est précisément le sujet de notre Playbook 2026.
Le MCP en situation, chez une PME.
Interroger sa base en langage naturel
Un serveur MCP en lecture seule sur votre entrepôt de données, et le dirigeant demande : « CA par segment sur le trimestre, comparé à l'an dernier ? ». Le modèle interroge la base, calcule, répond avec les chiffres réels. La question suivante ne coûte rien : plus besoin d'attendre le rapport du lundi.
Un assistant qui connaît vos clients
Serveurs MCP sur le CRM, la facturation et les échanges support. Avant chaque rendez-vous, l'assistant compile la fiche complète : historique, encours, tickets ouverts, dernières interactions. La préparation d'un rendez-vous passe de vingt minutes à une question.
Un agent qui agit dans vos systèmes
L'étage au-dessus : l'agent de traitement documentaire lit la facture reçue, vérifie le fournisseur dans l'ERP via MCP, pousse l'écriture dans l'outil comptable, notifie en cas d'écart. Les actions d'écriture passent par des outils MCP explicites, cadrés, journalisés.
Ces trois étages se construisent dans l'ordre, chacun s'appuyant sur les serveurs du précédent. C'est l'illustration exacte de notre modèle « collecter, transformer, activer » : le MCP vit à la frontière entre les deux derniers.
Brancher l'IA sans ouvrir les vannes.
Un serveur MCP est une porte d'accès à vos données. Le standard prévoit les mécanismes, mais c'est le déploiement qui fait la sécurité. Les règles que nous appliquons sur chaque installation :
- Un serveur = un périmètre minimal. Le serveur expose uniquement les capacités nécessaires à l'usage prévu. Lecture seule par défaut ; l'écriture est une décision explicite, outil par outil.
- Authentification et comptes dédiés. Chaque serveur s'exécute avec des accès propres, révocables, jamais avec le compte d'un humain. Les serveurs distants exigent une authentification forte.
- Journalisation complète. Chaque appel d'outil est tracé : qui, quoi, quand, avec quelles données. Indispensable pour auditer et pour progresser.
- Revue des serveurs tiers avant branchement. L'écosystème communautaire est riche ; tout ce qui touche vos données de production mérite une lecture du code ou un serveur maintenu par un éditeur identifié.
- Environnements séparés. Un agent se teste sur des données de test. La production arrive quand le comportement est validé.
Le standard est jeune et évolue vite ; c'est un argument pour des déploiements cadrés et monitorés, pas pour attendre. Les entreprises qui construisent maintenant leurs premiers serveurs MCP proprement auront l'infrastructure prête quand leurs concurrents commenceront à se poser la question.
La séquence raisonnable pour démarrer.
Inventorier données et systèmes
Où vivent vos données, dans quel état, avec quelles API ? C'est la cartographie de base, et le cœur de notre Playbook 2026. Sans elle, on branche du désordre.
Exposer une source à fort levier
Une seule, en lecture seule : souvent la base clients ou l'entrepôt de données. Serveur MCP existant si votre outil en a un, développement léger sinon. L'objectif est un premier usage utile, pas une couverture totale.
Lancer un pilote mesuré
Un usage, des utilisateurs identifiés, un indicateur (temps gagné, questions résolues). Quatre à six semaines suffisent pour savoir si l'usage tient et ce qu'il faut ajuster avant d'élargir.
Étendre par la valeur
Chaque nouveau serveur s'ajoute là où le gain est mesurable, et chaque agent réutilise l'existant. C'est ainsi que l'infrastructure IA se construit : par couches utiles, pas par big bang.
C'est exactement notre métier d'agence IA & Data : concevoir cette infrastructure de A à Z, la déployer, et l'opérer dans la durée. Nos systèmes en production utilisent déjà le MCP pour brancher agents et données ; le détail de nos disciplines est sur la page Services.
« Pas de promesses. Pas de jargon. Diagnostic précis, architecture claire, livraison dans les délais. »
R. Thiébaut, CTO, scale-up SaaS
MCP : ce qu'on nous demande.
C'est quoi le MCP en une phrase ?
Le MCP est un standard ouvert qui permet à un modèle d'IA de se connecter à vos outils et vos données (CRM, bases de données, ERP, fichiers) via une interface unique : on le décrit souvent comme le port USB-C de l'IA. Un outil exposé une fois en MCP devient utilisable par tous vos assistants et agents IA, quel que soit le modèle derrière.
Qui a créé le protocole MCP ?
Anthropic (l'éditeur de Claude) a publié le MCP en novembre 2024 comme standard ouvert et open source. Il a ensuite été adopté par les autres grands acteurs, dont OpenAI et Google DeepMind en 2025, ce qui en a fait le standard de fait pour connecter les modèles d'IA aux systèmes externes. L'écosystème compte aujourd'hui des milliers de serveurs MCP.
Quelle différence entre MCP et une API ?
Une API expose les fonctions d'un outil, mais chaque intégration IA doit être codée sur mesure pour chaque API. Le MCP est une couche standard au-dessus des API : il décrit les outils et les données dans un format que tous les modèles d'IA comprennent nativement, avec découverte automatique des capacités. On branche une fois côté outil, et tous les clients IA compatibles en profitent.
Quelle différence entre MCP et RAG ?
Le RAG est une technique : aller chercher les passages pertinents dans une base documentaire pour ancrer la réponse du modèle. Le MCP est une tuyauterie standard : la façon dont le modèle accède aux sources et aux outils. Les deux se combinent : un système RAG peut être exposé comme serveur MCP, et un agent qui interroge vos documents via MCP fait du RAG. L'un ne remplace pas l'autre.
Le MCP est-il prêt pour la production en entreprise ?
Oui, à condition de le déployer avec les pratiques de sécurité qui s'imposent : authentification sur chaque serveur, permissions minimales (lecture seule par défaut), journalisation des appels, revue des serveurs tiers avant branchement. Le standard est jeune et évolue vite, ce qui plaide pour des déploiements cadrés et monitorés plutôt que des branchements tous azimuts.
Faut-il développer ses propres serveurs MCP ?
Pas toujours. Des serveurs MCP existent déjà pour les outils courants : bases de données, Google Drive, Slack, GitHub, et la plupart des grands SaaS. Le sur mesure devient pertinent pour vos systèmes internes (ERP maison, base métier, API interne) : c'est un développement léger qui expose exactement les capacités que vous voulez donner à l'IA, avec vos règles d'accès.