Intelligence artificielle · 9 min de lecture
Serveur MCP : la prise standardentre l'IA et vos outils.
Le MCP (Model Context Protocol) permet à une IA comme Claude ou ChatGPT d'utiliser vos logiciels : agenda, facturation, fichier client, documents. Voici ce que c'est, à quoi ça sert et comment s'y prendre, expliqué sans jargon. Commencez par la vidéo : une minute suffit pour comprendre l'idée.
En bref
- Une IA seule ne connaît que ce qu'elle a appris : elle ne voit ni vos factures, ni vos clients, ni votre agenda.
- MCP est un standard ouvert qui sert de « prise » entre l'IA et vos outils : chaque outil est branché une fois, par un serveur MCP, puis utilisable par toute IA compatible.
- Vous décidez de ce que l'IA peut lire ou faire, et les actions sensibles attendent votre validation.
MCP expliqué en une minute
Six étapes, sans son : tout le texte est à l'écran. On y suit une question simple (« la facture de M. Martin est-elle payée ? »), avant puis après MCP.
Lire la transcription
- Une IA sait répondre à beaucoup de questions. Rédiger, résumer, traduire : elle s'appuie sur ce qu'elle a appris.
- Mais elle ne voit pas vos outils. Vos factures, vos clients, votre agenda : tout cela lui reste invisible.
- Avant : un câble sur mesure par outil. Long à développer, coûteux, fragile… et à refaire pour chaque IA.
- MCP : une prise standard, comme l'USB-C. Chaque outil se branche une fois. Toute IA compatible peut l'utiliser.
- L'IA peut enfin consulter et agir. Elle interroge le bon outil, puis vous propose d'agir.
- Et c'est vous qui gardez la main. L'IA n'accède qu'à ce que vous ouvrez, et vous validez les actions sensibles.
Une IA brillante, mais coupée de vos outils
Demandez à Claude ou à ChatGPT de rédiger un e-mail de bienvenue : le résultat est souvent excellent. Demandez-lui maintenant si le client Martin a payé sa facture : il ne peut pas le savoir. Un modèle d'IA ne connaît que ce qu'il a appris pendant son entraînement et ce que vous collez dans la conversation.
Or, dans une entreprise, l'information utile se trouve ailleurs : dans le logiciel de facturation, le fichier client (CRM), l'agenda partagé, le serveur de documents, l'ERP. Copier-coller ces informations à la main dans une conversation est lent, source d'erreurs, et devient vite ingérable.
La réponse classique consistait à développer un connecteur pour chaque couple « IA + outil ». Trois outils et deux IA ? Six intégrations, chacune avec son format, à maintenir à chaque mise à jour. C'est le « câble sur mesure » de la vidéo.
MCP, la prise standard entre l'IA et vos logiciels
MCP, pour Model Context Protocol, est un standard ouvert présenté par Anthropic, l'éditeur de Claude, en novembre 2024. Son principe est celui de l'USB-C : une seule forme de prise pour tout brancher.
- D'un côté, les applications d'IA qui « parlent » MCP : Claude, ChatGPT, les assistants de développement, ou votre propre application.
- De l'autre, vos outils, chacun exposé par un serveur MCP.
Un outil branché une fois devient utilisable par n'importe quelle IA compatible. Et si demain vous changez de fournisseur d'IA, vos branchements restent en place.
Le standard a pris très vite : en 2025, OpenAI, Google et Microsoft ont annoncé sa prise en charge dans leurs produits, et fin 2025 Anthropic a confié le protocole à l'Agentic AI Foundation, sous l'égide de la Linux Foundation, pour qu'il reste neutre et ouvert. En clair, ce n'est pas la technologie d'un seul fournisseur : c'est en train de devenir la norme.
Concrètement, qu'est-ce qu'un serveur MCP ?
Un serveur MCP est un petit programme placé devant l'un de vos outils. Il dit à l'IA : « voici ce que tu peux faire ici, et comment ». Il peut proposer trois types de choses :
- Des outils, c'est-à-dire des actions : chercher un client, lister les factures impayées, créer un rendez-vous.
- Des ressources, des données à lire : un document, une fiche produit, un catalogue.
- Des modèles de requêtes prêts à l'emploi : « résumer le dossier d'un client », « préparer le point hebdomadaire ».
Chaque élément est décrit en langage clair. C'est cette description que l'IA lit pour choisir le bon outil au bon moment.
Ce qui se passe quand vous posez une question
- Vous demandez : « La facture de M. Martin est-elle payée ? »
- L'IA voit qu'un outil « Factures » est disponible et décide de l'utiliser.
- Votre application d'IA, le client MCP, transmet la demande au serveur MCP des factures.
- Le serveur interroge votre logiciel de facturation, avec ses propres droits d'accès, et renvoie la réponse.
- L'IA formule la réponse et propose la suite : préparer une relance. Si l'action est sensible, elle attend votre accord.
À retenirL'IA ne touche jamais directement à votre base de données. Elle passe uniquement par les portes que le serveur MCP a prévues.
Un serveur MCP peut tourner sur le poste de l'utilisateur, pour accéder à des fichiers locaux par exemple, ou sur un serveur, pour être partagé par toute une équipe avec une connexion sécurisée.
Des exemples dans une entreprise
Quelques usages typiques, à adapter à vos propres outils :
- Accueil & secrétariatTrouver un créneau libre, déplacer un rendez-vous, envoyer la confirmation au client.
- ComptabilitéLister les factures impayées, préparer les relances, retrouver un paiement.
- CommercialOuvrir la fiche client avant un appel, résumer les derniers échanges, créer une opportunité dans le CRM.
- SupportRetrouver la bonne procédure dans la documentation interne, ouvrir un ticket, suivre une commande.
- DirectionInterroger vos données en langage courant : « combien de commandes ce mois-ci, par rapport au mois dernier ? »
De nombreux éditeurs, comme GitHub, Notion, Stripe ou Atlassian, proposent déjà leur propre serveur MCP : pour ces outils, il suffit souvent de le brancher et de bien le configurer. Le sur-mesure devient utile pour vos logiciels métier, votre ERP ou vos bases de données internes.
Sécurité : l'IA n'a accès qu'à ce que vous ouvrez
Brancher une IA sur ses logiciels inquiète, et c'est légitime. MCP donne un cadre, mais ne règle pas la sécurité à lui seul : tout dépend de la façon dont le serveur est conçu. Voici les règles que j'applique :
- Le strict nécessaire. Un serveur n'expose que les actions utiles au cas d'usage. Pas de « supprimer » si personne n'en a besoin.
- Les droits de l'utilisateur, pas plus. L'IA agit au nom de la personne connectée, avec une authentification (OAuth pour les serveurs distants), et n'en voit pas davantage qu'elle.
- Une validation humaine pour les actions sensibles : envoyer un e-mail, modifier un montant, supprimer une donnée.
- Une trace de chaque appel : qui a demandé quoi, quand, et avec quel résultat.
- De la méfiance envers les contenus. Un document ou un e-mail peut contenir des instructions piégées : c'est ce qu'on appelle l'injection de prompt. On limite donc ce que l'IA peut faire avec, et on n'installe pas un serveur MCP trouvé au hasard sans l'avoir vérifié.
- Des données qui restent où vous le décidez. Le modèle peut être appelé via un service cloud (Amazon Bedrock, API Anthropic) ou tourner en local, sur votre serveur. Le choix dépend de la sensibilité des données.
MCP, API, RAG, agent : qui fait quoi ?
| Terme | En une phrase | Et MCP dans tout ça |
|---|---|---|
| API | La porte d'entrée technique d'un logiciel, pensée pour les développeurs. | Un serveur MCP s'appuie souvent sur l'API existante de l'outil et la rend utilisable par une IA. |
| RAG | Une technique pour que l'IA retrouve le bon passage dans vos documents avant de répondre. | Complémentaire : une recherche documentaire peut être proposée comme un outil MCP. |
| Agent | Une IA qui enchaîne seule plusieurs étapes : lire, décider, agir, vérifier. | MCP lui donne ses « mains » : les outils qu'elle a le droit d'utiliser. |
| Connecteur | Une intégration propre à une seule application d'IA. | MCP est le standard qui évite de refaire le connecteur pour chaque IA. |
Faut-il un serveur MCP dans votre entreprise ?
Probablement oui, si :
- vos équipes copient-collent souvent des informations entre un logiciel et une IA ;
- les mêmes questions reviennent, et la réponse se trouve dans vos outils ;
- vous voulez une IA qui agit (planifier, créer, relancer), pas seulement qui rédige.
Pas tout de suite, si vous n'avez pas encore de cas d'usage précis, ou si vos données sont éparpillées dans des fichiers sans outil central. Mieux vaut alors commencer par les structurer.
Par où commencer
- Un cas d'usage précis et mesurable. Par exemple : « répondre aux questions sur l'état des commandes sans ouvrir trois logiciels ».
- La liste des données et des actions nécessaires, et seulement celles-là.
- Un prototype : un serveur MCP branché sur vos vraies données, testé par quelques utilisateurs.
- La mise en production : droits d'accès, validations, traces, supervision. Puis on élargit à d'autres usages.
Ce que j'en retiens sur le terrain
Je développe en ce moment, en mission, des serveurs et des clients MCP reliés à des services d'IA dans le cloud (Amazon Bedrock, API Anthropic). Quelques principes que j'applique à chaque fois :
- La description d'un outil compte autant que son code. C'est elle que l'IA lit pour décider de l'utiliser : un nom flou, et elle se trompe d'outil.
- Peu d'outils, bien découpés, valent mieux qu'une API entière exposée telle quelle.
- Des réponses courtes et structurées. Renvoyer des milliers de lignes à l'IA la ralentit et la rend moins précise.
- Tester avec de vraies questions d'utilisateurs, pas seulement avec des tests techniques.
Pour aller plus loin, la page Intelligence artificielle présente les briques que je construis (MCP, RAG, OCR, agents) et permet de composer votre projet en quelques clics. La documentation officielle du protocole est sur modelcontextprotocol.io (en anglais).