Qu'est-ce que le MCP, et pourquoi tout le monde en parle ?
Eliott Ardisson
Founder & CEO - Basalt Studio
Le Model Context Protocol (MCP) d'Anthropic standardise la façon dont les agents IA accèdent aux outils et données d'entreprise. Ce qu'il faut savoir pour les PME.
Points clés
- Un protocole, pas un produit : MCP est un standard open-source développé par Anthropic qui définit comment un agent IA communique avec vos outils et données. Ce n’est pas un logiciel à acheter, c’est une convention que les outils adoptent.
- Le problème qu’il résout : Avant MCP, chaque connexion entre un agent IA et un outil métier nécessitait une intégration sur mesure. MCP crée une interface commune, ce qui réduit considérablement le travail de développement.
- Une adoption réelle et rapide : Claude Desktop, plusieurs éditeurs de code, et un nombre croissant de plateformes professionnelles supportent déjà MCP nativement ou via des connecteurs officiels.
- Pertinent pour les PME : Le gain principal n’est pas technique — c’est opérationnel. Des agents IA qui peuvent lire votre CRM, consulter vos documents, et mettre à jour vos outils sans qu’on ait besoin de tout recâbler à chaque fois.
- Ce n’est pas une solution clé en main : MCP simplifie l’intégration, mais déployer des agents utiles demande encore de la réflexion sur les processus, les permissions, et les cas d’usage prioritaires.
Pourquoi MCP fait soudainement parler de lui
Si vous avez vu l’acronyme MCP défiler dans vos fils LinkedIn ces derniers mois, vous n’êtes pas le seul. Le Model Context Protocol est apparu dans le débat public fin 2024 et a rapidement capturé l’attention des équipes techniques comme des dirigeants non-techniciens.
La raison est simple : MCP répond à un problème concret que quiconque ayant essayé de déployer un agent IA dans un contexte professionnel a rencontré. Les agents IA sont utiles quand ils ont accès aux bonnes informations au bon moment. Or, connecter ces agents à vos outils métier réels a longtemps été coûteux, fragile, et difficile à maintenir. MCP propose une réponse structurée à ce problème.
Ce post explique ce qu’est le protocole, pourquoi il change quelque chose en pratique, et comment une PME devrait réfléchir à son adoption.
Ce que MCP fait concrètement
Le Model Context Protocol est un standard de communication open-source. Son rôle est de définir un format commun pour les échanges entre un agent IA (le “client”) et une source de données ou un outil externe (le “serveur”).
Avant ce standard, si vous vouliez qu’un agent IA accède à votre CRM, vous deviez écrire du code spécifique pour ce CRM. Si vous vouliez ensuite qu’il accède aussi à votre outil de facturation, vous écriviez un autre bloc de code spécifique. Et ainsi de suite pour chaque outil. Le résultat est une architecture en spaghetti, difficile à maintenir et à faire évoluer.
MCP change la donne en introduisant une couche intermédiaire standardisée :
- L’agent IA envoie des requêtes dans un format MCP universel
- Un “serveur MCP” pour chaque outil traduit ces requêtes dans le format natif de l’outil
- La réponse revient à l’agent dans un format MCP normalisé
Si un outil dispose d’un serveur MCP, n’importe quel agent compatible peut l’utiliser sans développement supplémentaire. C’est le principe du protocole : écrire une fois, connecter partout.
L’architecture en trois couches
Pour comprendre comment MCP fonctionne en pratique, il est utile de distinguer les trois niveaux impliqués.
Le client : c’est l’agent IA lui-même. Il peut s’agir de Claude via Claude Desktop, d’un agent personnalisé construit sur l’API Anthropic, ou de tout autre système IA qui supporte le protocole.
Le protocole : la couche MCP elle-même, qui standardise le format des requêtes, gère l’authentification, et normalise les réponses. C’est la “grammaire” commune.
Les serveurs MCP : chaque outil ou source de données expose ses fonctionnalités via un serveur MCP dédié. Des serveurs officiels existent déjà pour des outils courants comme GitHub, Slack, PostgreSQL, ou Google Drive. Pour les outils métier plus spécialisés, un développeur peut construire un serveur MCP personnalisé.
Ce qui est important à comprendre, c’est que le protocole lui-même est léger. La complexité ne vient pas de MCP — elle vient de bien définir ce que vous voulez que votre agent fasse, et de choisir les bons niveaux de permission.
Ce que ça change pour les équipes opérationnelles
L’intérêt de MCP ne se mesure pas dans des tableaux de benchmarks techniques. Il se mesure dans des situations concrètes.
Prenons un exemple dans le recrutement. Un agent IA chargé de qualifier des candidatures a besoin d’accéder à un ATS pour lire les profils, à un outil de communication pour préparer des messages de relance, et potentiellement à un calendrier pour suggérer des créneaux d’entretien. Sans MCP, chacune de ces connexions demande un développement spécifique. Avec des serveurs MCP disponibles pour ces outils, l’agent peut naviguer entre eux via une interface unifiée.
Même logique dans un cabinet comptable : un agent qui doit croiser des données de facturation, des relevés bancaires et des documents clients peut le faire de façon cohérente si ces sources exposent des serveurs MCP, plutôt que d’exiger trois intégrations parallèles à maintenir séparément.
Dans notre travail avec des PME de services professionnels, la difficulté la plus fréquente n’est pas de construire l’agent lui-même — c’est de le connecter de façon fiable aux outils existants sans que chaque mise à jour casse quelque chose. MCP réduit structurellement ce risque.
Ce que MCP ne fait pas
Il est important de recadrer certaines attentes, parce que le sujet génère beaucoup d’enthousiasme parfois mal orienté.
MCP ne rend pas les agents IA “intelligents” automatiquement. Le protocole gère la communication entre l’agent et les outils — pas la qualité des décisions de l’agent. Un agent mal conçu reste un agent mal conçu, même avec MCP.
MCP ne remplace pas la réflexion sur les processus. Avant de connecter un agent à vos outils, vous devez savoir précisément ce que vous voulez qu’il fasse, dans quel contexte, avec quelles données, et avec quelles limites. Le protocole ne répond pas à ces questions à votre place.
MCP ne couvre pas tous les outils. Le nombre de serveurs MCP disponibles croît vite, mais des outils métier spécialisés — logiciels sectoriels, ERP anciens, plateformes propriétaires — n’ont pas nécessairement de serveur MCP existant. Dans ces cas, un développement personnalisé reste nécessaire.
La sécurité demande une configuration explicite. MCP supporte OAuth 2.0 et des contrôles d’accès granulaires, mais ces mécanismes doivent être configurés correctement. Un déploiement bâclé peut exposer des données sensibles autant qu’une intégration traditionnelle mal faite.
Comparaison rapide des approches d’intégration
| Approche | Temps de mise en place | Maintenance | Portabilité entre agents IA |
|---|---|---|---|
| Intégration sur mesure | Élevé | Élevé | Nulle |
| Outils d’automatisation no-code | Modéré | Modéré | Limitée |
| APIs directes | Élevé | Élevé | À redévelopper |
| MCP avec serveurs existants | Faible | Faible | Bonne |
| MCP avec serveurs personnalisés | Modéré | Faible | Bonne |
Ce tableau reflète des tendances générales observées dans les déploiements terrain, pas des garanties universelles. Le contexte de chaque entreprise influence ces variables.
Qui adopte MCP et dans quel sens
Anthropic a développé et ouvert le protocole, mais l’adoption ne se limite pas à son écosystème. Plusieurs éditeurs d’outils de développement ont intégré le support MCP nativement dans leurs interfaces. Des plateformes professionnelles commencent à publier leurs propres serveurs MCP. Et la communauté open-source produit des connecteurs pour des outils courants à un rythme soutenu.
Ce mouvement ressemble à ce qu’on a vu avec d’autres standards d’interopérabilité : au départ adopté par les early adopters techniques, puis progressivement absorbé dans la pratique courante à mesure que les éditeurs de logiciels l’intègrent nativement.
Gartner et d’autres cabinets d’analyse prévoient une montée en puissance significative des architectures multi-agents dans les entreprises sur les deux à trois prochaines années. MCP positionne bien les organisations qui l’adoptent tôt pour gérer cette complexité croissante sans exploser leurs coûts d’intégration.
Questions à se poser avant d’adopter MCP
Avant de lancer un projet MCP, quelques questions permettent de calibrer l’effort.
- Quels processus dans votre activité impliquent aujourd’hui plusieurs outils en séquence, avec intervention humaine entre chaque étape ?
- Avez-vous déjà des agents IA en production, ou êtes-vous encore en phase d’expérimentation ?
- Vos outils principaux disposent-ils de serveurs MCP existants, ou faudra-t-il en développer ?
- Qui dans votre équipe sera responsable de la gouvernance des accès (quels agents peuvent lire/écrire quelles données) ?
- Avez-vous des contraintes réglementaires sur certaines données qui exigent un niveau de traçabilité particulier ?
Si vous répondez à ces questions et que les processus candidats sont clairs, vous avez une base solide pour un projet MCP bien cadré. Si les réponses sont floues, commencer par un audit de vos workflows avant de toucher à la technique est souvent plus utile.
Pièges fréquents lors du déploiement
Connecter trop d’outils trop vite. L’enthousiasme pour MCP pousse parfois les équipes à vouloir tout connecter d’emblée. La bonne approche est de commencer par un seul workflow, de le valider, puis d’étendre.
Ignorer la gouvernance des accès. Dans des secteurs comme le juridique, la comptabilité ou les RH, les données sont sensibles. Définir dès le départ quels agents peuvent accéder à quoi — et dans quelles circonstances — est non négociable.
Sous-estimer la documentation. Plus vous connectez d’outils via MCP, plus les interactions deviennent complexes. Les équipes qui documentent leurs workflows dès le début passent beaucoup moins de temps à déboguer plus tard.
Confondre MCP avec un produit fini. MCP est un protocole, pas un logiciel livré clé en main. L’adopter implique un travail de configuration, de développement de connecteurs, et de maintenance dans le temps.
Pour les PME : par où commencer
La bonne entrée en matière pour une PME n’est pas de cartographier tout son écosystème technologique en vue d’une migration MCP globale. C’est d’identifier un processus précis, répétitif, qui implique au moins deux outils et qui coûte du temps à des personnes qualifiées.
Quelques exemples représentatifs :
- Un agent de suivi client dans un cabinet de conseil qui lit les tickets, consulte l’historique CRM, et prépare un résumé avant chaque appel
- Un agent de qualification de leads dans une agence immobilière qui croise les données d’un formulaire entrant avec les critères stockés dans le CRM
- Un agent de vérification documentaire dans un cabinet juridique qui contrôle la cohérence entre plusieurs pièces avant une échéance
Ces cas d’usage sont accessibles, mesurables, et permettent de valider l’architecture avant d’investir davantage.
MCP est un protocole sérieux qui répond à un problème réel. Il n’est pas magique, et il ne remplace pas la réflexion sur ce que vous voulez automatiser et pourquoi. Mais pour les PME qui ont déjà commencé à déployer des agents IA et qui se heurtent à la complexité des intégrations, il représente un changement structurel significatif.
Si vous souhaitez explorer comment structurer vos premiers agents IA ou évaluer où MCP s’inscrit dans votre stack actuel, vous pouvez réserver un appel stratégie IA avec l’équipe Basalt — sans engagement, pour poser les bonnes questions avant de commencer.