MCP (Model Context Protocol)

Le Model Context Protocol (MCP) est un protocole ouvert publié par Anthropic fin 2024. Il standardise la façon dont un assistant d’IA se branche sur des outils et des données externes. Avant lui, chaque intégration (un CRM, un agenda, une base produits) demandait un développement spécifique pour chaque assistant. Avec MCP, un service expose ses fonctions une seule fois, dans un format commun, et tout assistant compatible peut s’en servir. Anthropic le compare à un port USB-C pour les applications d’IA. Plusieurs autres acteurs, dont OpenAI, ont depuis annoncé sa prise en charge.

La nuance qui compte pour un décideur : MCP n’est pas un levier de référencement. Il ne rend pas votre marque plus visible dans les réponses d’un grand modèle de langage. Il permet à un assistant de consulter des données fraîches chez vous, voire d’agir, à condition que l’utilisateur ou la plateforme ait connecté votre serveur.

Comment fonctionne le protocole MCP

L’architecture met en relation plusieurs briques :

• l’application hôte, celle que l’utilisateur manipule (un assistant de bureau, un éditeur de code, un outil métier) ;
• le client MCP intégré à cette application, qui gère la connexion ;
• le serveur MCP, fourni par le service, qui déclare ce qu’il sait faire : des outils (des actions comme « vérifier un stock »), des ressources (des données à lire) et des modèles de requêtes prêts à l’emploi.

Le modèle lit la description de chaque outil, décide lui-même lequel appeler, puis intègre la réponse à son raisonnement. C’est une forme d’ancrage de la réponse dans des données vérifiables, en temps réel, là où une approche RAG s’appuie sur des documents indexés au préalable.

Exemple concret : un distributeur B2B

Prenons un distributeur de pièces détachées industrielles avec 15 000 références. Son service commercial reçoit environ 300 demandes de disponibilité par semaine, à cinq minutes chacune : 25 heures de travail hebdomadaire. Il publie un serveur MCP en lecture seule, branché sur son API existante, avec quelques fonctions : rechercher une référence compatible, consulter le stock, afficher le prix négocié du client authentifié. L’acheteur d’un client, dans son assistant habituel, demande : « Trouve-moi un roulement équivalent au modèle X, en stock, livrable sous 48 h. » L’assistant interroge le serveur et répond avec des données exactes. Si la moitié des demandes passe par ce canal, l’équipe récupère une douzaine d’heures par semaine.

Les pièges d’un premier projet MCP

• Confondre MCP et API. Le serveur MCP s’appuie généralement sur votre API : il ne la remplace pas, il la rend utilisable par un modèle.
• Négliger la description des outils. Le modèle choisit quoi appeler à partir de ce texte ; une description floue produit des appels erronés.
• Ouvrir des actions d’écriture trop tôt. Passer une commande ou modifier un compte exige authentification, confirmation explicite et journalisation.
• Sous-estimer l’injection de consignes : un contenu malveillant lu par l’assistant peut tenter de détourner les outils connectés. Limitez les droits au strict nécessaire.

Par où commencer avec MCP

Listez les questions récurrentes de vos clients qui exigent une donnée vivante : stock, délai, statut de commande, prix. Vérifiez qu’une API les couvre déjà, puis démarrez avec un serveur en lecture seule, testé dans un client compatible avant toute ouverture. Côté marketing, MCP sert aussi en interne : des serveurs, officiels ou communautaires, permettent d’interroger des outils comme la Search Console ou GA4 en langage naturel. Pour présenter des contenus statiques aux IA, le fichier llms.txt reste l’approche la plus légère.