Le MCP, c'est quoi ? Comment l’USB-C de l'IA lui donne enfin de vrais bras

Retrouver un document, consulter un agenda, créer une tâche… Le MCP facilite les connexions entre les IA et nos logiciels du quotidien. Chatbots, assistants ou agents peuvent ainsi accéder à des données et utiliser des outils grâce à ce protocole commun. Décryptage.

Vous pensiez que le MCP était le grand méchant de Tron ? Le Master Control Program du film de 1982 a désormais un homonyme nettement plus pacifique dans la tech. Du moins, pour l’instant. Le Model Context Protocol, ou MCP, est un standard qui permet aux applications utilisant un modèle d’IA d’accéder à des logiciels, des fichiers et des services en ligne. Cela concerne aussi bien un chatbot qu’un assistant intégré à un logiciel ou un agent piloté depuis un terminal, comme Claude Code ou Gemini CLI.

Pour faire simple auprès de vos proches avides de questions sur l’IA, le MCP peut permettre à une IA de consulter votre agenda ou de retrouver un document au lieu de simplement vous expliquer où cliquer. Une différence qui paraît minime sur le papier, mais qui change profondément ce qu’une IA peut faire pour nous.

Une prise commune pour brancher les assistants

Demandez à une IA de préparer votre prochaine réunion sans lui donner accès à votre agenda ni à vos documents. Elle pourra vous proposer une méthode et la décrire, mais elle n’ira guère plus loin. Pour travailler réellement avec ces informations, l’application qui héberge le modèle doit disposer d’un moyen de les récupérer.

C’est précisément le problème auquel s’attaque le MCP, présenté par Anthropic en novembre 2024. Sa documentation utilise une comparaison assez parlante pour les utilisateurs de tech au quotidien, celle de l’USB-C. Ainsi, plutôt que d’inventer une connexion différente pour chaque assistant et chaque service, le protocole propose une manière commune de présenter des données et des fonctions à une IA.

Ce connecteur commun ne fait pas disparaître les API, ces interfaces utilisées pour faire communiquer les logiciels. Un serveur MCP peut s’appuyer sur elles, mais aussi accéder directement à des fichiers, à une base de données ou à des fonctions locales. Il peut, par exemple, exploiter l’API d’un agenda pour proposer à l’assistant de rechercher un rendez-vous, de consulter un événement ou de créer une réunion, en précisant les paramètres nécessaires à chaque action.

L’intérêt est évident pour les développeurs, qui évitent de reconstruire entièrement chaque intégration. Mais l’utilisateur peut aussi y gagner, car un même service devient théoriquement plus facile à connecter à plusieurs assistants compatibles.

Théoriquement, car une norme commune n’efface pas les différences entre les applications ni les questions de permissions. Deux logiciels compatibles MCP ne proposeront pas nécessairement les mêmes fonctions.

Le MCP ne corrige pas à lui seul les erreurs de raisonnement d’un modèle. Il peut en revanche améliorer son efficacité en lui donnant accès aux bonnes données et aux bons outils. Encore faut-il que l’application orchestre correctement les opérations et que leurs résultats soient vérifiés.

Que se passe-t-il vraiment quand une IA utilise le MCP ?

Prenons une demande très simple : « Prépare ma réunion de demain avec le dernier compte rendu et le dossier client. »

Avec les bons accès, l’assistant peut rechercher le rendez-vous dans l’agenda, retrouver les fichiers correspondants, les consulter puis en tirer une synthèse. L’utilisateur n’a plus à ouvrir trois applications, copier leurs contenus et revenir les coller dans la conversation.

En coulisses, l’application qui héberge l’IA utilise un client MCP pour dialoguer avec un ou plusieurs serveurs MCP. Malgré son nom, ce serveur n’est pas nécessairement une grosse machine installée quelque part sur Internet. Il peut tout aussi bien s’agir d’un petit logiciel tournant directement sur votre ordinateur.

Lorsqu’un outil devient nécessaire, l’application lui transmet la demande et récupère le résultat avant de le remettre dans le contexte de l’IA.

Un serveur MCP peut essentiellement mettre trois types d’éléments à disposition. Les outils qui permettent d’agir ou d’effectuer une opération, comme rechercher une information ou modifier un fichier. Les ressources qui donnent accès à du contenu, par exemple un document ou une base de données. Les prompts, enfin, qui sont des modèles de consignes réutilisables pour certaines tâches.

Tout cela enrichit les informations dont dispose le modèle sans avoir besoin de le réentraîner. Mais attention, donner accès au bon document à une IA ne garantit pas qu’elle le comprendra correctement. Trouver l’information et en tirer la bonne conclusion restent deux problèmes différents.

Le MCP transforme-t-il un chatbot en agent autonome ?

C’est là que les choses deviennent intéressantes. Un chatbot traditionnel répond essentiellement avec les informations qu’il possède ou celles qu’on lui fournit. Avec des outils, il peut commencer à agir.

Un assistant pourrait ainsi consulter un compte rendu, identifier les tâches qui en découlent puis demander leur création dans votre logiciel de gestion de projet. Plusieurs opérations peuvent s’enchaîner si les outils et les permissions le permettent.

Le MCP ne décide cependant pas, à lui seul, jusqu’où cette autonomie peut aller. C’est l’application qui orchestre le modèle et ses outils qui fixe les règles, choisit quand solliciter une validation et peut bloquer certaines actions. Le protocole prévoit que l’utilisateur puisse garder la main, mais il n’impose pas un bouton de confirmation identique dans toutes les applications.

Il faut également éviter de confondre MCP et communication entre agents. Un autre standard, A2A pour Agent2Agent, travaille justement sur cette seconde question pour permettre à plusieurs agents de se découvrir, d’échanger et de se déléguer des tâches.

Les deux approches peuvent parfaitement cohabiter. Un agent peut consulter votre agenda grâce au MCP, puis confier une recherche spécialisée à un autre agent via A2A.

Faut-il savoir coder pour utiliser le MCP ?

Pas forcément, et c’est probablement le meilleur signe de sa maturation. Lorsqu’une intégration est déjà proposée dans un assistant, l’utilisateur peut ne jamais voir le moindre serveur MCP. Il choisit simplement un service, connecte son compte et valide les autorisations demandées. Toute la mécanique reste en coulisses.

Les outils locaux deviennent également plus accessibles. Claude Desktop permet, par exemple, d’installer certains serveurs sous forme d’extensions sans aller modifier manuellement des fichiers de configuration. Le terme « serveur MCP » ne signifie donc pas nécessairement qu’il faudra louer une machine ou ouvrir un terminal.

La difficulté remonte évidemment lorsque l’on veut connecter un logiciel interne, une base de données particulière ou un outil qui ne dispose d’aucune intégration prête à l’emploi. Il faut alors développer, héberger et maintenir le connecteur.

Dans une entreprise, l’utilisateur n’aura d’ailleurs pas toujours le dernier mot : les administrateurs peuvent décider quels services sont autorisés et avec quels droits.

Claude, ChatGPT, Gemini… Chacun son MCP

Le protocole MCP est commun, son utilisation beaucoup moins. Il faut surtout distinguer le modèle d’IA de l’application dans laquelle on s’en sert. Ce n’est pas parce qu’un éditeur prend en charge le MCP quelque part dans son écosystème que toutes ses applications donnent accès aux mêmes possibilités.

L’abonnement, la version du logiciel ou, encore, les politiques de l’entreprise peuvent également limiter certaines fonctions. Un joli logo MCP ne garantit donc pas que tout sera disponible partout.

Mais attention, OpenAI et Google n’ont pas attendu le MCP pour relier leurs IA à des outils. Le premier proposait déjà le Function Calling, tandis que le second disposait notamment de connexions avec Workspace. Le protocole lancé par Anthropic apporte une manière commune de présenter ces outils aux assistants, sans remplacer tous les mécanismes existants. OpenAI et Google l’ont d’ailleurs adopté eux aussi. Un standard partagé ne suffit cependant pas à rendre toutes les intégrations interchangeables. Après tout, ça reste de l’informatique.

Plus d’outils, mais aussi davantage de tokens

Brancher une IA à plusieurs services ne coûte pas uniquement du temps de développement. Il faut aussi transmettre au modèle les informations nécessaires pour qu’il sache quels outils existent et comment les utiliser. Et qui dit informations supplémentaires dit souvent davantage de tokens, ces unités avec lesquelles les modèles traitent les données.

La description d’un outil, ses paramètres et les résultats qu’il retourne peuvent occuper une partie non négligeable du contexte. Ajoutez des dizaines de services et plusieurs gros documents, et la facture peut rapidement grimper lorsque le modèle est facturé à l’usage. Les réponses peuvent également ralentir.

Connecter vingt outils « au cas où » n’a donc rien d’une optimisation. Les systèmes les plus élaborés cherchent plutôt les fonctions au moment où elles deviennent nécessaires et filtrent les informations avant de les transmettre. Inutile, par exemple, de faire avaler un immense tableur au modèle lorsque quelques lignes contiennent toute l’information recherchée.

Autre nuance importante : le MCP est un protocole ouvert, mais les services auxquels il donne accès ne sont pas nécessairement gratuits. Selon la configuration, des frais peuvent concerner le logiciel connecté, ses API, l’hébergement ou le modèle d’IA.

Enfin, l’enchaînement des appels peut également allonger le temps d’exécution, surtout lorsque chaque étape attend le résultat de la précédente. Le délai dépend alors du modèle, des services sollicités et du réseau, pas du seul protocole MCP.

Qui met vraiment les mains dans vos données ?

C’est probablement la question la plus importante avant de connecter un assistant à un serveur MCP. Un connecteur peut venir directement de l’éditeur du service, avoir été développé par votre entreprise ou provenir d’un tiers inconnu. La mention « compatible MCP » indique seulement qu’il sait parler le protocole. Ce n’est pas un label de sécurité ni une garantie que son code a été audité.

Il faut ensuite regarder ce qu’on lui autorise à faire. Lire un agenda est une chose ; pouvoir effacer tous les rendez-vous en est une autre. Le principe reste le même qu’avec n’importe quelle application. Il faut limiter les permissions au strict nécessaire, privilégier la lecture seule lorsqu’elle suffit et conserver une validation humaine pour les opérations sensibles.

Un second danger vient des données elles-mêmes. Un document récupéré par l’assistant peut contenir des instructions conçues pour manipuler son comportement. C’est le principe de l’injection de prompt. Un fichier malveillant pourrait, par exemple, tenter de convaincre l’IA d’envoyer certaines des informations en sa possession vers l’extérieur. Les protections de l’assistant comptent donc autant que celles du connecteur.

Et attention à une dernière confusion : un serveur MCP installé sur votre ordinateur ne signifie pas automatiquement que vos données ne quittent jamais la machine. S’il lit un document local avant d’en envoyer le contenu à un modèle fonctionnant dans le cloud, l’information a bien voyagé dans le cloud.

Il faut regarder la chaîne dans son ensemble, de l’écosystème IA aux applis en passant par le MCP. Ce dernier organise les échanges. Il ne remplace pas les règles de confidentialité des services utilisés ni un bon réglage des autorisations.

Un protocole destiné à disparaître derrière les usages ?

Le plus révélateur est peut-être que le MCP dépasse désormais largement Anthropic. En décembre 2025, Anthropic a fait don du MCP à l’Agentic AI Foundation, créée avec OpenAI et Block sous l’égide de la Linux Foundation. Ce cadre neutre doit favoriser l’adoption du standard par des entreprises pourtant concurrentes. La direction technique du projet reste assurée par ses mainteneurs.

Ses ambitions commencent d’ailleurs à dépasser le simple appel d’outils. Avec MCP Apps, un service peut faire apparaître un formulaire, une carte ou un tableau interactif directement dans un assistant. La conversation ne se contente alors plus de renvoyer du texte. Elle devient elle-même une interface vers les logiciels connectés.

Le protocole dispose déjà de mécanismes pour les tâches longues et les notifications. Les prochaines évolutions doivent mieux articuler ces fonctions et encadrer les autorisations des agents, notamment lorsqu’une IA continue à travailler alors que vous n’êtes plus devant votre écran.

À terme, le meilleur signe de réussite du MCP sera peut-être que plus personne ne parle de MCP. Nous verrons simplement apparaître un bouton « connecter » avant de demander à notre assistant d’aller chercher un fichier, vérifier un agenda ou agir dans une application.

Dans le film Tron de 1982, il fallait vaincre le MCP pour reprendre le contrôle. Pour son homonyme de l’ère de l’IA, il vaudrait mieux que ce contrôle soit prévu dès le branchement.