Qu'est-ce que MCP ? Le protocole qui connecte l'IA à vos données

Vous avez sûrement déjà essayé. Ouvrir ChatGPT ou Claude, poser une question sur votre entreprise. « Quel est mon meilleur client ce trimestre ? » « Où en est le ticket #4821 ? » « Combien de factures impayées au 31 mars ? »

La réponse est toujours la même : l’IA invente. Elle génère des chiffres crédibles, cite des noms plausibles, construit un raisonnement impeccable. Sauf que tout est faux. Parce qu’elle n’a accès à rien. Ni à votre CRM, ni à votre ERP, ni à vos tickets, ni à vos fichiers.

Le vrai levier de l’IA en entreprise n’est pas le modèle. Ce n’est pas la taille du réseau de neurones ni le nombre de paramètres. C’est la connexion aux données. Un modèle brillant sans contexte reste un générateur de fiction. Un modèle correct branché sur vos outils métier devient un assistant opérationnel.

C’est précisément le problème que MCP résout.

MCP : une prise universelle entre l’IA et vos outils

MCP (Model Context Protocol) est un protocole ouvert, initié par Anthropic fin 2024. Son rôle : standardiser la manière dont les agents IA se connectent aux systèmes externes.

Pour comprendre le problème qu’il résout, pensez aux chargeurs de téléphone d’il y a dix ans. Chaque marque avait le sien : un câble différent pour Samsung, un autre pour Nokia, un autre pour Apple. Puis l’USB-C est arrivé : un connecteur unique, universel. Tout le monde y gagne.

MCP fait la même chose pour l’IA. Avant MCP, connecter un agent IA à un outil nécessitait une intégration sur mesure pour chaque combinaison (modèle × outil). Avec MCP, n’importe quel agent compatible peut découvrir et utiliser n’importe quel serveur MCP. Un protocole, une interface, zéro intégration custom.

L’adoption accélère

Anthropic a lancé MCP et l’intègre nativement dans Claude Desktop, Claude Code et l’API Claude
Google a adopté le standard pour ses agents Gemini
Les éditeurs d’IDE suivent : Cursor, Windsurf, VS Code, JetBrains supportent tous MCP
L’écosystème open source compte déjà des milliers de serveurs MCP publiés

MCP n’est pas un projet de recherche. C’est un standard de production, déployé aujourd’hui par les plus grands acteurs de l’IA.

Comment ça marche concrètement

Le principe est simple. Un serveur MCP expose un ensemble d’outils (tools) que les agents IA peuvent découvrir et appeler. Le tout repose sur JSON-RPC 2.0 transporté par HTTP : un protocole léger, sans état, universellement supporté.

La communication suit trois étapes :

Découverte. L’agent appelle tools/list pour savoir ce que le serveur propose.
Compréhension. Chaque outil est décrit par un nom, une description en langage naturel et des paramètres typés. L’agent sait quoi appeler et comment.
Exécution. L’agent appelle tools/call avec les bons arguments et reçoit une réponse structurée.

Voici à quoi ressemble un appel de découverte :

curl -X POST https://exemple.fr/mcp \
  -H "Content-Type: application/json" \
  -d '{
    "jsonrpc": "2.0",
    "id": 1,
    "method": "tools/list"
  }'

Le serveur répond avec la liste de ses outils, leurs descriptions et leurs paramètres. L’agent peut alors choisir le bon outil et l’appeler :

curl -X POST https://exemple.fr/mcp \
  -H "Content-Type: application/json" \
  -d '{
    "jsonrpc": "2.0",
    "id": 2,
    "method": "tools/call",
    "params": {
      "name": "search_invoices",
      "arguments": {
        "status": "unpaid",
        "since": "2026-01-01"
      }
    }
  }'

La différence fondamentale avec une API REST classique : MCP est conçu pour la découverte automatique. Une API REST nécessite de lire la documentation, d’écrire du code d’intégration, de gérer les cas d’erreur manuellement. Avec MCP, l’agent IA lit la description des outils et décide seul lequel appeler. Pas de documentation à maintenir, pas de SDK à distribuer.

Les trois primitives de MCP

MCP définit trois types de capacités qu’un serveur peut exposer. Chacune répond à un besoin différent :

Tools

Actions

Des fonctions que l’agent peut appeler : rechercher un client, créer un ticket, interroger un catalogue, générer un devis. C’est la brique la plus utilisée.

Resources

Données

Des sources de données que l’agent peut lire : fichiers, bases documentaires, configurations, logs. L’agent consomme l’information sans modifier le système.

Prompts

Templates

Des modèles de requêtes préconfigurés que l’agent peut proposer à l’utilisateur. Par exemple : « Résumer le dernier rapport mensuel » ou « Préparer un brief client ».

En pratique, la plupart des serveurs MCP commencent par exposer des tools. C’est le point d’entrée le plus naturel : donner à l’IA la capacité d’agir dans votre système.

Au-delà du site web : connecter l’entreprise

On associe souvent MCP à l’idée de rendre un site web lisible par les agents IA. C’est un cas d’usage réel (nous l’avons fait sur datacampus.fr), mais c’est loin d’être le seul. Et ce n’est même pas le plus intéressant.

L’IA devient vraiment puissante quand elle accède à l’ensemble des outils d’une organisation. Quelques exemples concrets :

CRM

Préparer un rendez-vous client

« Prépare-moi un briefing pour mon rendez-vous avec Acme Corp demain. » L’agent interroge le CRM, récupère l’historique des échanges, le CA, les tickets ouverts et synthétise le tout en 30 secondes.

Helpdesk

Assister le support technique

Un ticket arrive. L’agent lit le contenu, consulte la base de connaissances, vérifie si le problème est connu et propose une réponse qualifiée au technicien. Le support passe de réactif à assisté.

ERP

Interroger la comptabilité

« Quel est le CA du T1 par catégorie de service ? » Plus besoin d’ouvrir Dolibarr, de naviguer dans les menus et d’exporter un CSV. L’agent interroge directement les données et répond.

Docs

Chercher dans la documentation

« Quelle est la procédure pour provisionner un nouveau VPS ? » L’agent cherche dans vos wikis, Nextcloud, Confluence ou GitLab. La connaissance de l’entreprise devient accessible en langage naturel.

Ce qui change fondamentalement : l’IA ne génère plus de fiction. Elle travaille avec des données réelles, en temps réel, dans le périmètre que vous définissez.

Et la souveraineté dans tout ça ?

Connecter l’IA à vos données métier pose une question essentielle : qui contrôle la passerelle ?

Si votre serveur MCP tourne sur l’infrastructure d’un éditeur américain, vos données transitent par ses serveurs. Vos requêtes, vos réponses, votre contexte métier. C’est exactement le problème que la souveraineté numérique cherche à résoudre, et MCP ne fait pas exception.

Les bonnes questions à se poser :

Où tourne le serveur MCP ? Sur votre infra, chez un hébergeur français, ou chez un hyperscaler US ?
Quelles données sont exposées ? Le périmètre doit être explicit et contrôlé, pas implicite.
Qui peut appeler le serveur ? Authentification, contrôle d’accès, journal d’audit.
Les requêtes sont-elles journalisées ? Traçabilité de ce que l’IA a consulté et quand.

L’avantage de MCP est qu’il est un protocole ouvert. Vous pouvez héberger votre serveur où vous voulez, sur votre propre infrastructure, avec votre propre stack. Pas de dépendance à un éditeur, pas de lock-in, pas de données qui sortent de votre périmètre sans votre contrôle.

Pourquoi c’est un sujet maintenant

MCP existe depuis fin 2024, mais c’est en 2025-2026 que l’écosystème a vraiment décollé. Plusieurs signaux convergent :

Les agents IA deviennent opérationnels. Ils ne se contentent plus de répondre à des questions : ils naviguent, comparent, exécutent des tâches. Pour agir, ils ont besoin d’accéder à des systèmes réels. MCP est la porte d’entrée.
L’industrie converge sur un standard. Quand Anthropic et Google adoptent le même protocole, quand tous les IDE majeurs le supportent, ce n’est plus un pari technologique. C’est une infrastructure.
L’écosystème open source explose. Des registres publics référencent des milliers de serveurs MCP. Des SDKs existent en Python, TypeScript, Go, Java, PHP. Construire un serveur MCP prend quelques heures, pas quelques mois.
Les entreprises qui s’y préparent maintenant prennent de l’avance. C’est la même logique que le SEO en 2005 ou le mobile en 2010. Ceux qui attendent que « ce soit mature » arrivent quand les positions sont prises.

Ce que ça change pour votre entreprise

Connecter un agent IA à un site web, c’est un premier pas. Le connecter à l’ensemble des outils d’une entreprise (CRM, ticketing, ERP, base documentaire) avec le bon niveau de contrôle et de sécurité, c’est là que tout change.

L’IA cesse d’être un gadget conversationnel. Elle devient un collaborateur opérationnel qui comprend votre contexte, accède à vos données et agit dans vos outils. Le tout via un protocole ouvert, standardisé, que vous contrôlez.

Chez Datacampus, on y travaille activement. On vous en reparle très bientôt.

En attendant, si le sujet vous intéresse : nous avons déjà déployé un serveur MCP sur datacampus.fr pour rendre nos offres interrogeables par les agents IA. Et notre page Intelligence Artificielle détaille l’ensemble de notre approche.

Pierre