MCP : le standard qui connecte l'IA à vos outils

Quand je mets en place une automatisation IA, le plus gros du travail n'a longtemps pas été l'IA elle-même. C'était la plomberie : connecter le modèle à votre CRM, à votre agenda, à votre base de devis, à vos fichiers. Chaque outil avait sa propre logique, ses propres clés d'accès, sa propre façon de répondre. Une intégration sur mesure par outil, à refaire en partie dès qu'on changeait de modèle d'IA.

Le MCP, pour Model Context Protocol, règle exactement ce problème. C'est un standard ouvert qui décrit une manière unique de présenter un outil à un modèle d'IA. Vous exposez votre outil une seule fois, via ce qu'on appelle un serveur MCP, et tout modèle compatible sait alors s'en servir : lire une fiche client, créer un rendez-vous, chercher un document, déclencher une action.

L'analogie qui parle le mieux à mes clients, c'est la prise électrique. Avant, chaque appareil avait son branchement propriétaire. Avec une prise standard, vous câblez le mur une fois, et vous rebranchez ce que vous voulez sans toucher à l'installation.

Vous n'avez pas à comprendre le protocole pour en profiter, pas plus que vous n'avez besoin de connaître le fonctionnement du HTTP pour consulter un site. Ce qui compte, c'est l'effet sur vos projets d'automatisation.

Avant le MCP, une automatisation un peu ambitieuse coûtait cher parce que chaque connexion était spécifique, et fragile parce qu'un changement d'outil ou de modèle obligeait à refaire une partie du travail. Après, vous capitalisez : un outil branché une fois reste réutilisable par tous vos scénarios IA, et changer de modèle ne casse plus vos intégrations.

Pour un dirigeant, le MCP devient surtout un critère de décision. Quand on vous propose une solution d'automatisation, posez la question : repose-t-elle sur un standard ouvert, ou sur une intégration propriétaire qui sera difficile à faire évoluer dans deux ans ? La réponse en dit long sur la dette technique que vous achetez.

Inutile de tout réarchitecturer. La bonne porte d'entrée, c'est un besoin réel et limité. On part d'une tâche qui revient souvent et qui consomme du temps, puis on identifie le ou les outils concernés.

Pour beaucoup d'outils courants, des serveurs MCP prêts à l'emploi existent déjà : fichiers, bases de données, certains SaaS. Le paramétrage se compte alors en heures. Pour un outil interne sans connecteur existant, il faut développer un petit serveur MCP dédié, généralement une à trois journées de travail. On orchestre ensuite l'ensemble avec un modèle comme Claude et, au besoin, une plateforme d'automatisation type Make ou n8n pour déclencher les scénarios.

Deux principes que je tiens à chaque mise en place : commencer en lecture seule pour observer le comportement avant d'autoriser des actions d'écriture, et définir un périmètre de données précis plutôt que de tout exposer. On élargit ensuite, étape par étape, une fois la confiance établie.

Griesser France conçoit et distribue des solutions de protection solaire (stores, volets, pergolas). Ses équipes commerciales et son service support passaient un temps considérable à retrouver la bonne information produit : références, compatibilités, délais, documentation technique éparpillée entre plusieurs systèmes.

Nous avons exposé deux briques internes via des serveurs MCP : le catalogue produits et la base documentaire technique. Un assistant interne, appuyé sur un modèle d'IA, peut désormais interroger ces sources directement, en langage naturel, et formuler une réponse sourcée plutôt que de renvoyer les équipes vers dix onglets différents.

Le choix du MCP n'était pas un caprice technique. Il garantissait deux choses qui comptaient pour la direction : le catalogue n'est branché qu'une fois et reste réutilisable pour de futurs scénarios (génération de fiches, aide à la configuration), et l'entreprise n'est pas liée à un modèle d'IA unique si elle souhaite en changer plus tard. On a démarré en lecture seule, sur un périmètre produit restreint, avant d'élargir progressivement.

Pour le cadrage du modèle d'IA à brancher derrière, voir aussi le comparatif Claude vs ChatGPT vs Mistral.