Le Model Context Protocol est arrivé en novembre 2024, publié par Anthropic comme protocole ouvert. En deux ans, il s'est imposé comme standard de fait pour connecter les agents IA aux systèmes d'information de l'entreprise. Microsoft, OpenAI, et la majorité des acteurs de l'écosystème l'ont adopté. Pour une DSI qui prépare l'industrialisation de l'IA, c'est l'un des signaux les plus structurants de 2026.
Le MCP ne fait pas de bruit parce qu'il est technique et infrastructurel. Pourtant, les choix d'architecture qui se prennent aujourd'hui autour du MCP conditionnent la capacité de vos agents IA à accéder demain à vos données, vos outils et vos processus, sans réinventer la roue à chaque déploiement. Ce guide explique ce qu'est le MCP, ce qu'il change concrètement, et comment le positionner dans votre stratégie IA.
Le MCP est un protocole ouvert qui standardise la manière dont un modèle d'IA se connecte à des sources de données et à des outils externes. Avant le MCP, chaque intégration était spécifique : connecter ChatGPT à Salesforce demandait une implémentation sur mesure, connecter Claude à Microsoft 365 demandait une autre, et ainsi de suite. Résultat : une prolifération de connecteurs propriétaires, impossibles à maintenir à l'échelle.
Le MCP règle ce problème en proposant un contrat standard entre deux composants. D'un côté, les clients MCP : ce sont les applications IA (Claude Desktop, Cursor, VS Code, Claude Code, agents Copilot Studio selon les versions) qui veulent accéder à des ressources externes. De l'autre, les serveurs MCP : ce sont les connecteurs vers vos systèmes (Salesforce, SharePoint, Jira, bases de données, API internes). Tant que le serveur respecte la spécification MCP, il fonctionne avec n'importe quel client MCP. Fin du spaghetti d'intégrations.
L'analogie la plus claire est celle de l'USB. Avant l'USB, chaque périphérique avait son propre connecteur. Avec l'USB, n'importe quel périphérique compatible se branche sur n'importe quel ordinateur compatible. Le MCP est l'USB des systèmes IA.
Trois changements structurels méritent l'attention d'une direction qui pilote une transformation IA.
Le premier changement, c'est la portabilité des intégrations. Un serveur MCP développé pour connecter votre CRM à Claude fonctionnera demain avec tout autre agent IA compatible MCP. C'est une protection majeure contre l'enfermement propriétaire. Les investissements d'intégration deviennent des actifs durables, pas des coûts perdus liés à un fournisseur.
Le deuxième changement, c'est la qualité des agents IA. Un agent qui a accès à vos données métier temps réel via MCP produit des réponses incomparablement meilleures qu'un agent qui se limite aux connaissances génériques du modèle. Vous passez d'une IA qui "connaît le domaine de l'assurance" à une IA qui "connaît votre portefeuille de contrats, votre historique client et vos règles de souscription". L'écart de valeur business est considérable.
Le troisième changement, c'est la gouvernance. Le MCP formalise explicitement les permissions : quel client peut invoquer quel serveur, avec quelles autorisations, sur quelles données. Cette structuration rend auditables des usages qui, sans MCP, seraient opaques. Pour les enjeux de conformité, voir nos articles sur le RGPD appliqué à l'IA et la gouvernance IA en entreprise.
Un serveur MCP expose trois types de capacités à son client.
Les ressources sont des données que l'agent peut lire : documents, entrées de base, pages de wiki, résultats d'API. L'agent peut demander "donne-moi le document client 4521" et le serveur MCP répond avec le contenu.
Les outils sont des actions que l'agent peut déclencher : créer un ticket Jira, envoyer un email, exécuter une requête SQL, mettre à jour un champ CRM. L'agent appelle l'outil avec les paramètres pertinents et le serveur exécute l'action.
Les prompts sont des modèles de conversation prédéfinis, que le serveur propose au client pour guider certains cas d'usage. Un serveur MCP Salesforce peut par exemple exposer un prompt "qualifier ce lead" qui structure la conversation.
Côté utilisateur final, tout cela est invisible. Vous parlez à Claude ou à votre agent, et il accède automatiquement aux bonnes ressources et exécute les bons outils selon la tâche. La magie se joue dans le protocole, pas dans l'expérience utilisateur.
Trois approches coexistent aujourd'hui pour connecter un agent IA à des systèmes externes. Comprendre leurs différences permet de faire des choix architecturaux éclairés.
Les GPT Actions d'OpenAI permettent à un GPT personnalisé d'appeler des API externes via OpenAPI. C'est efficace pour des cas d'usage simples et ciblés, mais c'est propriétaire : une Action définie pour un GPT ne fonctionne pas ailleurs.
Les Copilot connectors de Microsoft permettent aux agents Copilot Studio d'accéder aux sources Microsoft Graph et à des sources tierces. C'est performant dans un environnement Microsoft 365 homogène, moins adapté hors écosystème Microsoft.
Le MCP est ouvert et indépendant du fournisseur. Il s'impose dans les organisations qui veulent éviter l'enfermement et garder la capacité de faire évoluer leur stack IA. La tendance 2026 est claire : Microsoft et OpenAI intègrent progressivement le MCP dans leurs propres produits, ce qui confirme le statut de standard.
Notre recommandation pour les grands comptes : considérer le MCP comme standard par défaut pour les nouvelles intégrations, et utiliser Copilot connectors ou GPT Actions quand ils offrent un avantage spécifique ponctuel. Pour approfondir l'arbitrage entre écosystèmes, voir notre article sur Copilot Studio et sur les GPTs personnalisés.
Les déploiements MCP que nous voyons aujourd'hui chez les grands comptes se regroupent en quatre familles.
Un serveur MCP connecté à SharePoint, Confluence ou votre wiki interne permet à Claude ou à tout agent compatible d'interroger le patrimoine documentaire de l'entreprise en langage naturel, avec citation des sources. C'est le cas d'usage le plus répandu et le plus rapide à mettre en place.
Des serveurs MCP pour Salesforce, HubSpot, SAP ou Dynamics donnent à vos agents un accès structuré aux données commerciales et opérationnelles. Un commercial peut demander "résume les 5 dernières interactions avec le compte Danone" et l'agent répond instantanément avec un synthèse à jour.
Au-delà de la lecture, les serveurs MCP permettent l'exécution d'actions : création de devis, mise à jour de statut, notification d'équipe. C'est le passage de l'agent informatif à l'agent exécutif. Pour aller plus loin sur l'automatisation, voir notre article sur Make et les plateformes d'automatisation.
Le MCP est particulièrement adopté dans les outils de développement : serveurs MCP pour GitHub, Jira, bases de données, terminaux. Les développeurs utilisent Claude Code ou Cursor avec des dizaines de serveurs MCP configurés, transformant radicalement leur productivité. Cette vague technique précède souvent l'adoption business.
Le MCP n'est pas un standard magique. Plusieurs points doivent être anticipés avant un déploiement en production.
La sécurité des serveurs MCP est un sujet de premier plan. Un serveur MCP qui accède à vos données sensibles doit être hébergé dans votre infrastructure, authentifié, et journalisé. Les serveurs MCP publics développés par des tiers ne conviennent pas aux contextes réglementés. La question du hosting (on-premise vs cloud souverain vs cloud public) est à trancher avant le premier déploiement. Voir notre article sur l'IA souveraine.
La maturité de l'écosystème varie fortement selon les systèmes. Les serveurs MCP officiels pour GitHub, Slack ou Postgres sont solides. Pour des systèmes métier plus spécifiques, vous devrez souvent développer votre propre serveur MCP. Ce n'est pas un travail lourd pour une équipe expérimentée, mais ce n'est pas non plus une commodité.
La gestion des permissions entre le serveur MCP et les systèmes sous-jacents est un enjeu technique réel. Un serveur MCP qui a les pleins pouvoirs sur votre CRM est un risque. La bonne pratique est de créer un compte technique dédié par serveur MCP, avec le minimum de droits nécessaires à son usage.
Enfin, la coordination avec vos Skills ou agents existants demande de la réflexion. Un déploiement cohérent combine souvent Claude Skills pour la capitalisation des compétences métier et serveurs MCP pour l'accès aux données et outils. Les deux approches sont complémentaires. Pour approfondir, voir notre article sur Claude Skills pour les entreprises.
Quatre étapes structurent un déploiement MCP réussi.
Étape 1. Cartographier les systèmes prioritaires. Listez les 5 à 10 systèmes qui, connectés à vos agents IA, auraient le plus fort impact business. Typiquement : base documentaire, CRM, ERP, systèmes de ticketing, outils métier spécifiques. Priorisez par ratio valeur sur effort d'intégration.
Étape 2. Identifier les serveurs MCP disponibles. Anthropic et la communauté maintiennent une liste croissante de serveurs MCP officiels. Pour Microsoft 365, Google Workspace, Salesforce, GitHub, Slack et Postgres, les serveurs existent. Pour vos systèmes plus spécifiques, évaluez l'effort de développement d'un serveur sur mesure.
Étape 3. Définir la gouvernance des serveurs MCP. Qui peut déployer un serveur MCP ? Qui autorise l'accès à quelles données ? Quelles journalisations sont requises ? Ces questions sont proches de celles qu'on se pose pour n'importe quel middleware critique. Traitez-les avec le même sérieux.
Étape 4. Commencer par un pilote à périmètre maîtrisé. Un serveur MCP connecté à votre base documentaire interne est un excellent premier pas. Périmètre clair, valeur immédiate, risque faible. Capitalisez sur ce pilote pour cadrer votre approche avant d'étendre à des systèmes plus sensibles.
Le MCP est l'une des briques les plus structurantes des architectures IA 2026. Faire les bons choix maintenant conditionne votre agilité IA pour les prochaines années. Almera accompagne les directions générales et DSI grands comptes dans ces arbitrages, du diagnostic d'architecture IA au déploiement d'agents IA métiers connectés à vos systèmes. Nos clients incluent Eli Lilly, Havas, Carrefour, Orange et Eiffage.
Réservez un diagnostic IA de 30 minutes pour évaluer le potentiel MCP dans votre contexte et identifier les premiers cas d'usage prioritaires. Sans engagement, juste un échange opérationnel avec un cabinet qui déploie l'IA à l'échelle.
Le MCP n'est ni une feature, ni un produit. C'est un protocole, et c'est précisément ce qui en fait sa force. Les entreprises qui l'adoptent aujourd'hui investissent dans une infrastructure réutilisable, interopérable et pérenne. Celles qui restent sur des intégrations propriétaires empileront des dettes techniques qu'elles devront résorber demain.
Le bon réflexe n'est pas de tout basculer sur MCP du jour au lendemain. C'est de faire du MCP le standard par défaut pour toute nouvelle intégration IA, et de réévaluer progressivement les intégrations existantes. C'est cette discipline architecturale qui distingue les organisations qui pilotent leur transformation IA de celles qui la subissent.
