Peu de technologies passent du projet d'un seul fabricant au standard industriel en douze mois. Le Model Context Protocol l'a fait : Anthropic l'a publié en novembre 2024, OpenAI l'a adopté en mars 2025, Google en avril, Microsoft l'a intégré dans Windows 11 en mai, et en décembre 2025, Anthropic l'a confié à la Linux Foundation avec plus de 10 000 serveurs publics actifs et 97 millions de téléchargements mensuels de ses SDK. Si votre entreprise envisage des agents d'intelligence artificielle qui accomplissent quelque chose d'utile — consulter votre ERP, mettre à jour votre CRM, lire vos bases de données —, MCP est la brique d'infrastructure qui le rend possible. Ce guide explique ce que c'est sans entrer dans le code, quels risques réels il comporte (ils existent, et avec un nom précis) et quand il est judicieux de l'adopter.
Qu'est-ce que le Model Context Protocol (MCP) ?
Le Model Context Protocol est un protocole ouvert qui standardise la façon dont les applications IA se connectent à des données et des outils externes — l'équivalent de l'USB-C pour l'intelligence artificielle : un connecteur universel plutôt qu'un câble propriétaire par appareil. Le problème qu'il résout est arithmétique. Sans standard, connecter 10 applications IA à 20 systèmes d'entreprise exige de construire et maintenir 200 intégrations sur mesure (N×M) ; avec MCP, chaque application parle le protocole une fois et chaque système expose un « serveur MCP » une fois : 30 pièces standard (N+M). Pour une entreprise, la conséquence pratique est que le chatbot, le copilote et l'agent que vous achetez ou construisez demain pourront réutiliser les mêmes connexions à vos systèmes, au lieu de repartir de zéro avec chaque fournisseur.
Comment ça fonctionne, sans entrer dans le code
L'architecture comporte trois éléments. Le host est l'application IA qu'utilise l'utilisateur (Claude, ChatGPT, un copilote interne). Le host inclut des clients MCP qui se connectent à des serveurs MCP : de petits programmes qui exposent un système précis — votre base de données, votre Slack, votre ERP — de façon à ce que le modèle puisse l'utiliser. Chaque serveur offre trois choses au modèle : des outils (actions qu'il peut exécuter : « créer une facture », « rechercher un client »), des ressources (données qu'il peut lire : documents, enregistrements) et des prompts (modèles de tâche préparés). La communication s'effectue sur un format standard (JSON-RPC), en local ou par réseau. L'analogie de bureau : le serveur MCP est un employé spécialisé qui sait gérer un système et traite les demandes de l'agent dans une langue commune — vous engagez le spécialiste une fois et n'importe quel agent de la maison peut travailler avec lui.
D'un protocole Anthropic à une infrastructure neutre : la chronologie
| Date | Étape clé |
|---|---|
| Novembre 2024 | Anthropic publie MCP comme standard ouvert |
| Mars 2025 | OpenAI l'adopte (Agents SDK, ChatGPT) |
| Avril 2025 | Google DeepMind annonce le support dans Gemini ; Google lance A2A (complémentaire) |
| Mai 2025 | Microsoft Build : MCP natif dans Windows 11, avec registre et exigences de sécurité |
| Décembre 2025 | Anthropic confie MCP à la Linux Foundation (Agentic AI Foundation), avec OpenAI et Block comme cofondateurs et le soutien de Google, Microsoft et AWS |
| Juillet 2026 | Nouvelle version de la spécification (28 juillet) : noyau sans état, MCP Apps, renforcement OAuth |
L'étape qui compte le plus pour une entreprise est celle de décembre 2025 : en passant à une fondation neutre sous la Linux Foundation, MCP a cessé d'être « le protocole d'Anthropic » pour devenir une infrastructure gouvernée par l'industrie — comme Kubernetes ou Linux en leur temps. Traduction pour les achats et l'architecture : le risque de parier sur un standard contrôlé par un seul fournisseur a disparu, et cette semaine même est publiée la prochaine version de la spécification, avec la fondation déjà aux commandes.
À quoi sert-il pour une entreprise ?
Les cas d'usage déjà en production se regroupent en trois familles. Agents avec accès aux systèmes internes : un agent de support qui consulte l'historique client dans le CRM, ouvre le ticket dans l'outil ITSM et rédige la réponse — trois serveurs MCP, un seul agent. Automatisation des opérations : des agents qui préparent des rapports en croisant la base de données financière avec les feuilles de temps, ou qui gèrent l'inventaire contre l'ERP. Productivité des équipes techniques et métier : les plus de 10 000 serveurs publics incluent des connecteurs pour GitHub, Slack, Stripe, les bases de données SQL ou le stockage en cloud, prêts à l'emploi. Le cas d'entreprise le plus cité est celui de Block (la maison mère de Square et Cash App) : son agent interne opère avec environ 60 serveurs MCP propriétaires pour 12 000 employés, avec des économies — déclarées par la société elle-même — de 50 à 75 % sur les tâches routinières. La leçon transposable n'est pas le chiffre, mais l'architecture : peu d'agents, beaucoup de connecteurs standard réutilisables.
Les risques à connaître avant de connecter quoi que ce soit
MCP connecte votre IA à vos systèmes, ce qui fait de chaque connexion une surface d'attaque. Les risques ont un nom et des recherches sérieuses derrière eux. Le tool poisoning (Invariant Labs, 2025 ; aujourd'hui catégorie propre dans l'OWASP Top 10 MCP) : un serveur malveillant dissimule des instructions dans les descriptions de ses outils pour manipuler le modèle. Le line jumping (Trail of Bits, 2025) : cette manipulation agit avant qu'un outil soit invoqué — le simple fait d'avoir un serveur malveillant connecté contamine déjà la conversation, contournant l'approbation humaine. Et les rug pulls : un serveur légitime qui change de comportement après avoir gagné la confiance. Les défenses qui sont déjà pratique standard en 2026 : liste blanche de serveurs approuvés (refus par défaut), passerelle MCP centralisée qui audite tout le trafic des agents, identité avec OAuth et permissions minimales par outil, et approbation humaine obligatoire pour les actions destructrices. Si vos agents touchent des données réglementées, rappelez-vous également que les obligations de haut risque de l'AI Act européen sont applicables depuis le 2 août 2026 — la passerelle et ses journaux d'audit sont exactement le type de contrôle qu'on vous demandera.
Les limites honnêtes : quand MCP n'est pas la réponse
Deux nuances que l'enthousiasme omet souvent. Premièrement, le coût de contexte : chaque outil connecté décrit son schéma au modèle, et 20 à 30 outils peuvent consommer 15 à 30 Ko de contexte avant le premier message de l'utilisateur — plus d'outils n'est pas toujours meilleur agent ; c'est plus de coût et plus de distraction pour le modèle. Anthropic lui-même propose comme atténuation que les agents exécutent du code contre les API plutôt que d'invoquer des dizaines d'outils MCP directement. Deuxièmement, tout n'a pas besoin d'un agent : si le flux est déterministe — chaque jour, même rapport, mêmes étapes —, une automatisation classique (RPA, scripts, intégrations natives) est moins chère, plus rapide et plus prévisible. MCP brille quand il y a décision et langage en jeu ; il ne remplace pas l'intégration traditionnelle, il la complète.
MCP et A2A : la carte des standards de l'ère des agents
La question habituelle : MCP et A2A sont-ils en concurrence ? Non — ils se partagent le travail. MCP connecte un agent avec des outils et des données (vertical) ; A2A connecte des agents entre eux (horizontal), et depuis avril 2026, il dispose d'une version stable avec plus de 150 organisations impliquées, également sous la Linux Foundation. Dans une architecture d'entreprise mature, les deux coexisteront : vos agents parleront MCP avec vos systèmes et A2A entre eux. Pour une PME, la priorité claire en 2026 est MCP — c'est ce qui rend votre premier agent utile ; A2A vient quand vous en avez plusieurs.
Comment démarrer avec MCP dans votre entreprise
« L'erreur que nous voyons est de commencer par le catalogue : connecter vingt serveurs MCP parce qu'ils existent. Un bon déploiement commence à l'inverse — un cas d'usage, un agent, les deux ou trois systèmes que ce cas nécessite, et une passerelle avec liste blanche dès le premier jour. La sécurité ne s'ajoute pas après : elle fait partie de la conception », indique Alfons Marques, fondateur de Technova Partners.
Les étapes que nous recommandons :
- Choisissez un cas d'usage à retour mesurable (support, back-office, rapports) et identifiez les 2-3 systèmes nécessaires.
- Privilégiez les serveurs officiels ou construisez les vôtres pour les systèmes critiques ; pas de serveurs d'origine douteuse aussi pratiques soient-ils.
- Gouvernez dès le départ : liste blanche, passerelle avec journal d'audit, permissions minimales et approbation humaine pour les actions irréversibles.
- Mesurez et faites évoluer : si le premier agent démontre sa valeur, chaque connecteur MCP que vous construisez se réutilise dans le suivant — cette courbe de réutilisation est là où le standard porte ses fruits. Notre équipe d'agents IA pour entreprises conçoit exactement ce type d'architectures, du cas d'usage à la passerelle.
Si vous souhaitez d'abord comprendre la technologie de base, notre guide sur ce qu'est un LLM explique le moteur qui sous-tend tout agent.
Vous avez un cas d'usage clair mais pas l'architecture ? Dites-nous quels systèmes vous souhaitez connecter et nous vous proposons une conception avec la sécurité intégrée dès le premier jour.
Conclusion
Le Model Context Protocol a résolu le problème qui freinait les agents IA en entreprise — le coût N×M des intégrations — et en un an est devenu le standard de facto de toute l'industrie, aujourd'hui gouverné par une fondation neutre avec plus de 10 000 serveurs publics. Pour une entreprise française ou européenne, le message est double : l'infrastructure est désormais suffisamment mature et neutre pour construire dessus, et les risques — tool poisoning, line jumping — sont réels mais gérables avec liste blanche, passerelle et permissions minimales. Commencez par un cas d'usage, pas par le catalogue ; connectez peu et bien ; et laissez la réutilisation des connecteurs faire le reste.
Questions fréquentes sur le Model Context Protocol
Qu'est-ce que MCP en quelques mots ?
C'est un protocole ouvert — créé par Anthropic en 2024 et gouverné depuis décembre 2025 par la Linux Foundation — qui standardise la façon dont les applications IA se connectent à des données et des outils externes. Il fonctionne comme un connecteur universel : chaque système expose un « serveur MCP » une fois et n'importe quel agent compatible peut l'utiliser, éliminant les intégrations sur mesure pour chaque paire application-système.
MCP est-il uniquement d'Anthropic ou fonctionne-t-il avec ChatGPT et Gemini ?
Il appartient à toute l'industrie. OpenAI l'a adopté en mars 2025, Google DeepMind en avril et Microsoft l'a intégré dans Windows 11 en mai 2025. En décembre 2025, Anthropic a confié le protocole à l'Agentic AI Foundation de la Linux Foundation, avec OpenAI comme cofondateur et le soutien de Google, Microsoft et AWS. Les connecteurs MCP que vous construisez fonctionnent avec les agents de tous ces écosystèmes.
Est-il sûr de connecter mes systèmes à un agent IA via MCP ?
Cela peut l'être, avec les bonnes défenses. Les risques documentés — tool poisoning, line jumping, rug pulls — proviennent surtout de la connexion de serveurs MCP tiers non audités. La pratique standard en 2026 : liste blanche de serveurs approuvés, passerelle centralisée avec journal d'audit, permissions minimales par outil via OAuth et approbation humaine pour les actions destructrices. Avec des agents sur des données réglementées, ces contrôles vous alignent également avec les obligations de l'AI Act applicables depuis août 2026.
Quand vaut-il mieux ne PAS utiliser MCP ?
Quand le flux est entièrement déterministe — le même rapport, les mêmes étapes, chaque jour — une automatisation classique ou une intégration native est moins chère et plus prévisible. Et attention à l'excès : chaque outil connecté consomme du contexte modèle (20 à 30 outils peuvent représenter 15 à 30 Ko avant de commencer), donc connecter tout le catalogue dégrade l'agent plutôt que de l'améliorer. MCP apporte de la valeur quand il y a des décisions et du langage naturel dans le flux.
