Mais au fait, c’est quoi le Model Context Protocol (MCP) ?

Créé par Anthropic et adopté par Google, OpenAI et bien d’autres, le protocole MCP connecte les modèles d’IA aux outils externes de votre quotidien. Décryptage.

Le MCP ouvre la voie à l'avènement des agents IA. © Andrii - stock.adobe.com

Sommaire

Les modèles de langage alimentant ChatGPT, Claude ou Gemini sont capables de rédiger, analyser et synthétiser avec une efficacité croissante. Mais ils partagent une limite fondamentale au sujet de leurs connaissances. Celles-ci s’arrêtent à leur date d’entraînement et ils ne peuvent pas, seuls, interroger une base de données, consulter un agenda ou déclencher une action dans un logiciel tiers. C’est précisément ce verrou que le Model Context Protocol (MCP) entend faire sauter.

Un langage commun entre l’IA et les outils externes

Le MCP est un protocole open source introduit par Anthropic (créateur de Claude) en novembre 2024. Son rôle est de fournir un standard universel pour que les modèles d’IA puissent se connecter à des sources de données et des outils externes (bases de données, CRM, services cloud, plateformes collaboratives…) de manière unifiée et sécurisée.

Pour comprendre l’intérêt, il faut se figurer le problème qu’il résout. Avant le MCP, chaque connexion entre un modèle d’IA et un service externe nécessitait un connecteur sur mesure. Multiplié par le nombre de modèles et d’outils du marché, cela créait un casse-tête d’intégration que les développeurs qualifient de « problème N×M » : N modèles à connecter à M outils, avec autant de connecteurs spécifiques à construire et maintenir. Le MCP remplace cette mécanique par une interface unique, souvent comparée à un « USB-C de l’IA », formant un seul standard de branchement, compatible avec tous les appareils.

Depuis son lancement, le protocole a été adopté par les principaux acteurs du secteur. OpenAI, Google, Microsoft, mais des plateformes comme Figma, Replit, Sourcegraph et bien d’autres l’ont intégré à leurs environnements, ce qui en fait aujourd’hui un standard de facto dans l’écosystème IA.

Comment fonctionne le MCP concrètement

L’architecture du MCP repose sur trois composants :

L’hôte : c’est l’application dans laquelle tourne le modèle d’IA (un chatbot, un IDE, un assistant intégré).
Le client MCP : il est intégré à cet hôte, traduit les requêtes du modèle dans le langage du protocole.
Le serveur MCP : côté service externe, il reçoit ces requêtes et y répond.

Prenons un exemple concret. Vous demandez à un assistant IA : « Trouve le dernier rapport de ventes dans notre base de données et envoie-le à mon manager. » Le modèle, seul, ne sait pas faire ça. Mais grâce au MCP, il identifie deux outils disponibles (un connecteur base de données et un outil d’envoi d’email), interroge le premier pour récupérer le rapport, puis sollicite le second pour l’expédier. Tout cela via un échange standardisé, sans que le développeur ait eu à coder un connecteur spécifique pour chaque service, ou que l’utilisateur ait à opérer d’autres actions.

Ce fonctionnement distingue le MCP d’une autre approche connue, la RAG (Retrieval-Augmented Generation), qui se limite à injecter des documents dans le contexte du modèle. Le MCP va plus loin, car il ne se contente pas seulement de fournir de l’information, il permet au modèle d’agir (envoyer un message, créer un événement, modifier un fichier…).

MCP et RAG, quelle différence ?

La RAG (Retrieval-Augmented Generation) permet à un modèle d’IA de consulter des documents pour enrichir ses réponses. Le MCP va plus loin : il ne se contente pas de fournir de l’information au modèle, il lui permet d’agir (envoyer un e-mail, interroger une base de données, créer un événement dans un agenda). La RAG enrichit les réponses, le MCP permet aussi d’agir.

Ce que ça change pour les utilisateurs professionnels de l’IA

Pour les professionnels du digital et utilisateurs de l’IA, le MCP n’est pas un énième acronyme technique à connaître par cœur. C’est plutôt un changement d’infrastructure qui va modifier la manière dont les outils IA s’intègrent à leur quotidien.

À court terme, le protocole rend les assistants IA plus utiles. Un community manager peut demander à son IA de planifier des publications en interrogeant directement son outil de programmation social media. Un chef de projet peut faire analyser les données de son tableau de bord sans export manuel. Un marketeur peut automatiser la mise à jour de ses reportings en connectant son modèle à ses sources de données.

À plus long terme, le MCP accélère l’avènement des agents IA, ces systèmes capables d’enchaîner des actions de façon autonome pour accomplir des tâches complexes. C’est d’ailleurs la raison pour laquelle Google, OpenAI et Anthropic investissent massivement dans ce standard. Il constitue en effet la brique de base de cette nouvelle génération d’outils.