Blog

Serveur MCP : ce que c’est et à quoi il sert en entreprise

Intelligence artificielle · publié le 19 novembre 2026

Un serveur MCP est un programme qui donne à un assistant d’intelligence artificielle un accès contrôlé à un système : une base de données, un CRM, un CMS, un outil métier. Il décrit ce que l’assistant a le droit de lire et de faire, dans un format standard que Claude, ChatGPT, GitHub Copilot ou Cursor savent utiliser. MCP signifie Model Context Protocol.

Pour une entreprise, c’est la différence entre un assistant qui répond « de mémoire » et un assistant qui consulte vos vraies données, avec vos règles d’accès. Cet article explique le fonctionnement, les usages réalistes et les précautions à prendre.

Le problème que MCP résout

Un modèle de langage ne connaît que ce qu’il a appris et ce qu’on lui donne dans la conversation. Pour qu’il consulte un stock, un dossier client ou un planning, il faut un connecteur entre l’assistant et le logiciel.

Avant MCP, chaque assistant avait son propre format de connecteur. Relier trois assistants à cinq logiciels demandait jusqu’à quinze intégrations distinctes, à maintenir chacune. MCP inverse la logique : le logiciel expose un serveur MCP une fois, et tous les assistants compatibles peuvent s’y brancher. C’est le rôle qu’a joué l’USB pour les périphériques.

Le protocole a été publié en standard ouvert par Anthropic en novembre 2024, puis adopté par les principaux acteurs du secteur. En décembre 2025, Anthropic l’a confié à l’Agentic AI Foundation, une fondation hébergée par la Linux Foundation : il n’appartient plus à un seul éditeur.

Comment fonctionne un serveur MCP

Trois rôles se partagent le travail :

  • L’hôte : l’application dans laquelle l’utilisateur discute — Claude, ChatGPT, un éditeur de code, ou votre propre application.
  • Le client MCP : la partie de l’hôte qui dialogue avec un serveur donné.
  • Le serveur MCP : le programme placé devant votre logiciel, qui expose ses capacités et applique vos règles.

Un serveur expose trois types de capacités :

  • Des outils : des actions que le modèle peut décider d’appeler — « rechercher un client », « créer un brouillon d’article », « lister les commandes en retard ». Chaque outil a un nom, une description en langage naturel et des paramètres typés.
  • Des ressources : des contenus à lire — un document, une fiche, un schéma de base de données.
  • Des prompts : des instructions prêtes à l’emploi que l’utilisateur peut déclencher, par exemple « préparer le rapport hebdomadaire ».

Les échanges utilisent JSON-RPC, un format de messages simple. Un serveur peut tourner en local, sur le poste de l’utilisateur, ou à distance, sur un serveur web accessible en HTTP. Pour une entreprise, c’est presque toujours la seconde option : un serveur hébergé, protégé par une authentification, que plusieurs collaborateurs utilisent.

Ce qui se passe lors d’une question

Un collaborateur demande : « Quels articles du blog n’ont pas été mis à jour depuis un an ? ». L’assistant voit, parmi les outils disponibles, un outil « lister les articles » qui accepte un filtre de date. Il l’appelle, le serveur interroge la base, vérifie que l’utilisateur a le droit de lire ces données et renvoie la liste. L’assistant formule la réponse à partir de ce résultat, et non de sa mémoire.

Des usages réalistes en entreprise

Les projets qui fonctionnent ont un point commun : un périmètre précis, des données déjà structurées et un bénéfice mesurable. Quelques exemples :

  • Interroger un CMS ou un catalogue : repérer les fiches incomplètes, les contenus en doublon, les pages qui perdent du trafic.
  • Consulter un CRM ou un outil de gestion : préparer un rendez-vous client à partir de l’historique, sans ouvrir cinq écrans.
  • Croiser des sources : rapprocher les données d’audience, de référencement et de contenu dans une seule conversation.
  • Préparer plutôt qu’exécuter : créer un brouillon, une proposition de correction ou une suggestion de lien interne, qu’un humain valide ensuite.
  • Ouvrir un service à vos clients : permettre aux assistants de vos clients de consulter leurs commandes ou leur documentation chez vous.

Nous développons des serveurs MCP sur des CMS métier que nous avons construits : analyse des contenus publiés, audits de référencement, suivi d’audience. Le constat est constant : la valeur vient moins du modèle que de la qualité des données et de la précision des outils exposés.

Serveur MCP ou API : quelle différence ?

Un serveur MCP ne remplace pas votre API : il s’appuie généralement sur elle. La différence tient à son destinataire.

  • Une API est écrite pour des développeurs, qui lisent la documentation et codent chaque appel.
  • Un serveur MCP est écrit pour un modèle, qui choisit seul quel outil appeler à partir de sa description. La qualité de ces descriptions compte autant que le code.

Conséquence pratique : on n’expose pas toute l’API telle quelle. On sélectionne une dizaine d’outils utiles, nommés et décrits pour être compris sans ambiguïté, avec des paramètres limités. Un serveur qui expose deux cents points d’entrée bruts donne un assistant qui se trompe d’outil.

Sécurité : les précautions indispensables

Un serveur MCP donne à un programme la capacité d’agir sur vos systèmes. Les règles sont celles de toute ouverture d’accès, avec une contrainte de plus : l’appelant est un modèle qui peut être induit en erreur.

  • Authentifier chaque utilisateur, avec OAuth pour les serveurs distants, et appliquer ses droits réels : l’assistant ne doit jamais voir plus que la personne qui l’utilise.
  • Séparer lecture et écriture : des droits distincts, accordés séparément. Beaucoup de projets n’ont besoin que de la lecture.
  • Garder un humain dans la boucle pour toute action irréversible : publication, envoi, suppression, paiement.
  • Se méfier du contenu lu : un document ou un e-mail peut contenir des instructions malveillantes adressées au modèle. C’est l’injection de prompt ; on s’en protège en limitant ce que chaque outil peut faire, pas en espérant que le modèle résiste.
  • Journaliser les appels : qui a demandé quoi, quel outil a été appelé, avec quels paramètres.
  • Vérifier les serveurs tiers avant de les connecter : un serveur MCP trouvé en ligne exécute du code avec vos accès.

Construire son serveur MCP

Des kits de développement officiels existent notamment en TypeScript et en Python. La partie technique n’est pas la plus longue ; le travail porte surtout sur le choix de ce qu’on expose. Notre démarche habituelle :

  • Partir des questions réelles que se posent vos équipes, pas de la liste des tables de la base. C’est la même logique qu’un cahier des charges d’application mobile bien construit : les usages d’abord, la technique ensuite.
  • Définir cinq à quinze outils, avec des noms explicites, des descriptions précises et des paramètres contraints.
  • Brancher l’authentification et les droits existants plutôt que d’en créer de nouveaux.
  • Tester avec de vrais assistants et de vraies questions : c’est là qu’apparaissent les descriptions ambiguës et les résultats trop volumineux.
  • Déployer, superviser, ajuster à partir des journaux d’usage.

Pour un logiciel qui dispose déjà d’une API propre, un premier serveur utile se compte en jours ou en semaines, pas en mois. Sans API, il faut d’abord la créer — c’est souvent l’occasion d’assainir l’accès aux données.

Sources

Questions fréquentes

En bref.

Un serveur MCP remplace-t-il une API ?

Non. Il s’appuie généralement sur l’API existante et en présente une sélection, décrite pour être comprise par un modèle de langage.

Quels assistants sont compatibles avec MCP ?

La plupart des assistants et outils de développement majeurs le prennent en charge, dont Claude, ChatGPT, GitHub Copilot dans VS Code et Cursor. La liste s’allonge régulièrement ; vérifiez la compatibilité de l’outil utilisé par vos équipes.

Nos données partent-elles chez le fournisseur du modèle ?

Les résultats renvoyés par le serveur sont transmis au modèle pour qu’il formule sa réponse. C’est pourquoi on n’expose que ce qui est nécessaire, et qu’on choisit une offre dont les conditions excluent l’entraînement sur vos données.

Faut-il héberger le serveur en interne ?

Pas nécessairement. Il doit pouvoir joindre vos données et être joignable par l’assistant. Selon la sensibilité des données, il peut tourner dans votre infrastructure ou chez un hébergeur européen.

Un assistant peut-il modifier nos données via MCP ?

Seulement si le serveur expose des outils d’écriture et que l’utilisateur en a le droit. Nous recommandons de commencer en lecture seule, puis d’ajouter des actions de préparation validées par un humain.

Un projet sur ce sujet ?

Découvrez notre prestation Intégration de l’IA en entreprise, ou décrivez-nous votre besoin : réponse sous 48 h.

Discutons-en