MCP — Model Context Protocol — est une norme ouverte qui permet aux assistants IA de se connecter à des outils, données et services externes via une interface universelle unique. Imaginez-la comme un USB-C pour l’IA : au lieu que chaque application IA ait besoin d’un connecteur personnalisé pour chaque outil, MCP fournit un protocole unique qui fonctionne partout.
Si vous avez utilisé l’application de bureau de Claude et l’avez connectée à votre Google Drive, vous avez déjà utilisé MCP. Si vous avez vu des outils de codage IA comme Cursor ou Claude Code récupérer des données en direct depuis GitHub — c’est aussi MCP. Le protocole a été lancé en novembre 2024 et d’ici mi-2026, il est devenu la norme standard pour connecter l’IA au monde réel.
Ce guide explique ce qu’est MCP, pourquoi cela compte même si vous n’êtes pas développeur, et comment cela change les outils que vous utilisez déjà.
Pourquoi MCP existe-t-il ?
Avant MCP, chaque intégration IA était une construction sur mesure. Vous voulez que ChatGPT lise vos messages Slack ? Quelqu’un devait créer un plugin spécifique à Slack. Vous voulez que Claude interroge votre base de données ? Quelqu’un devait écrire un connecteur personnalisé. Vous voulez que Gemini accède à votre Google Drive ? Google devait construire cette intégration de zéro.
Cela créait ce que les ingénieurs appellent le « problème N×M ». Si vous avez 10 applications IA et 50 outils, vous avez besoin de 500 intégrations personnalisées. Chaque nouveau modèle IA signifie 50 intégrations de plus. Chaque nouvel outil signifie 10 de plus. Ça ne scale pas.
MCP réduit cela à « N+M ». Créez un serveur MCP pour votre outil, et il fonctionne avec toutes les applications IA qui parlent MCP. Intégrez un client MCP dans votre application IA, et elle se connecte à tous les outils compatibles MCP. Dix applications IA plus 50 outils ne nécessitent que 60 implémentations, pas 500.
L’analogie qui parle à la plupart des gens : avant USB-C, chaque téléphone avait un chargeur différent. Chaque appareil photo avait un câble différent. USB-C a rendu un seul câble compatible avec tout. MCP fait la même chose pour les connexions IA-outil.
Comment MCP fonctionne-t-il ?
MCP repose sur trois rôles qui collaborent :
L’Hôte est votre application IA — Claude Desktop, ChatGPT, Cursor, ou toute app avec un assistant IA. L’hôte est ce avec quoi vous interagissez. Il exécute un client MCP qui gère la communication avec les serveurs.
Le Serveur est un petit programme qui se connecte à un outil ou une source de données spécifique. Il existe un serveur MCP pour GitHub, un pour Slack, un pour Google Drive, un pour PostgreSQL, et des centaines d’autres. Chaque serveur expose les capacités de son outil de manière standardisée.
Le Protocole est le langage qu’ils utilisent. Il est basé sur JSON-RPC 2.0 (un format de messagerie simple et établi). L’hôte demande « que peux-tu faire ? » et le serveur répond avec ses outils, ressources et templates de prompts disponibles.
Quand vous demandez à Claude « montre-moi les 10 derniers messages Slack dans #engineering », voici ce qui se passe : le client MCP de Claude contacte le serveur MCP Slack, découvre qu’il a un outil « lire les messages », l’appelle avec vos paramètres, reçoit les messages, et vous les présente en langage naturel. Vous ne voyez jamais le protocole — vous obtenez juste la réponse.
Quels sont les outils, ressources et prompts dans MCP ?
Chaque serveur MCP peut exposer trois types de capacités :
Les outils sont des actions que l’IA peut effectuer — envoyer un message, créer un fichier, exécuter une requête de base de données, ouvrir une pull request. Les outils sont les « mains » de l’IA. Chaque outil a un nom, une description, et des entrées/sorties définies pour que l’IA sache comment l’utiliser correctement.
Les ressources sont des données que l’IA peut lire — un document, une ligne de base de données, l’état actuel d’un ticket Jira, un fichier de log. Les ressources fournissent du contexte. L’IA peut récupérer des informations pertinentes avant de générer une réponse, rendant les réponses ancrées dans des données réelles plutôt que dans les seules connaissances d’entraînement.
Les prompts sont des templates réutilisables proposés par le serveur — « résume cette PR », « rédige une mise à jour standup à partir de ces commits », « analyse ce log d’erreur ». Ils codent les meilleures pratiques pour des tâches spécifiques afin que vous n’ayez pas à écrire le prompt de zéro à chaque fois.
Pas tous les serveurs exposent les trois. Un serveur en lecture seule comme une recherche dans la documentation pourrait n’offrir que des ressources. Un serveur GitHub propose des outils (créer un issue, merger une PR), des ressources (lire le contenu d’un fichier), et des prompts (résumer les changements d’une PR).
--- 📬 Vous en tirez de la valeur ? Nous publions une plongée approfondie par semaine sur les outils et workflows IA. Rejoignez les lecteurs qui la reçoivent dans leur boîte mail → ---Qui utilise MCP aujourd’hui ?
À mi-2026, MCP a été adopté par toutes les grandes plateformes IA :
Anthropic a créé MCP et l’utilise nativement dans Claude Desktop et Claude Code. Quand vous connectez Claude Desktop à votre système de fichiers, Google Drive, ou GitHub, c’est MCP qui tourne en arrière-plan.
OpenAI a ajouté le support MCP à ChatGPT début 2026. Les intégrations d’applications de ChatGPT — connexion à des services tiers depuis une conversation — utilisent MCP comme couche de communication.
Google a suivi avec le support MCP pour Gemini. Les outils de développement comme Cursor, Windsurf, et Sourcegraph Cody parlent tous MCP pour leurs intégrations d’outils.
Côté serveurs, il existe plus de 1 000 serveurs MCP construits par la communauté couvrant GitHub, Slack, PostgreSQL, Stripe, Figma, Docker, Kubernetes, Notion, Linear, Jira, et pratiquement tous les outils de développement et business que vous pouvez nommer. Le registre officiel sur GitHub les recense tous.
En décembre 2025, Anthropic a donné MCP à la Agentic AI Foundation sous l’égide de la Linux Foundation, cofondée avec Block et OpenAI. Cela en a fait une véritable norme ouverte, pas un projet d’une seule entreprise.
En quoi MCP diffère-t-il des plugins ChatGPT ?
Si vous vous souvenez du système de plugins de ChatGPT de 2023, vous vous demandez peut-être en quoi MCP est différent. La différence clé est que les plugins étaient propriétaires à OpenAI. Un plugin ChatGPT ne fonctionnait qu dans ChatGPT. Si vous vouliez la même intégration dans Claude, il fallait la reconstruire de zéro.
MCP est agnostique au modèle. Un serveur MCP construit pour GitHub fonctionne avec Claude, ChatGPT, Gemini, Cursor, et tout autre hôte compatible MCP. Construisez une fois, connectez partout.
MCP est aussi plus puissant. Les plugins ne pouvaient qu’envoyer et recevoir du texte. MCP supporte les outils (actions), ressources (données), et prompts (templates), plus le streaming, l’authentification, et la gestion d’erreurs — tout standardisé.
Que signifie MCP pour vous ?
Même si vous n’êtes pas développeur, MCP impacte votre expérience IA quotidienne de trois façons :
Vos applications IA se connecteront plus vite à plus d’outils. Comme MCP est standardisé, les nouvelles intégrations apparaissent rapidement. Quand un outil sort un serveur MCP, il fonctionne immédiatement avec toutes les applications IA qui supportent MCP. Vous n’aurez pas à attendre des mois pour que votre IA supporte vos outils préférés.
Vous pouvez changer de modèle IA sans perdre vos intégrations. Si vous connectez 10 outils à Claude via MCP et passez plus tard à ChatGPT, ces mêmes serveurs MCP y fonctionnent aussi. Vous n’êtes plus verrouillé à une plateforme IA à cause de ses intégrations.
Les agents IA deviennent pratiques. Un agent IA qui peut planifier, raisonner, et effectuer des actions multi-étapes a besoin d’un accès fiable à de vrais outils. MCP fournit cette fiabilité. Sans un standard comme MCP, chaque agent est une construction personnalisée fragile. Avec MCP, les agents peuvent se brancher sur n’importe quel outil qui parle le protocole. C’est pourquoi les agents de codage IA comme Claude Code et Codex deviennent pratiques — ils utilisent MCP pour interagir avec votre code, terminal, et services externes.
Comment commencer à utiliser MCP
La façon la plus simple d’essayer MCP est avec Claude Desktop :
Étape 1 : Téléchargez Claude Desktop sur claude.ai/download. MCP ne fonctionne que dans l’app de bureau, pas dans le navigateur.
Étape 2 : Ouvrez Réglages → Serveurs MCP. Vous verrez des options pour ajouter des serveurs.
Étape 3 : Ajoutez un serveur intégré — l’accès au système de fichiers est le point de départ le plus simple. Pointez-le vers un dossier de projet. Maintenant Claude peut lire vos fichiers, chercher dans les documents, et vous aider avec des tâches qui nécessitent de connaître le contenu de vos dossiers.
Étape 4 : Essayez un serveur communautaire. L’organisation MCP GitHub propose des serveurs de référence pour GitHub, Google Drive, Slack, et plus. Chacun a des instructions d’installation dans son README.
Si vous êtes développeur, vous pouvez créer votre propre serveur MCP en utilisant les SDK officiels en TypeScript, Python, C#, Java, Kotlin, Go, ou Ruby. Un serveur de base qui expose un outil nécessite environ 50 lignes de code.
MCP vs Function Calling vs RAG
Trois termes souvent confondus :
Function calling est le mécanisme API qui permet à un modèle IA d’invoquer une fonction spécifique — function calling d’OpenAI, tool use d’Anthropic, function calling de Google. Ce sont des implémentations spécifiques aux fournisseurs. MCP se situe au-dessus comme une couche de protocole. MCP dit au modèle quels outils existent ; function calling est la façon dont le modèle les invoque réellement.
RAG (Retrieval-Augmented Generation) est une technique pour améliorer les réponses IA en récupérant des documents pertinents avant de générer une réponse. Les ressources MCP peuvent servir au RAG — un serveur peut fournir des documents pertinents pour que l’IA les référence. Mais MCP supporte aussi les actions (outils) et templates (prompts), ce que RAG ne couvre pas.
En pratique, la plupart des systèmes IA modernes utilisent les trois : MCP pour la couche d’intégration, function calling pour le mécanisme d’invocation, et RAG pour la récupération de connaissances. Ils sont complémentaires, pas concurrents.
Questions fréquemment posées
MCP ne fonctionne-t-il qu’avec Claude ?
Non. MCP est agnostique au modèle. OpenAI, Google, et de nombreux projets open-source le supportent. C’est une norme universelle, pas une fonctionnalité exclusive à Anthropic.
Faut-il coder pour utiliser MCP ?
Non. Si vous utilisez Claude Desktop ou une autre app compatible MCP, vous pouvez ajouter des serveurs MCP pré-construits via les réglages sans écrire de code. Le codage n’est nécessaire que si vous voulez créer votre propre serveur.
MCP est-il sécurisé ?
MCP supporte l’authentification et les permissions scopées, mais la sécurité dépend de l’implémentation de chaque serveur. Ne connectez-vous qu’à des serveurs MCP de confiance, surtout pour ceux qui accèdent à des données sensibles. Le protocole vous permet de contrôler ce que chaque serveur peut accéder.
MCP va-t-il remplacer les API ?
Non. MCP enveloppe les API pour les rendre accessibles aux modèles IA. Vos API REST et GraphQL existantes continuent de servir les clients humains et applications traditionnelles. MCP ajoute une couche conviviale pour l’IA par-dessus.
---MCP devient discrètement l’infrastructure la plus importante en IA. Si vous utilisez des outils IA quotidiennement, vous en profitez probablement déjà sans le savoir. À mesure que plus de serveurs sortent et que plus d’apps adoptent la norme, les outils IA que vous utilisez deviendront dramatiquement plus puissants — non pas parce que les modèles sont plus intelligents, mais parce qu’ils peuvent enfin se connecter au monde réel.
Vous voulez voir ce que l’IA peut faire avec de vrais outils ? Essayez notre Prompt Optimizer gratuit — il utilise un prompting structuré pour améliorer n’importe quel prompt ChatGPT, Claude, ou Gemini en quelques secondes.
--- 📬 Vous en voulez plus comme ça ? Nous publions un guide IA pratique par semaine — pas de hype, juste des workflows et outils qui marchent. Abonnez-vous gratuitement → ---Déclaration : Certains liens dans cet article sont des liens affiliés. Nous ne recommandons que des outils que nous avons testés personnellement et utilisons régulièrement. Voir notre politique de divulgation complète.