Qu'est-ce que le Model Context Protocol (MCP) ? Le standard universel pour l'intégration des outils d'IA

Qu'est-ce que le Model Context Protocol ? Un connecteur universel arrondi relie une capsule de client d'IA à plusieurs prises d'entreprise, tandis qu'une goupille de verrouillage corail symbolise une connexion standard réutilisable.

Turn this article into takeaways for your work.

Each assistant summarizes the article only for you and suggests best practices for your work.

Votre IA doit vérifier les stocks, mettre à jour les fiches du CRM, extraire des données d'analyse et consulter la documentation. Pourtant, chaque intégration exige du code sur mesure, casse à chaque mise à jour et ne fonctionne qu'avec certains modèles. Puis vous changez de fournisseur d'IA et tout est à reconstruire. Le Model Context Protocol met fin à ce chaos en instaurant un standard universel pour relier l'IA aux outils, comme l'USB a rendu universelle la connexion des périphériques aux ordinateurs.

Ce qui a changé en 2026

Fin 2025, MCP a cessé d'être « le protocole d'Anthropic ». En décembre 2025, Anthropic a fait don de la spécification à l'Agentic AI Foundation (AAIF), un fonds dirigé hébergé par la Linux Foundation, cofondé avec Block et OpenAI et soutenu par Google, Microsoft, AWS, Cloudflare et Bloomberg en tant que membres de soutien. Ce changement de gouvernance compte pour les acheteurs : le standard sur lequel reposent vos intégrations n'est plus contrôlé par un seul éditeur d'IA, ce qui réduit le risque de modifications unilatérales qui casseraient l'existant.

Concrètement, MCP se trouve désormais au cœur de la plupart des grandes architectures agentiques, et non plus à leur côté. OpenAI, Google DeepMind, Microsoft et Salesforce ont tous lancé leur prise en charge de MCP dans les 13 mois suivant son lancement. Les plateformes d'entreprise intègrent MCP à leurs workflows de production (et pas seulement dans des préversions pour développeurs), et l'AAIF a tenu son premier MCP Dev Summit à New York en avril 2026, avec environ 1 200 participants et plus de 95 sessions animées par des entreprises qui exploitent MCP à grande échelle. L'autre grand sujet de 2026 est la sécurité : une faille de conception systémique dans les SDK officiels, révélée en avril 2026, a obligé l'écosystème à mesurer la confiance qu'il accordait à des serveurs MCP non authentifiés. Ces deux fils (maturité de la gouvernance et examen de la sécurité) sont développés dans les sections suivantes.

Chiffres clés :

  • La gouvernance est passée à la Linux Foundation. Anthropic a fait don de MCP à l'Agentic AI Foundation (AAIF) le 9 décembre 2025, cofondée avec Block et OpenAI, avec Google, Microsoft, AWS, Cloudflare et Bloomberg comme membres de soutien. Source : Anthropic, "Donating the Model Context Protocol"
  • Les téléchargements de SDK ont dépassé 97 millions par mois. Anthropic a annoncé plus de 97 millions de téléchargements mensuels cumulés pour les SDK Python et TypeScript au moment du don à la Linux Foundation. Source : Anthropic, "Donating the Model Context Protocol"
  • Plus de 10 000 serveurs MCP publics actifs. Anthropic recensait plus de 10 000 serveurs MCP publics actifs dans l'écosystème en décembre 2025, contre quelques centaines au lancement un an plus tôt. Source : Anthropic, "Donating the Model Context Protocol"
  • Tous les grands fournisseurs de modèles prennent désormais MCP en charge. OpenAI a adopté MCP dans l'ensemble de ses produits, dont l'application de bureau ChatGPT, en mars 2025 ; Google DeepMind a confirmé sa prise en charge en avril 2025 ; Microsoft intègre MCP via Semantic Kernel et Azure OpenAI. Source : Model Context Protocol, Wikipedia
  • Les plateformes d'entreprise affichent un usage réel. La plateforme Headless 360 de Salesforce, construite autour d'un serveur MCP, a traité 4,5 millions d'appels MCP durant ses premiers mois de mise en service, selon le CEO Marc Benioff lors de la présentation des résultats du premier trimestre de l'exercice 2027. Source : The Register, "Salesforce waves bye-bye to UI in 'headless' embrace"
  • Gartner relie cette évolution aux applications d'entreprise prêtes pour les agents. Gartner prévoit que 40 % des applications d'entreprise intégreront des agents d'IA spécialisés par tâche d'ici fin 2026, contre moins de 5 % en 2025, une trajectoire qui suppose des couches d'intégration standardisées comme MCP. Source : Communiqué de presse Gartner, 26 août 2025
  • Une faille systémique des SDK a révélé le déficit de confiance. En avril 2026, OX Security a révélé une faille de conception dans les SDK MCP officiels (Python, TypeScript, Java, Rust), qui permet l'exécution de code à distance via le transport STDIO et concerne jusqu'à 200 000 instances vulnérables, pour environ 150 millions de téléchargements. Source : OX Security, "The Mother of All AI Supply Chains"

Les fondements académiques

Le Model Context Protocol (MCP) a été présenté par Anthropic en novembre 2024 comme un protocole ouvert qui standardise la communication entre les modèles d'IA et les sources de données et outils externes, et permet des schémas d'intégration universels quel que soit le fournisseur de modèle.

Le protocole s'appuie sur les travaux de recherche sur les architectures d'agents et l'IA capable d'utiliser des outils. Il répond au problème de fragmentation : chaque fournisseur d'IA met en œuvre ses propres méthodes d'intégration propriétaires. MCP définit des interfaces standardisées pour trois capacités essentielles : accéder aux sources de données, invoquer des outils et recevoir des prompts.

L'architecture reprend les schémas client-serveur des protocoles web : les modèles d'IA jouent le rôle de clients et se connectent à des serveurs MCP qui exposent les systèmes de l'entreprise. Cette couche d'abstraction permet des intégrations « à écrire une fois, à utiliser partout », quel que soit le modèle d'IA sous-jacent. À la mi-2026, cette couche est pilotée conjointement par Anthropic, OpenAI, Block et le reste du conseil de gouvernance de l'AAIF, et n'appartient plus à une seule entreprise.

Ce que cela signifie pour l'entreprise

Pour les dirigeants, le Model Context Protocol signifie des intégrations d'IA qui fonctionnent avec différents fournisseurs, ce qui réduit la dépendance à un éditeur et permet de déployer rapidement des capacités d'IA sans reconstruire les connexions à chaque nouveau modèle.

Voyez MCP comme les prises électriques de l'IA. Avant la standardisation, chaque appareil exigeait un câblage sur mesure. Après, n'importe quel appareil se branche sur n'importe quelle prise. De la même façon, MCP permet à tout modèle d'IA de se connecter à tout système de l'entreprise via des interfaces standard, ce qui réduit considérablement la complexité et le coût des intégrations.

Concrètement, votre serveur MCP Salesforce fonctionne avec Claude, GPT, Gemini ou les futurs modèles, sans réécrire le code d'intégration. Vos investissements dans les data pipelines deviennent indépendants du modèle et vous protègent du verrouillage par un fournisseur d'IA. Cette promesse n'a plus rien de théorique : OpenAI, Google DeepMind et Microsoft ont tous lancé une prise en charge de MCP. L'argument « écrire une fois, se connecter partout » repose donc sur un usage en production dans des architectures d'IA concurrentes, et pas seulement dans les produits d'Anthropic.

Les composants essentiels

Le Model Context Protocol repose sur les éléments essentiels suivants :

Composants de l'architecture MCP : une armoire de protocole compacte contient cinq grands modules clairement séparés (prise client, hub serveur, tiroir de ressources, prise d'outils et carte de prompt), avec un verrou corail en forme de poignée de main.

• Serveurs MCP : services qui exposent les systèmes d'entreprise, bases de données, API et outils via des interfaces MCP standardisées, et font office d'adaptateurs entre les modèles d'IA et vos systèmes métier

• Clients MCP : applications d'IA et agents d'IA qui se connectent aux serveurs MCP pour accéder aux données et invoquer des outils, en général des grands modèles de langage capables d'utiliser des outils

• Ressources : sources de données en lecture seule (bases de connaissances, documents, bases de données) que l'IA peut interroger via des URI et des schémas de ressources standardisés

• Outils : fonctions exécutables, comme envoyer des e-mails, créer des tickets ou mettre à jour des enregistrements, que l'IA peut invoquer via des définitions d'outils et des schémas de paramètres standardisés

• Prompts : modèles et workflows réutilisables qui guident le comportement de l'IA et se partagent entre différents modèles d'IA grâce à des formats de prompt standardisés

Le fonctionnement

Le Model Context Protocol suit les étapes suivantes :

Fonctionnement du Model Context Protocol : un large parcours de protocole bidirectionnel en quatre étapes numérotées de 1 à 4 (menu des capacités, demande de ressource, action d'outil et boucle de session), qui se termine par une impulsion de confirmation corail.

  1. Découverte et échange des capacités : lorsqu'un client d'IA se connecte à un serveur MCP, le serveur annonce les ressources, outils et prompts disponibles à l'aide de schémas standardisés, comme un restaurant qui présente sa carte

  2. Interrogation des ressources : l'IA demande des données en indiquant des URI de ressources et des paramètres. Le serveur MCP les traduit en requêtes de base de données ou en appels d'API adaptés, et renvoie des données structurées que l'IA peut traiter

  3. Invocation d'outils : lorsque l'IA décide d'agir, elle appelle des outils via des interfaces standardisées, en fournissant les paramètres dans les formats attendus. Le serveur MCP exécute l'action et renvoie les résultats

  4. Gestion de session : MCP conserve l'état de la connexion, gère l'authentification et le contexte de la conversation, ce qui permet des échanges en plusieurs tours où l'IA s'appuie sur les échanges précédents

On obtient ainsi une interopérabilité où les capacités d'IA deviennent plug-and-play, au lieu d'exiger un développement sur mesure pour chaque cas d'usage.

Quatre modèles d'implémentation

Le Model Context Protocol se répartit généralement en quatre grandes catégories :

4 modèles de serveurs MCP : quatre grandes tours de serveurs forment une boîte à outils (porte d'archives, levier d'action, pont combiné et ruban de prompts), avec un sélecteur corail qui désigne le modèle approprié.

Type 1 : serveurs d'accès aux données Idéal pour : bases de connaissances, référentiels de documents, bases de données Caractéristique clé : exposent des informations en lecture seule via des interfaces de ressources Exemples : serveur MCP Confluence, adaptateur MCP pour base SQL, serveur de système de fichiers

Type 2 : serveurs d'action Idéal pour : systèmes CRM, plateformes de ticketing, outils de communication Caractéristique clé : permettent à l'IA d'agir via des interfaces d'outils Exemples : serveur MCP Salesforce, intégration Jira, connecteur MCP Slack

Type 3 : serveurs composites Idéal pour : plateformes d'entreprise complètes Caractéristique clé : combinent l'accès aux données et les capacités d'action Exemples : serveur MCP Google Workspace (lire les agendas, envoyer des e-mails), intégrations ERP

Type 4 : serveurs de prompts Idéal pour : automatisation des workflows, comportements d'IA standardisés Caractéristique clé : partagent des schémas d'interaction réutilisables avec l'IA Exemples : prompts de playbooks commerciaux, modèles pour le support client, contrôles de conformité

Le Model Context Protocol en action

Voici comment les entreprises utilisent concrètement MCP :

Cas d'usage de MCP en entreprise : trois postes (bureau de support, atelier de code et console de déploiement) se branchent sur un même rail MCP partagé, avec une cartouche corail de changement de modèle.

Exemple en support client : Block (Square) a mis en place des serveurs MCP qui relient Claude à sa base de connaissances interne, à son CRM et à son système de ticketing. Les agents du support résolvent désormais les problèmes 40 % plus vite : l'IA accède à l'historique du client, propose des solutions tirées de la documentation et crée les tâches de suivi via des interfaces MCP unifiées.

Exemple en développement : Sourcegraph a adopté MCP pour connecter des assistants de programmation IA à son code source, à ses outils de suivi des tickets et à sa documentation. Les développeurs interrogent le contexte du code, génèrent des pull requests et mettent à jour la documentation via les mêmes serveurs MCP, qu'ils utilisent GitHub Copilot, Cursor ou Claude.

Exemple en IT d'entreprise : Replit a construit des serveurs MCP qui exposent son environnement de développement, ce qui permet à l'IA de lire des fichiers, d'exécuter du code et de gérer des déploiements. Lors du passage à des versions plus récentes des modèles, aucune réécriture d'intégration n'a été nécessaire, car MCP a absorbé le changement de modèle.

Exemple en CRM d'entreprise : la plateforme Headless 360 de Salesforce fait transiter les interactions des agents par un serveur MCP plutôt que par une interface de navigateur. À la présentation des résultats du premier trimestre de l'exercice 2027, elle avait traité 4,5 millions d'appels MCP, preuve que MCP est passé du stade de démonstration pour développeurs à celui de canal de trafic en production chez un grand éditeur SaaS.

Les enjeux de sécurité en 2026

La croissance de MCP a dépassé son modèle de sécurité, et 2026 est l'année où cet écart est devenu visible. En avril 2026, la société de sécurité OX Security a révélé une faille de conception systémique dans les SDK officiels Python, TypeScript, Java et Rust : le transport STDIO exécutait toute commande de processus qu'on lui transmettait, même si aucun serveur MCP valide n'avait été initialisé. La divulgation évoque jusqu'à 200 000 instances vulnérables pour environ 150 millions de téléchargements de SDK, et plus de 7 000 serveurs accessibles publiquement. Anthropic a confirmé que ce comportement était voulu par conception, a mis à jour ses recommandations de sécurité et a refusé de modifier l'architecture des SDK : la charge de l'atténuation revient donc à celui qui déploie un serveur MCP.

Pour les dirigeants, cela change le calcul d'adoption. Avant de connecter un serveur MCP à des systèmes de production :

  • Traitez chaque serveur MCP comme du code tiers, car c'est le cas de la plupart d'entre eux. Une authentification faible ou absente est courante. Des analyses indépendantes de serveurs MCP publics ont révélé à plusieurs reprises qu'une grande part d'entre eux fonctionnent sans aucune authentification.
  • N'exposez jamais directement le transport STDIO à des entrées non fiables. Pour tout ce qui touche aux données de production, privilégiez des transports renforcés, exposés sur le réseau, avec une liaison de session adaptée.
  • Surveillez l'injection de prompt et l'empoisonnement d'outils, où la description d'un outil malveillant ou la réponse manipulée d'un outil injecte des instructions dans le contexte du modèle. C'est la voie d'exploitation la plus courante dans les incidents MCP documentés.
  • Exigez une attestation du serveur ou une entrée dans un registre contrôlé avant de connecter un nouveau serveur MCP, au lieu de faire confiance à ce que propose une place de marché ou un index de paquets.

Rien de tout cela ne justifie d'éviter MCP. Cela justifie de l'encadrer comme n'importe quelle infrastructure tierce ayant accès à vos systèmes.

Guide de mise en œuvre

Prêt à adopter le Model Context Protocol dans votre organisation ?

  1. Comprenez les fondamentaux avec l'architecture d'intégration de l'IA
  2. Concevez les interfaces d'outils en suivant les bonnes pratiques d'architecture d'API
  3. Sécurisez la mise en œuvre avec les dispositifs de gouvernance de l'IA
  4. Construisez vos serveurs MCP à partir des implémentations de référence officielles

Concepts d'IA connexes

Explorez ces sujets pour bâtir des stratégies MCP complètes :

Ressources externes

Questions fréquentes sur le Model Context Protocol

Qu'est-ce que le Model Context Protocol (MCP) ?

MCP est un standard ouvert, développé à l'origine par Anthropic et désormais piloté par l'Agentic AI Foundation sous l'égide de la Linux Foundation. Il définit comment les modèles d'IA se connectent aux sources de données et aux outils via des interfaces universelles, afin que les intégrations d'IA fonctionnent avec différents fournisseurs de modèles sans code sur mesure.

Qui gouverne MCP maintenant qu'il n'est plus seulement le protocole d'Anthropic ?

Anthropic a fait don de MCP à l'Agentic AI Foundation (AAIF) en décembre 2025. L'AAIF est cofondée par Anthropic, Block et OpenAI, avec Google, Microsoft, AWS, Cloudflare et Bloomberg comme membres de soutien. Aucun éditeur ne contrôle donc seul la feuille de route, ce qui réduit le risque de modifications unilatérales pour les entreprises qui ont déjà construit sur MCP.

Pourquoi MCP compte-t-il pour l'IA en entreprise ?

MCP supprime la dépendance à un éditeur en rendant les intégrations d'IA indépendantes du modèle. Vous construisez une fois vos connecteurs Salesforce, Slack ou base de données, puis vous les utilisez avec Claude, GPT, Gemini ou les futurs modèles. OpenAI, Google DeepMind et Microsoft ont tous lancé une prise en charge de MCP : c'est donc éprouvé en production, et pas seulement un objectif de conception.

Quelle est la différence entre MCP et les API ?

Les API sont des interfaces génériques pour toute intégration logicielle. MCP est un protocole spécialisé, optimisé pour la communication entre l'IA et les outils : il standardise la façon dont l'IA découvre les capacités, demande des données et invoque des fonctions, avec le contexte et la gestion d'erreurs appropriés.

MCP peut-il être connecté en toute sécurité à des systèmes de production ?

Cela demande une gouvernance rigoureuse. Une faille de conception systémique dans les SDK MCP officiels, révélée en avril 2026, a montré que les serveurs non authentifiés et le transport STDIO brut présentent un risque réel, avec environ 200 000 instances vulnérables dans l'écosystème. Traitez les serveurs MCP comme n'importe quelle autre intégration tierce : exigez une authentification, évitez d'exposer STDIO à des entrées non fiables et vérifiez les serveurs avant de les connecter à des systèmes sensibles.

Comment construire un serveur MCP ?

Utilisez les SDK MCP officiels open source (disponibles pour Python, TypeScript, Java et Rust). Définissez vos ressources (sources de données), vos outils (actions) et vos prompts (workflows) à l'aide de schémas standard. Déployez le tout sous forme de service auquel les clients d'IA peuvent se connecter. Les implémentations de référence officielles sur GitHub fournissent des exemples fonctionnels.

MCP fonctionne-t-il uniquement avec Claude ?

Non. Anthropic a développé MCP à l'origine, mais c'est aujourd'hui un protocole ouvert, gouverné par la Linux Foundation, conçu pour tout modèle d'IA capable d'utiliser des outils. OpenAI, Google, Microsoft et un nombre croissant de plateformes d'entreprise, dont Salesforce, l'ont adopté en production.


Fait partie de la collection AI Terms. Dernière mise à jour : 2026-07-16

About the author

Victor Hoang

Victor Hoang

Co-Founder, Rework.com

Victor Hoang is Co-Founder and CMO of Rework. He spent 12+ years scaling B2B SaaS growth, building a lead engine that generated over 1 million leads and $10M+ in annual recurring revenue. Today he builds AI agents and MCP servers into Rework's products to empower customers across growth and operations. He writes about what actually works.