Pendant longtemps, utiliser une intelligence artificielle consistait principalement à lui poser une question.
On écrivait un prompt.
L’IA répondait.
Puis l’utilisateur copiait la réponse dans son logiciel, envoyait lui-même l’e-mail, créait le rendez-vous ou mettait à jour son CRM.
Cette frontière commence aujourd’hui à disparaître.
Avec le développement des agents IA et de standards comme le Model Context Protocol (MCP), une intelligence artificielle peut désormais être reliée directement aux logiciels et aux données d’une organisation.
Elle ne se contente alors plus de dire quoi faire.
Elle peut, selon les autorisations qui lui sont données, utiliser des outils pour le faire.
Qu’est-ce qu’un agent IA ?
Un chatbot traditionnel fonctionne essentiellement selon un modèle assez simple :
question → réponse.
Un agent IA ajoute une nouvelle dimension.
Il peut recevoir un objectif, déterminer plusieurs étapes nécessaires pour l’atteindre, utiliser différents outils et analyser le résultat avant de poursuivre.
Imaginons un responsable commercial qui demande :
« Quels clients n’ont pas été recontactés depuis plus de 30 jours et pourraient nécessiter une relance ? »
Un assistant classique pourrait expliquer comment effectuer cette recherche.
Un agent connecté au CRM pourrait :
- consulter la liste des clients ;
- récupérer les dernières interactions ;
- identifier ceux qui correspondent aux critères ;
- préparer une liste ;
- rédiger les messages de relance ;
- éventuellement créer les tâches correspondantes dans le CRM.
La différence est considérable.
L’intelligence artificielle passe progressivement du statut de conseiller à celui d’acteur du système d’information.
Le problème : comment connecter toutes ces IA à tous nos logiciels ?
Une entreprise utilise souvent de nombreux outils :
CRM,
ERP,
messagerie,
agenda,
stockage documentaire,
base de données,
logiciel de facturation,
application métier,
outil de support…
Historiquement, connecter une intelligence artificielle à chacun de ces systèmes nécessitait souvent de développer une intégration spécifique.
Pour dix logiciels et plusieurs assistants IA différents, cela peut rapidement devenir complexe.
C’est précisément le problème auquel tente de répondre le Model Context Protocol.
Qu’est-ce que MCP ?
Le Model Context Protocol, ou MCP, est un standard ouvert initialement présenté par Anthropic en novembre 2024.
Son objectif est de proposer une manière standardisée de connecter les applications d’intelligence artificielle aux endroits où se trouvent les données et les outils dont elles ont besoin. Anthropic le présentait dès son lancement comme une alternative aux multiples intégrations spécifiques développées individuellement pour chaque source de données.
Une comparaison assez simple consiste à voir MCP comme une sorte de connecteur universel pour les applications d’intelligence artificielle.
Le principe rappelle, dans une certaine mesure, ce qu’ont permis certains standards dans d’autres domaines.
Au lieu d’inventer une nouvelle méthode de communication pour chaque combinaison :
IA A ↔ logiciel X
IA A ↔ logiciel Y
IA B ↔ logiciel X
IA B ↔ logiciel Y
un logiciel peut exposer certaines capacités à travers un serveur MCP.
Les applications compatibles peuvent ensuite les découvrir et les utiliser.
MCP a depuis largement dépassé son origine chez Anthropic : fin 2025, le protocole a été confié à l’Agentic AI Foundation, sous l’égide de la Linux Foundation, avec notamment Anthropic, Block et OpenAI parmi les membres fondateurs. À cette date, Anthropic indiquait également son adoption par des produits tels que ChatGPT, Cursor, Gemini, Microsoft Copilot et Visual Studio Code.
Concrètement, que peut exposer un serveur MCP ?
Un serveur MCP peut mettre à disposition différents éléments.
Parmi les plus importants figurent les outils.
Un outil correspond à une action que l’IA peut demander d’exécuter.
Par exemple :
chercher_client
creer_rendez_vous
consulter_stock
creer_devis
lire_facture
rechercher_document
ouvrir_ticket_support
Un serveur peut également mettre à disposition des ressources et d’autres informations permettant à l’application IA de comprendre ce qui lui est accessible.
La documentation actuelle du SDK MCP décrit justement les serveurs comme pouvant exposer tools, resources et prompts aux applications IA compatibles.
Un exemple dans une petite entreprise
Imaginons une PME qui possède :
- un ERP ;
- une solution de rendez-vous ;
- une messagerie ;
- une base documentaire.
Aujourd’hui, un salarié pourrait demander à une IA :
« Le client Dupont a-t-il encore une facture impayée avant son rendez-vous de vendredi ? »
Sans intégration, l’IA n’en sait rien.
Il faut ouvrir l’ERP, retrouver Dupont, vérifier ses factures puis consulter l’agenda.
Avec des outils correctement exposés, l’agent pourrait effectuer lui-même les recherches nécessaires.
Il pourrait par exemple :
1. rechercher le client Dupont ;
2. consulter ses factures ;
3. vérifier les règlements ;
4. consulter ses prochains rendez-vous ;
5. résumer les informations.
L’utilisateur obtient alors quelque chose comme :
Le rendez-vous de M. Dupont est prévu vendredi à 14 h. Une facture de 420 € datant du 27 août apparaît toujours comme non réglée.
On ne parle plus simplement d’un chatbot.
On commence à parler d’une interface intelligente avec le système d’information.
Et l’IA peut aller encore plus loin
La consultation des données n’est que la première étape.
On peut également exposer des actions.
L’utilisateur pourrait poursuivre :
« Prépare une relance et ajoute une note au dossier client. »
L’agent peut alors générer le message.
Puis, selon la politique de sécurité choisie :
Option 1 : il affiche seulement le message.
Option 2 : il prépare le brouillon dans la messagerie.
Option 3 : il demande confirmation avant l’envoi.
Option 4 : il peut envoyer automatiquement dans certains cas définis.
C’est ici que les agents IA deviennent particulièrement intéressants pour l’entreprise.
Mais c’est également ici qu’ils deviennent beaucoup plus sensibles.
MCP ne signifie pas « donner tous les droits à l’IA »
Il faut éviter une confusion importante.
MCP permet de connecter des systèmes.
Il ne signifie pas qu’une intelligence artificielle doit automatiquement avoir accès à toutes les données et à toutes les actions.
Un serveur peut très bien n’exposer qu’un ensemble extrêmement limité de capacités.
Par exemple :
✅ consulter la disponibilité d’une salle ;
✅ rechercher un produit ;
✅ retrouver un document public ;
mais :
❌ supprimer une facture ;
❌ modifier un compte bancaire ;
❌ créer un nouvel administrateur ;
❌ exporter toute la base clients.
C’est l’architecture et la politique d’autorisation mises en place autour de l’agent qui déterminent ce qu’il peut réellement faire.
Le principe du moindre privilège devient essentiel
La cybersécurité utilise depuis longtemps un principe simple :
un utilisateur ne doit avoir accès qu’aux ressources nécessaires à son travail.
Ce principe devient encore plus important avec les agents IA.
Un agent chargé de gérer des rendez-vous n’a probablement aucune raison d’avoir accès à la comptabilité.
Un agent destiné au support technique n’a pas nécessairement besoin d’accéder aux données RH.
Un agent qui prépare des devis n’a pas besoin de pouvoir supprimer des clients.
Chaque outil supplémentaire augmente les capacités de l’agent.
Mais il augmente également la surface de risque.
Lecture, préparation, validation, exécution
Une approche particulièrement intéressante consiste à définir plusieurs niveaux d’autonomie.
Niveau 1 — Lecture
L’IA peut consulter les informations mais ne peut rien modifier.
Exemple :
« Quels rendez-vous sont prévus demain ? »
Niveau 2 — Préparation
L’IA prépare l’action mais ne l’exécute pas.
Exemple :
« Prépare un devis pour ce client. »
Le devis est généré, mais un humain doit le valider.
Niveau 3 — Action avec confirmation
L’IA peut déclencher l’action après validation explicite.
« Envoyer ce devis ? »
Oui / Non
Niveau 4 — Automatisation encadrée
Certaines opérations clairement définies peuvent être exécutées automatiquement.
Par exemple, créer une tâche de suivi lorsqu’une demande arrive dans une boîte mail spécifique.
Niveau 5 — Autonomie étendue
L’agent peut décider et exécuter plusieurs actions sans demander de validation à chaque étape.
Cette dernière approche peut être extrêmement puissante.
Mais elle demande également beaucoup plus de contrôle.
Pourquoi MCP intéresse autant l’écosystème IA
L’intérêt d’un standard apparaît lorsqu’il est adopté par plusieurs acteurs.
Depuis son lancement, MCP s’est rapidement développé au-delà des premières intégrations expérimentales.
La version de la spécification publiée le 28 juillet 2026 a notamment introduit un cœur de protocole sans état, des améliorations de l’autorisation, un système d’extensions et différentes évolutions destinées à faciliter les déploiements en production. Les mainteneurs expliquent que ces changements visent notamment la fiabilité et la capacité à faire évoluer les serveurs MCP sur des infrastructures classiques.
Le projet indique également que MCP est désormais utilisé dans des workflows agentiques en production et que son développement s’oriente notamment vers la communication entre agents et les besoins des entreprises.
MCP commence donc à ressembler moins à une expérimentation et davantage à une couche d’intégration de l’écosystème agentique.
Ce que cela peut changer pour les logiciels métiers
Cette évolution pourrait profondément modifier certaines interfaces.
Aujourd’hui, utiliser un logiciel métier implique souvent de connaître son organisation :
Clients → Fiche client → Factures → Filtre → Non réglées
Demain, une partie des interactions pourrait simplement devenir :
« Montre-moi les clients qui ont plus de deux factures en retard. »
L’interface graphique ne disparaîtra pas nécessairement.
Mais elle pourrait être complétée par une couche conversationnelle capable d’orchestrer plusieurs fonctions.
Un ERP pourrait toujours avoir ses menus.
Mais l’utilisateur pourrait également demander :
« Crée-moi le rapport des ventes du mois, compare-le avec août et explique-moi les trois principales différences. »
C’est cette combinaison entre logiciel traditionnel + API + agent IA qui semble particulièrement intéressante.
MCP peut également être utile avec une IA locale
Il ne faut pas associer MCP uniquement aux grands services d’IA dans le cloud.
Une application utilisant un modèle local peut également exploiter des outils MCP.
Cela signifie qu’une entreprise pourrait imaginer une architecture où :
- le modèle fonctionne sur son infrastructure ;
- les documents restent dans son réseau ;
- l’agent utilise des outils internes ;
- les données sensibles ne sont pas systématiquement envoyées vers un fournisseur externe.
C’est d’ailleurs une continuité directe avec notre précédent sujet sur le choix entre IA locale, cloud et architecture hybride.
Mais attention : connecter une IA à des outils crée de nouveaux risques
Une IA qui ne peut que générer du texte possède un impact limité.
Une IA capable d’envoyer un e-mail, modifier une base de données ou déclencher une API peut avoir un impact réel sur l’entreprise.
Prenons un exemple.
Un agent a accès :
- aux e-mails ;
- au CRM ;
- à la création de devis.
Il reçoit un document contenant une instruction malveillante conçue pour tromper le modèle.
Si l’architecture est mal sécurisée, l’agent pourrait être incité à utiliser certains outils d’une manière inattendue.
C’est notamment pourquoi la sécurité des agents ne doit pas être traitée comme celle d’un simple chatbot.
Il faut réfléchir aux :
droits d’accès,
validations humaines,
journaux d’activité,
limites d’utilisation,
secrets et clés API,
sources de données accessibles,
actions critiques.
L’humain doit rester dans la boucle lorsque l’enjeu l’exige
Toutes les opérations ne présentent pas le même risque.
Demander à une IA :
« Quel est le stock du produit A ? »
n’est pas équivalent à :
« Commande automatiquement 50 unités. »
Et cela reste encore différent de :
« Effectue un virement au fournisseur. »
L’autonomie doit donc être proportionnelle aux conséquences possibles d’une erreur.
Une bonne architecture agentique ne cherche pas forcément à supprimer toutes les validations humaines.
Elle cherche plutôt à placer l’humain aux endroits où son jugement apporte réellement de la valeur.
Pour une TPE ou PME, faut-il déjà s’intéresser à MCP ?
Il n’est probablement pas nécessaire qu’un dirigeant connaisse le détail de la spécification MCP.
En revanche, il devient utile de comprendre ce que cette évolution rend possible.
Car les assistants IA risquent progressivement de devenir capables d’interagir avec :
ERP + CRM + agenda + messagerie + documents + applications métiers.
Pour une petite entreprise, les premiers cas d’usage pourraient être très simples :
- rechercher des informations ;
- préparer des devis ;
- résumer un dossier client ;
- organiser des rendez-vous ;
- classer des demandes ;
- consulter un catalogue ;
- préparer des réponses ;
- produire des rapports.
Le gain ne viendra pas forcément d’un agent entièrement autonome.
Il peut simplement venir de la suppression de dizaines de petites manipulations répétitives.
Ne pas commencer par « nous voulons un agent IA »
Comme souvent avec les nouvelles technologies, partir directement de l’outil est rarement la meilleure approche.
La première question devrait plutôt être :
« Quelle tâche répétitive ou coûteuse voulons-nous simplifier ? »
Ensuite seulement viennent les questions :
Quelles données sont nécessaires ?
Quels logiciels sont concernés ?
Existe-t-il une API ?
Quelles actions doivent être autorisées ?
Quelles opérations nécessitent une validation ?
Quelles informations sont sensibles ?
Et enfin :
MCP est-il pertinent pour construire cette intégration ?
L’objectif n’est pas d’ajouter un agent partout.
C’est d’utiliser l’IA là où elle permet réellement de réduire la friction entre l’utilisateur et ses outils.
Conclusion
L’intelligence artificielle est en train de franchir une nouvelle étape.
Après les chatbots capables de répondre à nos questions arrivent progressivement les agents capables d’interagir avec nos logiciels.
MCP participe à cette transformation en proposant un standard commun pour exposer des données et des outils aux applications IA.
Pour les entreprises, le potentiel est considérable :
moins de saisies manuelles,
moins de navigation entre applications,
des processus plus fluides,
et des assistants capables d’exploiter plusieurs outils simultanément.
Mais plus une IA peut agir, plus sa sécurité devient importante.
La question des prochaines années ne sera donc probablement plus seulement :
« Que peut répondre mon IA ? »
mais :
« Qu’ai-je réellement le droit de la laisser faire ? »
APT Informa
APT Informa accompagne les TPE, PME et indépendants dans l’intégration de solutions d’intelligence artificielle, l’automatisation et la connexion des outils métiers grâce aux API et aux nouvelles architectures agentiques.
L’objectif reste le même : ne pas intégrer de l’IA simplement parce qu’elle existe, mais identifier les processus où elle peut apporter un gain concret, sécurisé et mesurable.