Le MCP, ça change quoi pour tes outils IA ?

En mars 2025, OpenAI a adopté le Model Context Protocol, un standard créé par Anthropic, un de leurs concurrents directs. Sam Altman lui-même a dit "people love MCP" et annoncé le support dans leur Agents SDK, l'API Responses et l'application desktop ChatGPT.

Jusque-là, chaque intégration d'outil IA était un travail sur mesure. Le MCP a changé la donne.

Le problème que résout le MCP

Si tu as déjà essayé de connecter un assistant IA à tes vrais outils de travail, tu connais la galère. Tu veux que ton IA lise ton CRM ? Du code custom. Elle doit aussi interroger ta base de données ? Une intégration complètement différente, à refaire de zéro. Et pour l'agenda, encore un connecteur à construire.

J'ai construit assez de ces intégrations pour le savoir. Une entreprise avec 20 outils a besoin de 20 intégrations séparées. Tu changes de fournisseur IA ? Tu reconstruis les 20.

Ce qu'est réellement le MCP

Le Model Context Protocol est un standard ouvert. Pense à une sorte d'USB pour les outils IA : au lieu que chaque appareil réclame son propre câble propriétaire, tu as un connecteur universel.

Le MCP suit une architecture client-serveur en trois parties. L'hôte, c'est ton application IA : Claude Desktop, un assistant de code, ton agent IA personnalisé. Le client vit dans l'hôte et gère les connexions, un client par serveur, qui gère le protocole de communication. Le serveur, c'est là que ça devient intéressant : chaque outil ou source de données fait tourner un petit serveur MCP qui expose ses capacités. Un serveur MCP Slack, un serveur MCP GitHub, un serveur MCP base de données, ils parlent tous le même langage.

Quand un hôte démarre, ses clients demandent à chaque serveur : "Qu'est-ce que tu sais faire ?" Les serveurs répondent avec leurs outils disponibles, leurs ressources et leurs templates de prompts. L'IA sait alors exactement ce qui est disponible et comment l'utiliser.

Trois types de capacités

Les serveurs MCP fournissent trois types de fonctionnalités. Les ressources sont des données en lecture seule : fichiers, enregistrements en base, réponses d'API, l'IA demande une ressource et reçoit des données structurées. Les outils sont les actions que l'IA peut effectuer, envoyer un message, créer un enregistrement, exécuter une requête, avec des entrées et sorties définies : l'IA sait exactement quels paramètres passer et quoi attendre en retour. Les prompts sont des templates réutilisables qui structurent la façon dont l'IA interagit avec un service donné. Un serveur MCP GitHub peut par exemple inclure un template de prompt pour la revue de code, structuré de manière à produire de meilleurs résultats.

Pourquoi l'adoption par OpenAI change tout

Quand Anthropic a sorti le MCP en novembre 2024, les sceptiques l'ont balayé d'un revers de main. "Évidemment qu'ils veulent que tout le monde utilise leur protocole." Compréhensible.

Puis OpenAI l'a adopté en mars 2025. Google a ajouté le support MCP à Gemini. Et en décembre 2025, Anthropic a donné MCP à l'Agentic AI Foundation sous la Linux Foundation, cofondée par Anthropic, Block et OpenAI, avec le soutien de Google, Microsoft, AWS et Cloudflare. Les trois plus grands fournisseurs d'IA n'ont pas juste convergé vers un seul standard, ils l'ont placé sous gouvernance neutre. Du jamais-vu dans cette industrie.

Un exemple concret. Je construis un agent pour une équipe de dev. Quatre outils : GitHub, Slack, Jira, le wiki. Sans MCP, quatre intégrations custom, chacune avec son auth, ses erreurs, son format de données. Avec MCP, quatre serveurs. Mon agent les découvre et les utilise. Si l'équipe passe de Jira à Linear, je remplace un serveur. L'agent s'adapte.

La communication se fait en JSON-RPC. Les serveurs peuvent tourner localement (via l'entrée/sortie standard) pour les outils de bureau ou en HTTP pour les services distants.

L'écosystème grandit déjà

Le MCP a environ quinze mois et l'écosystème de serveurs a explosé. MCP.so recense plus de 17 800 serveurs. PulseMCP en liste 8 600+. Le SDK totalise 97 millions de téléchargements mensuels. Le support client natif est disponible dans ChatGPT, Claude, Cursor, Gemini, VS Code et Microsoft Copilot.

La communauté open source construit ces serveurs parce que la spécification est claire et le protocole est simple. Un serveur MCP pour un outil basique se code en un après-midi.

Ce que je surveille

Le MCP n'est pas encore parfait. Voici ce que je garde à l'œil.

La sécurité et les permissions d'abord. Quand une IA peut accéder à tes outils et données via un protocole unifié, la question de ce qu'elle a le droit de faire devient critique. La spec actuelle gère ça au niveau de la couche transport mais le contrôle d'accès de niveau entreprise évolue encore.

La qualité des serveurs ensuite. Un protocole commun ne garantit pas des implémentations de qualité. Certains serveurs MCP précoces sont approximatifs. L'écosystème qui mûrit aura besoin de meilleurs tests et d'une forme de certification.

Et la découverte. Trouver des serveurs MCP était entièrement manuel. Depuis, des annuaires dédiés comme MCP.so et PulseMCP ont largement simplifié la recherche. Un registre formel intégré aux clients accélérerait encore l'adoption.

Si tu explores les agents IA pour ton équipe, le MCP est la couche d'infrastructure qui rend tout ça réaliste.