Le MCP, c'est quoi ? Brancher ses données à Claude ou ChatGPT
Le MCP (Model Context Protocol) est un standard ouvert qui relie des applications d'IA comme Claude ou ChatGPT à des systèmes externes : sources de données, outils et instructions réutilisables. L'entreprise écrit un serveur MCP devant ses données, et toute application qui gère le MCP peut s'en servir. Le protocole transporte l'échange ; ce que le modèle fait des données, et qui a le droit de voir quoi, reste à concevoir.
Si vous utilisez Claude ou ChatGPT au travail, vous avez sans doute déjà collé un document dans la fenêtre pour poser une question dessus. Le MCP est le standard qui permet à l’assistant d’aller chercher lui-même le document, là où il se trouve déjà.
Qu’est-ce que le MCP ?
La documentation officielle s’ouvre sur cette définition : le MCP (Model Context Protocol) est un standard open source pour connecter des applications d’IA à des systèmes externes. Grâce à lui, des applications comme Claude ou ChatGPT peuvent se brancher à des sources de données (fichiers locaux, bases de données), à des outils (moteurs de recherche, calculatrices) et à des workflows (des instructions spécialisées). Elles accèdent ainsi à des informations clés et peuvent accomplir des tâches.
La documentation compare le MCP à une prise USB-C pour les applications d’IA. Une prise USB-C donne aux appareils électroniques une seule manière standard de se connecter ; le MCP donne aux applications d’IA une seule manière standard de se connecter à des systèmes externes. La promesse faite à ceux qui construisent : développer une fois et intégrer partout.
Comment fonctionne le MCP ?
Le MCP suit une architecture client-serveur à trois participants.
- L’hôte est l’application d’IA, par exemple Claude Desktop ou Claude Code.
- Le client est un composant de l’hôte. L’hôte crée un client par serveur, et chaque client garde une connexion dédiée avec son serveur.
- Le serveur est un programme qui fournit du contexte aux clients.
Un serveur peut tourner sur votre machine ou ailleurs. La documentation appelle serveur « local » celui qui s’exécute sur la machine et dialogue par les entrées et sorties standard, et serveur « distant » celui qui est hébergé sur une plateforme et atteint par HTTP. Les serveurs distants utilisent le transport Streamable HTTP, qui accepte jetons porteurs, clés d’API et en-têtes personnalisés ; le MCP recommande OAuth pour obtenir les jetons.
Les messages eux-mêmes suivent JSON-RPC 2.0. La documentation pose une limite précise : le MCP porte sur l’échange de contexte, et il ne dicte ni la façon dont les applications d’IA utilisent les modèles de langage, ni celle dont elles gèrent le contexte reçu.
Que peut proposer un serveur MCP ?
Un serveur offre trois types de briques, et la documentation dit qui contrôle chacune.
| Brique | Ce que c’est | Qui la contrôle |
|---|---|---|
| Outils (tools) | Des fonctions que le modèle peut appeler : chercher des vols, envoyer un message, créer un événement de calendrier | Le modèle décide quand s’en servir |
| Ressources (resources) | Des données en lecture seule servant de contexte : contenu de fichiers, schémas de base, documentation | L’application |
| Prompts | Des modèles d’instructions prêts à l’emploi, comme « résume mes réunions » | L’utilisateur, par appel explicite |
Les outils peuvent écrire dans des bases, appeler des API externes et modifier des fichiers, d’où l’insistance de la documentation sur la supervision humaine. Un outil peut demander le consentement de l’utilisateur avant de s’exécuter. Les applications peuvent afficher les outils disponibles, demander une approbation à chaque exécution, laisser pré-approuver les opérations sans danger et tenir un journal de chaque appel.
Pourquoi brancher les données de son entreprise à Claude ou ChatGPT ?
La documentation liste ce que le MCP permet, dont des chatbots d’entreprise qui se connectent à plusieurs bases de données d’une organisation pour que les utilisateurs analysent les données en discutant. Elle énonce l’intérêt pour chaque camp : moins de temps de développement pour ceux qui construisent, l’accès à un écosystème de données et d’outils pour les applications, et des assistants plus capables pour les utilisateurs finaux, qui peuvent accéder à leurs données et faire agir l’assistant en leur nom quand c’est nécessaire.
Pour une entreprise, l’intérêt concret est que vos documents et vos logiciels métier restent où ils sont. Vous les exposez une fois par un serveur, et les assistants que vos équipes utilisent déjà peuvent les interroger. Plusieurs applications gèrent le standard, donc le même serveur peut servir plus d’une d’entre elles.
La limite est celle citée plus haut. Le MCP transporte les données jusqu’au modèle. Que la réponse soit juste dépend de l’organisation des données et des outils exposés : un assistant à qui l’on donne un outil de recherche qui renvoie les mauvais fichiers répondra faux, avec beaucoup d’assurance.
Quels sont les risques de sécurité du MCP ?
La page officielle sur la sécurité est précise. Quelques-uns des risques qu’elle décrit :
- Confused deputy (« adjoint confus ») : un serveur mandataire placé devant une API tierce peut être amené à remettre un code d’autorisation à un attaquant. La page impose aux serveurs mandataires MCP d’obtenir le consentement pour chaque client.
- Token passthrough : un serveur qui accepte des jetons qui ne lui ont pas été délivrés et les transmet en aval. La page indique que les serveurs MCP ne doivent accepter aucun jeton qui n’a pas été émis explicitement pour eux.
- Compromission d’un serveur local : un serveur local s’exécute avec les mêmes privilèges que le client, donc une commande de démarrage ou un paquet malveillant peut exécuter du code sur la machine. Les clients doivent afficher la commande exacte et demander une approbation.
- Minimisation des portées : des permissions larges accordées d’emblée aggravent les dégâts si un jeton fuit. La page recommande des portées au moindre privilège.
Les questions à poser avant de brancher des données d’entreprise sont donc concrètes. Qui a construit le serveur, où tourne-t-il, quelles permissions demande-t-il, et qui voit quelles données.
Et chez nous ?
Nous publions ce blog. Nous sommes une agence en forward deployed : trois ingénieurs de Télécom Paris spécialisés en IA, qui construisent des agents IA sur mesure et prennent aussi des missions de machine learning et de données. Nos agents citent leurs sources, rédigent des Word et des PowerPoint, et sont aussi accessibles depuis Claude, ChatGPT ou Copilot.
Côté données, les sources sont lues en lecture seule depuis SharePoint, OneDrive ou Dropbox, dans les dossiers que le client choisit, sans qu’aucun fichier soit conservé ; d’autres outils se branchent sur mesure. Chaque entreprise a sa propre clé de chiffrement, les serveurs sont en France et la base de données dans l’Union européenne, les modèles sont européens (Mistral AI) sous contrat sans entraînement sur les données, et tout s’efface sur demande. Rien ne part sans la validation d’une personne de l’entreprise. Pour aller plus loin, voir la page sur la sécurité des données et celle sur le branchement de Claude ou ChatGPT aux données de l’entreprise.
Sources, consultées le 12 novembre 2026
Questions fréquentes
Que signifie MCP ?
Model Context Protocol. La documentation officielle le définit comme un standard open source pour connecter des applications d'IA à des systèmes externes.
Le MCP ne fonctionne-t-il qu'avec Claude ?
Non. La documentation indique que le MCP est géré par des assistants comme Claude et ChatGPT, et par des outils de développement comme Visual Studio Code et Cursor.
Le MCP protège-t-il mes données ?
Le MCP définit la façon dont une application et un serveur se parlent. La sécurité dépend de la façon dont le serveur est construit et de ce qu'il a le droit de faire. La page officielle sur la sécurité décrit des risques comme le confused deputy, le passage de jetons et la compromission d'un serveur local, avec les règles que les serveurs doivent suivre.
Faut-il un développeur pour utiliser le MCP ?
Utiliser un serveur qui existe déjà revient à le connecter dans votre application d'IA. Exposer vos propres documents et bases de données demande que quelqu'un construise et sécurise un serveur, ce qui relève de l'ingénierie.