Serveur MCP : c'est quoi ? MCP vs API, usages en entreprise

MCP (Model Context Protocol) est un standard ouvert qui permet aux applications d’IA comme Claude, ChatGPT ou Gemini de se connecter à vos données et à vos outils de la même manière partout, et un serveur MCP est le petit programme qui expose un système, comme votre CRM ou votre ERP, selon ce standard. Pour une entreprise, c’est ce qui permet à l’IA de passer de réponses générales à un vrai travail sur vos clients, vos commandes et vos documents. Voici comment fonctionne MCP, en quoi il diffère d’une API, quand un serveur MCP sur mesure vaut la peine et comment le sécuriser.

À retenir

Un serveur MCP transforme l’un de vos systèmes en un ensemble d’outils et de données que toute application d’IA compatible MCP peut découvrir et utiliser : vous connectez un système une seule fois, et non une fois par produit d’IA. Vérifiez d’abord si l’éditeur du logiciel propose déjà un serveur MCP officiel ; créez un serveur sur mesure pour les systèmes internes ou anciens et pour les actions propres à votre activité. Commencez par quelques outils ciblés en lecture seule, n’exécutez que des serveurs de confiance et exigez une validation humaine pour tout ce qui modifie des données.

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

MCP est un standard open source qui sert à connecter des applications d’IA à des systèmes externes ; la documentation officielle de MCP (en anglais) le compare à un port USB-C pour les applications d’IA. Anthropic a publié MCP en open source (en anglais) en novembre 2024, comme standard pour connecter les assistants d’IA aux systèmes où se trouvent les données. En décembre 2025, Anthropic a fait don de MCP à l’Agentic AI Foundation (en anglais), un fonds rattaché à la Linux Foundation et cofondé par Anthropic, Block et OpenAI. Selon la même annonce, on comptait alors plus de 10 000 serveurs MCP publics actifs, et MCP avait été adopté par ChatGPT, Cursor, Gemini, Microsoft Copilot, Visual Studio Code et d’autres produits d’IA.

La conséquence pratique, c’est que MCP n’est lié à aucun fournisseur d’IA : un serveur que vous créez aujourd’hui peut être utilisé par plusieurs applications d’IA, et par la prochaine que votre équipe adoptera.

Qu’est-ce qu’un serveur MCP ?

Un serveur MCP est un programme qui fournit du contexte et des actions aux applications d’IA via MCP. La présentation de l’architecture MCP (en anglais) décrit trois participants : l’hôte MCP est l’application d’IA (par exemple Claude Desktop ou Visual Studio Code), il crée un client MCP pour chaque serveur MCP auquel il se connecte, et chaque client maintient une connexion dédiée avec son serveur. Un serveur peut proposer trois types d’éléments :

• Outils (tools) : des actions que l’IA peut appeler, comme « rechercher un client », « vérifier le stock » ou « créer un brouillon de commande ».
• Ressources (resources) : des données que l’IA peut lire, comme un catalogue produits, une grille tarifaire ou le schéma d’une base de données.
• Prompts : des modèles réutilisables qui structurent la façon dont l’IA travaille avec le serveur.

Un serveur MCP fonctionne de deux façons. Un serveur local s’exécute sur l’ordinateur de l’utilisateur et communique par l’entrée et la sortie standard (stdio) ; un serveur distant est hébergé sur un serveur web et se joint en HTTP, avec authentification : c’est le choix habituel pour un système d’entreprise partagé par une équipe.

Serveur MCP vs API : quelle différence ?

Un serveur MCP ne remplace pas votre API : il se place généralement au-dessus d’elle et la rend utilisable par l’IA. La différence tient au public auquel chaque interface s’adresse :

• Une API est conçue pour les développeurs : chaque système a ses propres points de terminaison (endpoints), formats et méthodes d’authentification, et quelqu’un doit écrire du code pour chaque intégration.
• Un serveur MCP est conçu pour les applications d’IA : il décrit ses outils et ses données dans un format standard que l’application d’IA découvre à l’exécution, si bien que le modèle peut décider quand rechercher un client ou vérifier une commande, sans code spécifique dans chaque produit d’IA.

Autrement dit, l’API est la façon dont votre système parle aux logiciels ; le serveur MCP est la façon dont il parle à l’IA, généralement en appelant cette même API en arrière-plan, dans les limites que vous définissez.

Ce qu’une entreprise peut connecter avec MCP

MCP est utile partout où le personnel ou des agents IA ont besoin de données métier à jour plutôt que d’extraits copiés-collés. Usages typiques :

• Ventes : avant un appel, demander à Claude ou à ChatGPT l’historique d’un client dans le CRM, ses commandes en cours et son dernier devis, puis rédiger la relance.
• Service client : permettre à un assistant de consulter l’état d’une commande ou les détails de livraison pendant qu’il répond.
• Opérations et finance : interroger les stocks, les ventes ou les factures en langage courant et obtenir une synthèse ou un rapport.
• Agents IA : donner aux agents créés avec n8n, Dify ou du code sur mesure le même accès contrôlé à vos systèmes ; notre guide sur les agents IA pour entreprise explique comment choisir le premier processus à leur confier.
• Éditeurs de logiciels : proposer un serveur MCP pour votre produit, afin que les assistants d’IA de vos clients puissent l’utiliser.

Pour que les équipes sachent ce qu’un assistant connecté peut voir et faire en leur nom, notre guide de formation IA en entreprise aborde aussi MCP.

Faut-il créer un serveur MCP sur mesure ?

Il faut un serveur MCP sur mesure quand aucun serveur officiel adapté n’existe pour le système concerné, ou quand vous voulez que l’IA utilise des actions propres à votre activité, avec vos propres limites. Procédez dans cet ordre :

1. Chercher un serveur officiel. Certains éditeurs publient des serveurs MCP officiels pour leurs produits ; la documentation MCP cite par exemple celui de Sentry comme serveur distant. Un serveur officiel est maintenu par l’éditeur et constitue généralement le point de départ le plus sûr.
2. Envisager une plateforme. n8n et Dify peuvent exposer des workflows ou des applications comme serveurs MCP sans qu’il faille écrire un serveur de zéro ; notre comparatif de n8n, Dify et Coze explique leurs différences.
3. Créer un serveur sur mesure pour les bases de données internes, les ERP ou CRM anciens, ou quand vous voulez des outils ciblés et parlants, comme « créer un brouillon de devis pour un client existant », plutôt qu’un accès brut à chaque table.

Un bon serveur MCP sur mesure commence petit : une poignée d’outils aux noms clairs, d’abord en lecture seule, testés avec de vraies questions avant d’ajouter l’accès en écriture.

Sécurité MCP : les points essentiels

Un serveur MCP donne à l’IA un accès réel à vos systèmes : la sécurité doit donc être pensée dès la conception. Le guide officiel des bonnes pratiques de sécurité MCP (en anglais) et les recommandations de l’OWASP mettent en avant cinq points essentiels :

• N’exécuter que des serveurs de confiance. Le guide de sécurité MCP avertit que les serveurs locaux peuvent avoir un accès direct au système de l’utilisateur et qu’un serveur ou une commande de démarrage malveillants peuvent exécuter du code arbitraire ; il recommande d’afficher la commande exacte avant l’installation, d’isoler le serveur dans un bac à sable (sandbox) et de n’accorder par défaut que des privilèges minimaux.
• Le moindre privilège. Demandez des autorisations restreintes et n’en ajoutez que si nécessaire ; le même guide avertit que des portées larges comme files:* ou admin:* transforment un seul jeton volé en accès à tout.
• Une authentification solide pour les serveurs distants. Les serveurs distants doivent authentifier chaque requête, et la spécification de MCP interdit de transmettre tel quel le jeton d’un client aux API en aval.
• Une validation humaine pour les actions risquées. Le Top 10 de l’OWASP pour les applications LLM classe l’agentivité excessive (Excessive Agency) (en anglais) parmi les risques et recommande des autorisations minimales ainsi qu’une validation humaine pour les actions à fort impact, comme les paiements, les suppressions ou les messages aux clients.
• La journalisation. Enregistrez quel outil a été appelé, par qui et avec quel résultat, afin de pouvoir vérifier ce que l’IA a fait.

Notre guide pour installer OpenClaw applique les mêmes principes (moindre privilège, bac à sable, validation humaine) à un agent IA personnel.

Questions fréquentes

Un serveur MCP, c’est quoi en termes simples ?

Un serveur MCP est un connecteur qui permet à des applications d’IA comme Claude, ChatGPT ou Gemini d’utiliser l’un de vos systèmes. Il indique à l’IA quelles actions et quelles données sont disponibles, par exemple « rechercher un client » ou « vérifier le stock », et exécute ces actions dans les limites que vous fixez. Comme MCP est un standard commun, un même serveur fonctionne avec de nombreuses applications d’IA.

MCP va-t-il remplacer les API ?

Non. Les serveurs MCP appellent généralement des API existantes en arrière-plan ; MCP ajoute une façon standard, pour les applications d’IA, de découvrir et d’utiliser ces fonctions. Votre API reste l’interface des intégrations logicielles classiques, tandis que le serveur MCP est l’interface destinée à l’IA.

Peut-on utiliser MCP en toute sécurité avec les données de l’entreprise ?

MCP peut être utilisé en toute sécurité avec les données de l’entreprise s’il est mis en place avec soin : n’exécutez que des serveurs de confiance, donnez à chacun le minimum d’autorisations nécessaires, authentifiez correctement les serveurs distants, exigez une validation humaine pour les actions qui modifient des données ou contactent des clients, et journalisez chaque appel. Le risque vient surtout d’accès trop larges et de serveurs non fiables, plutôt que du protocole lui-même.

UsualMatrix développe des serveurs MCP qui connectent Claude, ChatGPT et d’autres applications d’IA à votre CRM, votre ERP, vos bases de données et vos outils internes, avec des autorisations restreintes, une authentification et des étapes de validation prévues dès la conception. Nous travaillons avec des entreprises du monde entier et communiquons en chinois, en espagnol et en anglais. Découvrez nos solutions d’intelligence artificielle ou contactez-nous pour parler des systèmes avec lesquels vous aimeriez que l’IA travaille.