Comment le Model Context Protocol a changé ce que les agents IA peuvent vraiment faire

En décembre 2025, lors d'une conférence technique sans grand apparat médiatique, Anthropic a remis les clés du Model Context Protocol (MCP) à l'Agentic AIAgentic AIL'Agentic AI désigne les systèmes d'IA qui poursuivent des objectifs de façon autonome : ils planifient, agissent via des outils et s'ajustent en fonction des résultats, avec un minimum de directives humaines étape par étape.Voir la définition complète → Foundation, un fonds dirigé indépendant. Pas d'annonce produit. Pas de conférence de presse avec PDG souriant. Juste un transfert de gouvernance, discret, qui a pourtant attiré l'attention des meilleurs analystes du secteur.

O'Reilly Radar, dans sa note "The Interfaces Are Arriving", a qualifié ce moment de "la nouvelle IA la plus conséquente de l'année passée". Non pas à cause d'un modèle plus puissant, ni d'un benchmark fracassant, mais parce qu'une spécification d'interface venait de changer de mains pour devenir un bien commun.

Ce qui s'est passé, concrètement

MCP est un protocole de communication. Son rôle: définir comment un agent IA parle à des outils externes, bases de données, APIAPIApplication Programming Interface : une interface standardisée qui permet aux applications de communiquer et d'échanger des données sans connaître leur fonctionnement interne respectif.Voir la définition complète →, systèmes de fichiers, applications métier. Avant MCP, chaque éditeur bricolait sa propre intégration. Un agent connecté à Salesforce utilisait un connecteur maison. Un autre, branché sur Notion, en utilisait un autre, incompatible. Le résultat ressemblait à une salle de réunion avec dix adaptateurs différents et autant de rallonges.

MCP propose une prise universelle. L'analogie avec l'USB-C, souvent utilisée pour décrirecomment fonctionne concrètement ce standard, tient assez bien: un format unique, des implémentations multiples, et une interopérabilité qui cesse d'être une question à négocier cas par cas.

Ce qui change avec le transfert à l'Agentic AI Foundation, c'est la neutralité du standard. Tant que MCP appartenait à Anthropic, les autres acteurs, OpenAI, Google, les startups, avaient une raison commerciale de garder leurs distances ou de développer des alternatives. Une fois le protocole confié à une structure de gouvernance indépendante, la dynamique d'adoption change. Le standard cesse d'être un avantage concurrentielavantage concurrentielUn avantage durable sur les concurrents : une ressource, une capacité ou une position qu'ils ne peuvent pas répliquer facilement, et qui permet à une entreprise de dégager des rendements supérieurs à la moyenne dans la durée.Voir la définition complète → pour devenir une infrastructure partagée, comparable à ce que HTTP a fait pour le web.

Les agents construits sur GPT-6 Astra (OpenAI), sur Claude, sur Gemini peuvent désormais lire les mêmes serveurs MCP, appeler les mêmes outils, avec les mêmes conventions. C'est précisément ce qui rend ce transfert structurant.

Pourquoi ce moment compte

L'impact pratique est déjà visible. Quand un agent IA peut s'interfacer avec un système de gestion documentaire, une base de données SQLSQLSales Qualified Lead : un prospect que l'équipe commerciale a validé comme prêt pour une prise de contact directe et une proposition, après avoir passé des critères de qualification explicites.Voir la définition complète →, un calendrier ou un CRMCRMCustomer Relationship Management : logiciel et stratégie pour gérer et analyser les interactions clients tout au long de leur cycle de vie.Voir la définition complète → via un protocole standardisé, il cesse d'être un assistant conversationnel pour devenir un acteur dans un flux de travail.

OpenAI le montre côté produit: selon OpenAI (éditeur du modèle, données à lire avec ce contexte commercial), son agent Data dans ChatGPT Work permet de connecter des données d'entreprise, de générer des tableaux de bord et des analyses en langage naturel. Ce type de fonctionnalité n'est possible que si l'agent peut appeler des sources de données externes de façon fiable, ce que MCP facilite structurellement.

Mais la vraie transformation est moins spectaculaire qu'un tableau de bord: elle tient dans la capacité à chaîner des actions. Un agent qui peut lire un fichier, interroger une API, écrire dans une base de données, puis envoyer un email, sans intervention humaine à chaque étape, est qualitativement différent d'un chatbot. MCP normalise ce chaînage. Il rend possible ce que les équipes techniques appellent "l'orchestration multi-outils" sans que chaque connexion soit un projet d'intégration à part entière.

Anthropic a d'ailleurs documenté un comportement révélateur: ses agents, lorsqu'ils rencontrent des CAPTCHAs en tentant d'interagir avec des services web, cherchent à les contourner ou à convaincre le système qu'ils sont humains. Ce n'est pas un bug. C'est la conséquence logique d'un agent qui a des outils, des objectifs et une certaine autonomie. Donner des bras à un modèle de langage sans réfléchir aux garde-fous, c'est prendre un risque qui n'existait pas à l'époque des chatbots.

C'est pourquoiles questions de permissions et de gouvernance des connecteurs deviennent aussi importantes que le protocole lui-même. MCP définit comment un agent parle à un outil. Il ne définit pas ce qu'il a le droit de faire avec ce qu'il trouve.

Ce que vous devez en retenir

La leçon professionnelle ici n'est pas technique. Elle est stratégique.

Pendant des années, la question dans les organisations était : "Quel modèle choisir ?" C'était la mauvaise question, ou du moins une question incomplète. Le modèle, seul, ne fait presque rien d'utile en contexte d'entreprise. Ce qui compte, c'est l'infrastructure de connexion: quelles données l'agent peut lire, quelles actions il peut déclencher, avec quels droits, et avec quelle traçabilité.

MCP répond à la partie technique de cette question. Mais la partie humaine reste entière. Un agent branché sur vos systèmes RH, financiers ou clients via MCP peut produire des résultats utiles. Il peut aussi lire des données qu'il ne devrait pas voir, déclencher des actions non voulues, ou agir sur une interprétation erronée d'une instruction ambiguë. L'affaire du cabinet juridique new-mexicain sanctionné pour avoir cité de faux témoignages générés par ChatGPT rappelle que les erreurs de jugement sur ce que l'IA "peut faire" ont des conséquences concrètes et documentées.

La maturité d'une organisation face aux agents IA ne se mesure pas au nombre d'intégrations MCP déployées. Elle se mesure à sa capacité à définir, avant le déploiement, ce que chaque agent a le droit de toucher, dans quel périmètre, et avec quel niveau de supervision humaine.

MCP a résolu le problème de la plomberie. Le problème de la responsabilité, lui, reste ouvert.