MCP — Model Context Protocol — est l’une des avancées majeures de l’intégration de l’IA au cours des deux dernières années. Introduit par Anthropic fin 2024 et adopté par OpenAI, Google et Microsoft en 2025, il est devenu en 2026 un moyen courant de connecter l’IA à vos outils sans recréer l’intégration pour chaque fournisseur.
Nul besoin d’être ingénieur pour en bénéficier. Il suffit de comprendre MCP, de connaître les serveurs adaptés à votre cas d’utilisation et de savoir les installer et les configurer. Cet article s’adresse aux non-ingénieurs.
Ce qu’est réellement MCP
MCP normalise la manière dont les assistants d’IA se connectent aux outils. Avant MCP, chaque solution possédait son propre système d’intégration : ChatGPT proposait des plugins, puis des actions de GPT personnalisés ; Claude suivait une autre méthode ; chaque cadre logiciel avait sa propre approche. Demander à une IA de lire des e-mails Gmail exigeait donc un travail différent selon l’outil choisi.
L’MCP résout ce problème en définissant un seul protocole — le protocole ouvert Model Context Protocol, géré par Anthropic et adopté par les fournisseurs. Un serveur MCP est un petit programme qui expose les capacités d’un outil (lire des événements de calendrier, envoyer des messages Slack, rechercher dans Notion). Un client MCP est tout assistant d’IA qui sait parler le protocole — Claude, ChatGPT, Cursor et beaucoup d’autres.
Une fois qu’un serveur existe pour un outil, tout assistant compatible peut l’utiliser. Dès qu’un client prend en charge MCP, il peut communiquer avec tout serveur compatible. Les gains liés à cette compatibilité sont considérables.
L’analogie utile est la suivante : MCP est à l’IA ce que l’USB est à l’électronique. Avant l’USB, chaque appareil avait son propre connecteur. Avec l’USB, les appareils peuvent fonctionner avec n’importe quel ordinateur. MCP joue ce rôle pour les intégrations d’IA.
Ce que vous pouvez faire avec MCP aujourd’hui
La liste des serveurs MCP disponibles en 2026 est grande et croissante. Environ :
Productivité :
- Gmail, Outlook, Google Calendar, Microsoft Calendar
- Notion, Obsidian, Roam Research, Logseq
- Slack, Discord, Teams
- Linear, Jira, Asana, Trello, Monday
- Google Drive, Dropbox, OneDrive, S3
Développement :
- GitHub, GitLab, Bitbucket
- Le système de fichiers, le terminal et le navigateur de Cursor
- Docker, Kubernetes
- AWS, GCP, Azure (en lecture seule par défaut)
- Postgres, MySQL, MongoDB (souvent en lecture seule)
Web :
- Brave Search, Google Search, Tavily, Exa
- Automatisation du navigateur (basée sur Playwright, Puppeteer)
- Scrapers spécifiques à un site
Données :
- Feuilles de calcul, Airtable
- Différentes bases de données via des connecteurs personnalisés
- Outils de BI (Metabase, Cube)
Spécialisés :
- Stripe, QuickBooks (pour la finance)
- Salesforce, HubSpot (CRM)
- Calendly, Cal.com (planification)
- Twilio (SMS)
La plupart des outils populaires ont au moins un serveur MCP maintenu par la communauté. Beaucoup ont des versions officielles.
Mise en place de votre premier serveur MCP
Passons en revue la configuration pratique. Nous utiliserons Claude Desktop et un serveur MCP Gmail comme exemple ; le modèle est le même dans Cursor ou ChatGPT.
Étape 1 : Choisissez votre client d’IA. Claude Desktop, ChatGPT Desktop, Cursor et d’autres prennent en charge MCP. Choisissez celui que vous utilisez le plus.
Étape 2 : Trouvez un serveur MCP pour l’outil que vous souhaitez. L’écosystème MCP a quelques sites de catalogues — modelcontextprotocol.io a la liste officielle ; des catalogues communautaires comme Smithery.ai agrègent des serveurs communautaires. Recherchez “serveur MCP Gmail” et vous trouverez plusieurs options.
Étape 3 : Installez le serveur. La plupart des serveurs MCP sont distribués comme :
- Une commande
npx(basée sur Node). - Une commande
uvx(basée sur Python). - Un conteneur Docker.
Une installation typique pour tout serveur ressemble à l’une de ces options (le nom exact du package vient du README de ce serveur — il n’y a pas de nom de serveur “Gmail” unique utilisé par tout le monde) :
# Option A: via npx (if you have Node installed)
npx -y <some-mcp-server-package>
# Option B: via uvx (if you have uv installed)
uvx <some-mcp-server-package>
# Option C: Docker
docker run <some-mcp-server-image>
La documentation du serveur indique l’option à choisir. De nombreux serveurs MCP sont préconditionnés : le client d’IA télécharge automatiquement ce dont il a besoin lors de la première utilisation.
Étape 4 : Configurez le client. Chaque client d’IA propose un emplacement pour configurer les serveurs MCP. Dans Claude Desktop, il s’agit du fichier claude_desktop_config.json dans le répertoire de configuration de Claude — sur macOS, ~/Library/Application Support/Claude/. La configuration ressemble généralement à ceci :
{
"mcpServers": {
"gmail": {
"command": "npx",
"args": ["-y", "<your-gmail-mcp-server-package>"],
"env": {
"GMAIL_CLIENT_ID": "your-client-id",
"GMAIL_CLIENT_SECRET": "your-secret"
}
}
}
}
Vous devez authentifier le serveur avec l’outil (Gmail dans ce cas). Pour les services Google, cela implique généralement de créer des identifiants OAuth dans votre console Google Cloud. La documentation du serveur vous guide à travers le processus.
Pour les services non OAuth (tokens API Notion, tokens API Linear, etc.), vous générez une clé API dans les paramètres du service et la collez dans la configuration.
Étape 5 : Redémarrez le client et utilisez-le. Une fois configuré, redémarrez Claude Desktop. Le serveur MCP démarre automatiquement. Ouvrez une nouvelle conversation et vous verrez que Claude peut maintenant faire référence aux outils Gmail.
Vous pouvez maintenant poser des questions comme :
Quels e-mails non lus ai-je reçus cette semaine au sujet de la feuille de route du deuxième trimestre ?
Rédigez des réponses aux trois e-mails non lus les plus prioritaires. Montrez-moi chaque brouillon avant tout envoi.
Résumez le fil d’email avec Anna concernant le budget marketing.
Claude appelle les outils du serveur MCP, récupère les données et produit des réponses fondées.
Configuration d’une pile de productivité
Pour constituer un environnement de productivité utile avec MCP, voici un point de départ raisonnable :
- Serveur MCP Gmail — pour le tri des e-mails, la création de brouillons et la recherche.
- Serveur MCP Google Calendar — pour la planification, la préparation des réunions, la vérification de la disponibilité.
- Serveur MCP Notion — pour la base de connaissances personnelle, les notes de projet, la rédaction de documents.
- Serveur MCP Linear ou Jira — pour le tri des problèmes si vous travaillez avec ces outils.
- Serveur MCP Brave Search ou Tavily — pour la recherche web fondée.
Chacun prend 10 à 20 minutes pour l’installer et le configurer. Configuration totale : une soirée.
Ce que cela rend possible :
- Un tri conversationnel des e-mails qui tient compte de votre calendrier.
- Une préparation de réunion qui extrait les notes de Notion et les e-mails récents de Gmail.
- “Planifier une réunion avec le même groupe que la réunion du mardi de la semaine dernière” — géré.
- Création d’un problème dans Linear à partir d’une conversation.
- Recherche en temps réel avec des citations.
Le changement qualitatif est que votre IA cesse d’être un chatbot dans un onglet séparé et devient quelque chose qui connaît votre contexte réel.
Sécurité et autorisations
Les serveurs MCP s’exécutent sur votre machine et ont l’accès que vous leur donnez à vos comptes. Cela est puissant et signifie que vous devez y penser.
Utilisez des identifiants limités. Lorsque vous créez des identifiants OAuth ou des clés API, limitez-les au minimum nécessaire. “Lire le calendrier, écrire des événements” est beaucoup plus étroit que “accès complet à Google.”
Auditez les serveurs installés. La plupart des serveurs MCP populaires ont un code source ouvert que vous pouvez examiner. Accordez avec prudence des autorisations aux serveurs obscurs ou non maintenus.
N’installez pas depuis des sources aléatoires. Restez sur les serveurs MCP des éditeurs reconnus (Anthropic, mainteneurs communautaires reconnus, le vendeur officiel de l’outil) ou sur des catalogues établis qui vérifient leurs listes.
Faites attention aux serveurs avec accès shell. Certains serveurs MCP exposent l’exécution de commandes de terminal à l’IA. Utile pour certains flux de travail ; un risque majeur de sécurité si vous n’êtes pas prudent. L’IA peut exécuter des commandes arbitraires sur votre machine si vous lui accordez cette capacité.
Traitez les serveurs MCP comme des extensions de la surface de confiance de votre IA. Ce que l’IA peut lire, voir ou agir via le serveur est ce qu’elle ferait directement. Planifiez en conséquence.
Les limites de MCP en 2026
Quelques limites honnêtes :
Découverte. Trouver le bon serveur MCP pour un outil est encore plus compliqué qu’il ne devrait l’être. Il n’y a pas de catalogue canonique unique ; plusieurs sites communautaires concurrents.
Qualité variable. Les serveurs MCP à code source ouvert vont de la qualité production au bricolage de week-end. Un serveur défaillant rompt vos flux de travail.
Documentation. Beaucoup de serveurs MCP sont sous-documentés. Le README vous dit comment installer mais ne vous explique pas toujours la surface complète des outils disponibles.
Variabilité entre les clients. Malgré la normalisation du protocole, les clients présentent différemment les fonctions MCP. L’intégration de Claude Desktop est la plus aboutie ; celle de Cursor excelle pour le développement ; celle de ChatGPT progresse.
Opérations avec état. MCP convient surtout aux actions sans état du type « lisez ceci » ou « faites cela ». Les processus longs en plusieurs étapes restent peu pratiques.
Ces problèmes s’améliorent rapidement. D’ici la fin de 2026, la plupart d’entre eux seront résolus.
Quand écrire votre propre serveur MCP
L’écosystème MCP couvre la plupart des outils populaires, mais pas tout. Si vous souhaitez connecter :
- Un outil interne que votre entreprise a construit.
- Un produit SaaS sans serveur MCP public.
- Un système hérité avec uniquement une API personnalisée.
- Un flux de travail spécifique qui combine plusieurs outils de manière personnalisée.
…alors la création de votre propre serveur MCP se justifie. Malgré son apparence technique, le travail reste modeste : quelques centaines de lignes de TypeScript ou de Python avec le SDK MCP.
Si vous disposez de compétences techniques, directement ou dans l’équipe, cet investissement offre un fort effet de levier. Un après-midi de travail produit une intégration durable utilisable par toute personne équipée d’un client d’IA compatible MCP.
Nous avons un article dédié avancé sur la création de serveurs MCP en TypeScript.
MCP vs Zapier / n8n : quand utiliser lequel
Une question revient souvent : si j’utilise Zapier ou n8n, ai-je besoin de MCP ?
La réponse est “ils sont complémentaires, utilisés différemment.”
Utilisez MCP lorsque :
- Vous êtes dans une conversation avec un assistant AI et souhaitez agir ou consulter des données.
- L’action est ponctuelle ou dépendante du contexte (pas “chaque fois que X se produit”).
- Vous travaillez de manière interactive, pas en construisant une automatisation.
Utilisez Zapier / n8n lorsque :
- Vous souhaitez un flux de travail qui s’exécute automatiquement à partir d’un déclencheur.
- Le flux est répétitif et bien défini.
- Vous n’avez pas besoin d’une personne dans la boucle de conversation.
De nombreux utilisateurs emploient les deux : MCP pour consulter ponctuellement des données au cours d’une conversation ; Zapier ou n8n pour exécuter une action à chaque nouvel e-mail correspondant à des critères.
Il existe aussi un chevauchement intéressant : n8n peut agir comme client MCP en appelant des serveurs dans ses flux, ou comme serveur MCP en exposant ses propres flux aux clients d’IA. La frontière devient ainsi plus souple : créez un flux une fois dans n8n, puis utilisez-le depuis tout client compatible MCP.
Quelques schémas pratiques
Tri conversationnel avec MCP. Ouvrez Claude et demandez : « Quels éléments de ma boîte de réception, de mon calendrier et de Slack exigent une attention immédiate ? » Le modèle utilise trois serveurs MCP en parallèle et produit un rapport de tri unifié.
Préparation de réunion avec MCP. Connectez le calendrier, Gmail et Notion. Demandez : « J’ai une réunion avec l’équipe Acme à 15 h ; préparez-moi une fiche. » Le modèle récupère les détails, les e-mails associés et les notes de vos réunions précédentes, puis produit la fiche.
Recherche étayée par des sources. Connectez un serveur MCP de recherche. Posez une question factuelle : le modèle effectue une recherche Web et produit une réponse assortie de citations, comme Perplexity dans votre outil d’IA habituel.
Code avec accès au système de fichiers et au terminal. Cursor — comme un nombre croissant d’outils — utilise MCP pour donner à l’IA accès au système de fichiers local et à un terminal isolé. Le modèle peut lire le code, exécuter des tests et installer des paquets : l’IA devient un collaborateur capable d’agir, et non plus un simple outil de suggestion.
Une petite habitude qui s’accumule
Lorsque vous copiez manuellement des données entre une conversation avec l’IA et un autre outil — contenu d’un e-mail vers ChatGPT, résultat de ChatGPT vers Notion, etc. — marquez une pause. Un serveur MCP peut probablement automatiser ce transfert.
Consacrez une fois vingt minutes à l’installation du serveur MCP pertinent. Le transfert devient ensuite invisible. Après quelques mois, cet ensemble d’intégrations rend votre flux de travail avec l’IA nettement plus fluide que celui de l’utilisateur moyen.
Commencez avec trois serveurs
MCP est l’infrastructure d’IA la plus importante de 2025-2026. Peu spectaculaire, cette couche transforme pourtant un simple chatbot en système connecté à votre travail réel.
L’écosystème est suffisamment mûr pour que les non-ingénieurs en bénéficient. L’installation est un coût unique en soirée, pas en semaine. Le changement qualitatif de la manière dont l’IA vous aide est important.
Choisissez les trois outils que vous utilisez le plus, trouvez les serveurs MCP pour eux et installez-les en premier.
