Le Model Context Protocol, ou MCP, est une norme ouverte qui permet aux assistants IA de se connecter à des outils et des données externes via une interface commune. Pour les marketeurs, cela signifie qu’un assistant comme Claude ou ChatGPT peut lire des analyses, interroger un CRM, effectuer des recherches dans une bibliothèque de contenu ou mettre à jour un tableau de projet via des connecteurs, au lieu que vous ayez à copier manuellement les données dans le chat.
Anthropic a introduit MCP en novembre 2024 et l’a publié en tant que spécification ouverte. Depuis, d’autres entreprises d’IA, dont OpenAI, Google et Microsoft, ont annoncé leur prise en charge dans divers produits, et de nombreux éditeurs de logiciels ont publié des serveurs MCP pour leurs plateformes. Il est souvent comparé à l’USB-C pour l’IA : une seule forme de connecteur, de nombreux appareils.
Comment fonctionne MCP ?
MCP a deux facettes. Un serveur MCP enveloppe un outil ou une source de données et décrit ce qu’il offre : les actions qu’il peut effectuer, les données qu’il peut renvoyer et les invites qu’il prend en charge. Un client MCP, intégré dans une application d’IA, se connecte aux serveurs et permet au modèle de les appeler pendant une conversation.
Lorsque vous demandez : « Comment le trafic organique a-t-il évolué le mois dernier ? », l’assistant peut appeler un serveur d’analyse, recevoir les chiffres et répondre à partir de données réelles. Sans MCP, chaque produit d’IA nécessitait sa propre intégration personnalisée pour chaque outil. Avec lui, un seul serveur peut fonctionner avec n’importe quel client prenant en charge le protocole.
Pourquoi les marketeurs devraient-ils s’y intéresser ?
Le travail marketing est réparti sur de nombreux outils. Un rapport hebdomadaire peut extraire des données de GA4, Search Console, Google Ads, Meta Ads, d’un CRM et d’un outil de suivi de projet. Une grande partie du temps est consacrée à copier des chiffres entre les écrans.
MCP permet à un assistant d’accéder directement à ces systèmes, dans la limite des autorisations que vous accordez. Le gain ne réside pas tant dans une IA intelligente que dans la suppression de l’étape de copier-coller qui ralentit les équipes et introduit des erreurs. Cela change également qui peut effectuer des analyses. Un responsable de contenu qui ne sait pas écrire de SQL peut poser une question simple à une table BigQuery via un connecteur, et un responsable de compte peut vérifier le statut d’une transaction sans ouvrir le CRM. Cela diffuse des données utiles au sein de l’équipe, ce qui est utile tant que les autorisations restent strictes.
Que pouvez-vous connecter aujourd’hui ?
L’écosystème évolue rapidement, vérifiez donc les listes actuelles avant de planifier. Au moment de la rédaction, des connecteurs existent, provenant de fournisseurs ou de la communauté, pour de nombreux outils courants.
- Google Drive, Docs et Sheets pour les briefs et les rapports
- Slack et Microsoft Teams pour les messages d’équipe
- Notion, Asana, Linear et Jira pour le suivi de projet
- HubSpot, Salesforce et autres CRM pour les données de contact et de transaction
- Bases de données telles que PostgreSQL et BigQuery pour les tables d’analyse
- GitHub pour le code de site web et les dépôts de contenu
- Outils d’automatisation de navigateur pour les pages sans API
Les serveurs officiels d’un fournisseur sont généralement plus sûrs que les non officiels, car le fournisseur les maintient et gère l’authentification correctement. Certains serveurs fonctionnent sur votre propre ordinateur ; d’autres sont des services distants auxquels vous vous connectez avec OAuth. Les serveurs distants sont plus faciles à configurer pour les équipes non techniques.
Quels sont les premiers flux de travail utiles ?
Commencez par des tâches en lecture seule où l’assistant collecte et résume des informations. Elles permettent de gagner du temps et présentent peu de risques.
Exemples que les équipes essaient en premier
- Résumé hebdomadaire des performances extrait des plateformes d’analyse et de publicité dans un brouillon
- Audit de contenu : lister les pages dans un dossier, comparer avec les données de Search Console, signaler celles en baisse
- Brouillon de brief de campagne basé sur les segments CRM et les résultats des campagnes précédentes
- Préparation de réunion : collecter les derniers messages, tâches et chiffres pour un compte client
- Notes sur les concurrents compilées à partir de documents de recherche enregistrés
Une fois que l’utilisation en lecture seule fonctionne bien, envisagez des écritures à faible risque, comme la création de brouillons de tâches dans un outil de projet ou l’ajout de lignes à une feuille de travail.
Quels sont les risques de sécurité ?
Connecter un assistant IA à des systèmes métier élargit le champ des problèmes potentiels. Les principaux risques sont bien documentés par les chercheurs en sécurité.
L’injection d’invites (prompt injection) est le plus important. Si l’assistant lit un document ou une page web contenant des instructions cachées, il peut tenter d’agir en conséquence en utilisant les outils dont il dispose. Des autorisations trop larges aggravent la situation : un connecteur avec un accès complet en écriture à votre CRM donne beaucoup plus de marge de manœuvre à une instruction injectée. Les serveurs non officiels peuvent également être mal conçus ou, dans de rares cas, malveillants.
Règles à définir avant de connecter quoi que ce soit
- Utilisez uniquement des serveurs officiels ou bien évalués, et maintenez-les à jour
- Accordez les autorisations les plus restreintes possibles, idéalement en lecture seule au début
- Utilisez des comptes ou des clés API distincts pour les connexions IA, afin que l’accès puisse être révoqué
- Exigez une confirmation pour toute action qui envoie, publie, dépense ou supprime
- Gardez les données personnelles des clients à l’écart, sauf s’il existe un objectif clair et une base juridique
- Vérifiez quels connecteurs sont activés chaque mois et supprimez ceux qui ne sont pas utilisés
MCP remplace-t-il les outils d’automatisation marketing ?
Non. Des outils comme Zapier, Make et les automatisations natives des plateformes exécutent des flux de travail fixes de manière fiable selon un calendrier. MCP donne à un assistant un accès flexible pour des tâches qui varient à chaque fois, comme répondre à une nouvelle question sur les données du mois dernier.
Les deux fonctionnent ensemble. Les tâches fixes et répétitives restent dans l’automatisation ; les analyses et la rédaction ponctuelles passent par l’assistant. Certaines plateformes d’automatisation proposent désormais leurs propres serveurs MCP, ce qui permet à un assistant de déclencher des flux de travail existants.
Comment Alien Road applique MCP
Dans une mission typique, la phase de découverte cartographie les outils utilisés par l’équipe marketing d’un client et les tâches où les personnes copient des données entre eux. Nous listons quels outils disposent de serveurs MCP officiels et lesquels nécessitent un autre itinéraire.
La configuration commence par des connexions en lecture seule via des comptes dédiés : l’analyse, la Search Console et un lecteur partagé sont des choix courants pour commencer. Nous écrivons des modèles d’invites pour les tâches récurrentes, comme le résumé hebdomadaire, et définissons des règles de confirmation pour toute action d’écriture. La mesure compare le temps passé sur ces tâches avant et après, ainsi qu’une vérification de la précision par rapport aux tableaux de bord sources. Les rapports mensuels listent les outils connectés, les autorisations et les problèmes rencontrés.
Par où commencer cette semaine
Notez les trois rapports ou résumés que votre équipe produit le plus souvent et listez chaque outil à partir duquel chacun extrait des données. C’est votre liste de connecteurs prioritaires.
Ensuite, connectez une source en lecture seule, comme Google Drive ou vos analyses, à un assistant qui prend en charge MCP. Demandez-lui de produire le résumé de la semaine dernière et comparez-le ligne par ligne avec la version que votre équipe a écrite.
Continuer la lecture : Optimisation par IA · Optimisation par IA