Dans les entreprises actuellement, les agents IA fleurissent et promettent des gains rapides, mais la réalité ressemble souvent à un empilement d’expérimentations, avec des intégrations sur mesure, des permissions relativement floues et un contexte globalement mal maîtrisé. Le Model Context Protocol, ou MCP, propose une voie beaucoup plus sobre. Il s’agit ni plus ni moins d’un standard d’intégration qui remet du contrôle, là où l’agentique introduit du probabiliste.
Des agents IA déjà partout, mais difficiles à « tenir en laisse »
Partons d’un scénario-type, avec un agent qui interroge une base documentaire, ouvre un ticket, rédige un compte rendu et déclenche un script. Sur le papier, ce type de process semble faire accélérer l’entreprise. Mais dans les faits, elle met en lumière une nouvelle surface d’incertitude, celle des connexions, des accès, des outils et des données que l’agent manipule.
Premier problème, c’est l’artisanat. Chaque équipe bricole son connecteur maison, qui crée à chaque fois des hypothèses implicites (Qui a le droit de quoi ? Quels champs sont exposés ? Quel périmètre est interrogé ? Etc.).
Le deuxième problème, c’est l’opacité opérationnelle. En effet, un agent qui « agit » fait plus que répondre puisqu’il déclenche des appels, transforme des données ou crée des objets. Sans observabilité solide, l’agent devient une espèce de « collègue invisible ». On voit le résultat, mais rarement la chaîne de décisions. Et quand survient l’incident, la question revient, brutale, « mais pourquoi n’était-ce pas sous contrôle ? ».
Le troisième problème, c’est évidemment la sécurité, parce que l’agentique attire mécaniquement les attaques par injection de prompt. Et plus l’agent a de capacités, plus il devient intéressant à détourner. Un protocole, aussi bien conçu soit-il, ne permet pas d’éviter les risques, mais il peut imposer un cadre, donc réduire le champ des improvisations.
L’absence de standard, un accélérateur de dette technique
Ce que l’entreprise appelle aujourd’hui « architecture agentique » ressemble souvent à une addition de choix locaux. Ce n’est pas illogique en soi, parce que l’innovation avance généralement par itérations, mais cette addition finit par coûter, en maintenance, en sécurité et en dépendances.
Ainsi les intégrations ad hoc se multiplient jusqu’à devenir impossibles à auditer.
C’est ici que la question de la standardisation devient un sujet de gouvernance. Un standard promet avant tout une grammaire commune, un même langage pour exposer des outils et des données à des applications IA, avec des règles explicites sur ce qui est accessible et dans quelles conditions.
Anthropic présente ainsi le MCP comme un standard ouvert permettant des connexions sécurisées et bidirectionnelles entre des sources de données et des outils alimentés par l’IA. Il est d’ailleurs décrit par la doc officielle comme un protocole ouvert qui standardise l’intégration entre applications LLM et outils ou sources externes.
Dit autrement, le MCP cherche à éviter que chaque agent réinvente sa plomberie.
Le MCP, une promesse d’interopérabilité pour industrialiser sans figer
Dans l’écosystème IA, l’interopérabilité est le nerf de la guerre. Les entreprises veulent pouvoir changer de modèle, ajouter un outil, remplacer une brique, sans reconstruire la chaîne. Le MCP s’inscrit tout à fait dans cette logique, puisqu’il propose un découplage clair :
- D’un côté, des serveurs MCP exposent des capacités, accès à des données, actions, outils.
- De l’autre, des clients MCP, les applications IA, s’y connectent via une interface standard.
L’intérêt n’est pas seulement technique, il est aussi organisationnel. Une équipe peut opérer un serveur MCP comme un produit interne, avec ses règles d’accès, sa journalisation et ses limites. Et une autre équipe peut construire des agents au-dessus, sans avoir à négocier à chaque fois une intégration unique.
Cette logique de standard s’appuie sur un mouvement plus large. Le protocole a été ouvert fin 2024, puis structuré via une gouvernance communautaire documentée.
Des acteurs de l’industrie ont ensuite poussé l’adoption, au point que le sujet a quitté les cercles de spécialistes pour apparaître comme une couche d’infrastructure de l’agentique.
Sécurité, permissions, gouvernance, remettre des frontières au bon endroit
L’agentique déplace la frontière de sécurité. On ne protège plus uniquement des applications, on protège des « capacités ». Ce que l’agent peut faire, avec quels droits et sur quelles données.
Le MCP aborde cette dimension via des spécifications et de la documentation dédiées, notamment sur les pratiques de sécurité et les flux d’autorisation.
Il faut toutefois garder la tête froide, car des travaux de recherche ont montré que, dans l’écosystème MCP, les implémentations d’authentification et d’autorisation pouvaient être hétérogènes, parfois robustes… parfois faibles.
Autrement dit, le standard améliore les performances, à condition d’être implémenté sérieusement.
C’est aussi ici que la gouvernance prend une forme concrète. Le protocole documente un modèle communautaire, mais l’entreprise doit le traduire en responsabilités internes (Qui le maintient ? Qui valide les capacités exposées ? Qui mesure l’usage ? Qui révoque ? etc.)
Eleven Labs, une avance qui se joue dans la méthode, pas dans l’effet d’annonce
Beaucoup d’acteurs parlent d’agents, mais peu finalement parlent de standards. Sur ce point, Eleven Labs met en avant une approche structurée, avec des contenus dédiés aux architectures d’agents et aux serveurs MCP, où la question de la mise en production est centrale.
Fabien Pasquet, Lead Développeur Javascript/IA : « Chez Eleven Labs, on utilise le Model Context Protocol comme un véritable standard d’intégration de l’IA dans nos architectures. Le MCP nous permet de découpler proprement les modèles, les agents et les systèmes métiers, en formalisant la gestion du contexte, des permissions et des capacités exposées comme de vrais contrats techniques. Cette approche évite les intégrations ad hoc, facilite les tests, l’observabilité et la sécurité, et surtout rend possible une industrialisation progressive des usages IA dans des environnements SI complexes. »
L’idée clé est là, c’est à dire industrialiser progressivement.
Le MCP change la manière de concevoir les agents parce qu’il déplace l’effort. On ne passe plus son temps à recoller des outils au cas par cas. On investit dans des interfaces stables, des contrats, une observabilité, ce qui permet de faire évoluer les modèles, les prompts, les orchestrations, sans ouvrir en permanence de nouvelles brèches d’intégration.
À long terme, cela dessine une architecture plus lisible. Un SI qui expose des capacités sous contrôle. Des agents qui consomment ces capacités, avec des permissions explicites, et une entreprise qui peut, enfin, reprendre la main, non en freinant l’agentique, mais en la rendant gouvernable.
