Qu’est-ce que le Model Context Protocol (MCP) ? Le guide ultime

Les modèles d’IA peuvent raisonner, résumer et générer du contenu, mais les cas d’usage professionnels nécessitent souvent un accès à des données à jour et la capacité d’interagir avec des systèmes externes. Historiquement, connecter une application d’IA à un CRM, une base de données, une plateforme d’analytique ou un autre outil métier impliquait de créer et de maintenir une intégration distincte pour chaque connexion.

Model Context Protocol (MCP) fournit aux applications d’IA compatibles un moyen standard de découvrir et d’utiliser des données, des outils et des workflows externes. Le MCP ne remplace pas le CRM, la base de données ou l’API sous-jacents. Il crée plutôt une interface cohérente, orientée vers l’IA, pour accéder à certaines fonctionnalités de ces systèmes. 

Le MCP devient plus utile lorsqu’un agent d’IA peut se connecter à des données métier fiables au lieu de s’appuyer uniquement sur les connaissances du modèle ou sur des fichiers importés. Le serveur MCP de ZoomInfo permet aux outils d’IA compatibles d’accéder aux entreprises B2B et aux informations sur les contacts pour effectuer des recherches de comptes, découvrir des prospects, enrichir les données, produire des résultats prêts à être intégrés à un CRM et établir des priorités commerciales. 

Qu’est-ce que le Model Context Protocol ?

Le Model Context Protocol est un standard ouvert qui permet aux applications d’IA de se connecter à des outils, des sources de données et des workflows externes via une interface commune.

Une application compatible avec le MCP peut découvrir les fonctionnalités disponibles sur un serveur MCP et les utiliser au besoin pendant une conversation ou un workflow d’agent. Ces fonctionnalités peuvent donner accès à des fichiers, des bases de données, des fiches CRM, des fonctions de recherche, des informations sur les entreprises ou des actions dans une autre application.

La documentation officielle du SDK MCP décrit le protocole comme un standard qui connecte les applications d’IA aux systèmes où résident leurs données et leurs outils. Les serveurs peuvent exposer des outils, des ressources et des prompts que les hôtes compatibles peuvent utiliser. 

Pourquoi le MCP a-t-il été créé ?

Avant le MCP, un produit d’IA devait généralement disposer d’une intégration personnalisée distincte pour chaque système externe auquel il souhaitait accéder. Un autre produit d’IA se connectant aux mêmes systèmes pouvait avoir besoin de son propre ensemble d’intégrations.

Le MCP réduit cette duplication en créant un protocole partagé que les hôtes et les serveurs d’IA compatibles peuvent implémenter.

Voici une comparaison simplifiée :

Sans MCP

Application d’IA → connexion CRM personnalisée
Application d’IA → connexion personnalisée à une base de données
Deuxième application d’IA → connexion CRM distincte
Deuxième application d’IA → connexion distincte à une base de données

Avec MCP

Applications d’IA compatibles → interface MCP → serveurs MCP compatibles

Le MCP a été présenté par Anthropic en 2024, puis donné à l’Agentic AI Foundation, sous l’égide de la Linux Foundation. En décembre 2025, Anthropic a fait état d’une adoption dans des produits tels que ChatGPT, Gemini, Microsoft Copilot, Cursor et Visual Studio Code. 

MCP et API

Le MCP et les API répondent à des problématiques liées, mais différentes.

Le MCP ne remplace pas les API. Un serveur MCP peut appeler une ou plusieurs API en arrière-plan, puis exposer certaines fonctions aux applications d’IA via le MCP.

Pour une explication plus approfondie des API et des connexions aux systèmes, consultez notre guide Qu’est-ce que l’intégration d’API ? Le guide ultime pour les entreprises.

MCP et appels de fonctions

Les appels de fonctions permettent à un modèle d’invoquer des fonctions fournies par une application. Le MCP intervient à un autre niveau en standardisant la manière dont les outils et le contexte externes peuvent être exposés aux applications d’IA compatibles.

Un outil MCP peut finalement être présenté au modèle par l’intermédiaire du système d’appel d’outils de l’hôte. En ce sens, le MCP peut contribuer à standardiser l’origine de ces outils et leur description, tandis que les appels de fonctions gèrent leur invocation par le modèle.

MCP et RAG

Le MCP et la génération augmentée par récupération, ou RAG, peuvent fonctionner ensemble, mais répondent à des problématiques différentes.

Le RAG vise généralement à fournir au modèle des informations pertinentes avant la génération d’une réponse. Le MCP peut également exposer des actions, comme rechercher dans une base de données de comptes ou mettre à jour un système.

MCP et connecteurs propriétaires

Les connecteurs propriétaires peuvent fournir d’excellentes intégrations, mais ils sont généralement liés à l’écosystème d’un seul fournisseur.

L’intérêt du MCP tient au fait que des serveurs compatibles peuvent potentiellement fonctionner avec plusieurs applications d’IA prises en charge. Cela ne signifie pas que tous les serveurs MCP se comportent de manière identique dans chaque client. L’authentification, les fonctionnalités prises en charge, les autorisations et les capacités du client peuvent toujours varier.

Comment fonctionne le Model Context Protocol

Une interaction MCP classique implique un hôte d’IA, un client MCP, un serveur MCP et le système sous-jacent exposé par le serveur.

Utilisateur → application d’IA → client MCP → serveur MCP → système externe → réponse à l’IA

Hôte MCP

L’hôte est l’application d’IA qui coordonne l’interaction. Il peut se connecter à un ou plusieurs serveurs MCP selon les outils ou les données nécessaires à une tâche.

Client MCP

Le client gère la communication entre l’hôte et un serveur MCP donné.

Serveur MCP

Le serveur expose des données ou des fonctions approuvées via le MCP afin que l’application d’IA puisse les découvrir et les utiliser.

La spécification 2026-07-28 a considérablement modifié l’architecture du protocole. Le MCP utilise désormais un cœur sans état, ce qui supprime la session et la négociation d’initialisation précédentes au niveau du protocole. Chaque requête contient les informations dont le serveur a besoin, tandis que la nouvelle méthode server/discover permet aux clients de récupérer les fonctionnalités du serveur lorsque cela est nécessaire. 

Qu’est-ce qu’un serveur MCP ?

Un serveur MCP est un logiciel qui expose des outils, des ressources, des prompts ou d’autres fonctionnalités prises en charge aux applications d’IA compatibles avec le MCP.

Le mot « serveur » ne désigne pas nécessairement un serveur physique dédié. Un serveur MCP peut fonctionner localement aux côtés d’une application d’IA ou à distance en tant que service réseau.

Le SDK MCP TypeScript actuel prend en charge les serveurs qui exposent des outils, des ressources et des prompts, et la spécification 2026-07-28 prend en charge le fonctionnement HTTP sans état pour les déploiements distants.

L’architecture MCP en un coup d’œil

Comment un agent d’IA utilise un serveur MCP

Imaginons qu’un commercial demande :

« Trouve 10 entreprises de cybersécurité de taille moyenne en Californie et identifie les responsables commerciaux de niveau vice-président dans chacune d’elles. »

Un workflow compatible avec le MCP pourrait :

1. Recevoir la demande de l’utilisateur.
2. Découvrir les outils disponibles.
3. Appeler un outil de recherche de comptes.
4. Retourner les entreprises correspondant aux critères.
5. Appeler un outil de recherche de contacts.
6. Filtrer les contacts selon leur fonction et leur niveau hiérarchique.
7. Retourner une liste structurée à l’utilisateur.

L’utilisateur n’a pas besoin d’ouvrir manuellement une base de données, d’exporter des fiches ni d’écrire des appels d’API. L’IA interagit avec les outils approuvés exposés par le serveur MCP.

Avantages du Model Context Protocol

• Intégrations IA réutilisables : Un fournisseur ou une équipe de développement interne peut exposer une fonctionnalité via MCP au lieu de recréer un connecteur distinct, spécifique à l’IA, pour chaque application compatible.
• Accès aux données métier actuelles : Les applications d’IA peuvent récupérer des informations depuis des systèmes connectés au moment de la requête, plutôt que de s’appuyer uniquement sur les données d’entraînement du modèle.
• Une IA orientée vers l’action : Les outils MCP peuvent permettre aux applications d’IA d’exécuter des tâches approuvées, plutôt que de se contenter de répondre aux questions.
• Moins de duplications dans les intégrations : Une interface standard peut réduire la quantité de logique de connexion personnalisée nécessaire entre plusieurs outils d’IA.
• Des workflows plus portables : Un serveur MCP compatible peut potentiellement prendre en charge plusieurs hôtes d’IA, plutôt qu’un seul client propriétaire.
• Un accès contrôlé : Les organisations peuvent décider quelles fonctionnalités un serveur MCP expose, plutôt que d’accorder à une IA un accès sans restriction à l’ensemble d’un système.

Cas d’usage du Model Context Protocol

• Recherche en entreprise : MCP peut connecter des applications d’IA à des bases documentaires, des fichiers, des bases de données et d’autres sources d’informations internes.
• Développement logiciel : Les équipes de développement peuvent exposer des référentiels, des outils de suivi des problèmes, des services de déploiement ou des outils de test à des agents de codage IA.
• Analyse de données : Une application d’IA peut appeler des outils qui récupèrent des données actuelles issues de bases de données ou d’outils analytiques, puis utiliser la réponse pendant l’analyse.
• Service client : Les serveurs MCP peuvent exposer les fiches clients, les bases de connaissances ou les fonctions de gestion des tickets aux agents de support.
• Ventes et CRM : Les applications d’IA peuvent utiliser les outils MCP pour rechercher des comptes, identifier des contacts, enrichir des fiches, synthétiser le contexte d’un compte ou préparer des dossiers de réunion.
• RevOps : Les équipes RevOps peuvent utiliser les données métier accessibles via MCP pour faciliter la segmentation des comptes, la planification des territoires, la priorisation, le routage, l’enrichissement du CRM et le reporting.
• Agents IA : Les agents peuvent utiliser MCP pour accéder aux outils externes nécessaires aux workflows en plusieurs étapes. Pour plus de contexte, consultez AI Agents Cheat Sheet: What They Are and How They Work.

ZoomInfo donne aux agents IA accès à des données B2B via MCP

Le serveur MCP de ZoomInfo expose des données B2B et des outils de recherche aux applications d’IA compatibles avec MCP. ZoomInfo indique actuellement prendre en charge Claude, ChatGPT, Perplexity, Replit et d’autres outils d’IA compatibles, OAuth étant utilisé pour authentifier l’accès. 

L’ensemble actuel d’outils MCP de ZoomInfo comprend Find Accounts, Enrich Accounts, Research Accounts, Find Contacts, Enrich Contacts, and Research Contacts. Ces outils peuvent faciliter la découverte de comptes correspondant à l’ICP, l’identification de contacts, la préparation de réunions, l’enrichissement, la recherche en vue des QBR, la segmentation des campagnes et la planification des territoires.

Exemple : MCP pour la recherche de comptes commerciaux

Imaginons un commercial qui prépare une réunion avec un compte cible.

Le commercial demande :

« Faites des recherches sur cette entreprise, identifiez les décideurs probables, résumez le contexte récent du compte et préparez un dossier de réunion. »

Le workflow pourrait se présenter ainsi :

Application d’IA → ZoomInfo MCP → recherche de compte → découverte de contacts → enrichissement → synthèse par l’IA → dossier de réunion

Le connecteur MCP de ZoomInfo peut renvoyer des informations commerciales structurées adaptées à une utilisation dans un CRM ou à des fins opérationnelles, et prendre en charge des workflows tels que la constitution de listes de comptes cibles, la recherche de comptes, l’enrichissement, le routage et la priorisation. 

La possibilité pour l’IA d’inscrire ensuite directement des informations dans un CRM dépend des outils, des autorisations et des systèmes activés dans cet environnement.

Pourquoi MCP est important pour les équipes commerciales et RevOps

• Moins de changements d’outils : Les commerciaux peuvent demander des informations sur un compte depuis une interface d’IA, plutôt que de passer manuellement d’un système de recherche à l’autre.
• Une recherche de compte accélérée : Un outil d’IA peut combiner les instructions de l’utilisateur avec les informations actuelles sur le compte et les contacts exposées via un serveur MCP.
• Un meilleur ciblage : Des données structurées sur les entreprises et les contacts peuvent faciliter le filtrage selon l’ICP, la segmentation et la priorisation des comptes.
• Une préparation de réunion accélérée : Les agents peuvent récupérer le contexte de l’entreprise et des contacts, puis l’organiser dans un dossier de réunion ou un résumé de compte.
• Workflows RevOps : Les données connectées à MCP peuvent faciliter la planification des territoires, l’enrichissement du CRM, le routage, la priorisation des comptes et la préparation des QBR. ZoomInfo cite par exemple la planification des territoires, la création de listes de prospection, la segmentation des campagnes et la définition des cibles des QBR parmi les workflows pris en charge par ses outils MCP.  Pour en savoir plus sur l’automatisation des processus de revenus, consultez RevOps Automation: What to Automate Across the Revenue Funnel.

Risques de sécurité du Model Context Protocol

MCP peut élargir l’accès ou les capacités d’action des applications d’IA. La gouvernance devient donc particulièrement importante.

• Des autorisations excessives : Une application d’IA ne devrait pas obtenir l’accès à tous les outils disponibles simplement parce qu’un serveur MCP les prend en charge. Une recherche de compte en lecture seule ne présente pas le même niveau de risque que la modification de fiches CRM ou l’envoi de messages.
• Des serveurs MCP non fiables : La connexion à un serveur inconnu ou mal contrôlé peut exposer des informations sensibles ou permettre des actions dangereuses.
• Injection de prompt : Du contenu malveillant pourrait tenter d’inciter un système d’IA à appeler des outils ou à divulguer des informations d’une manière qui n’était pas prévue par l’utilisateur.
• Exposition des identifiants : Les jetons OAuth, les identifiants d’API et autres secrets doivent être stockés de manière sécurisée et dotés de périmètres limités.
• Des actions à fort impact : Les outils capables de modifier des fiches, d’envoyer des communications, de supprimer des informations ou d’initier des transactions nécessitent des contrôles plus stricts que les outils de récupération d’informations.
• Fuite de données : La connexion de systèmes CRM, clients, financiers ou RH à des applications d’IA peut accroître le risque de voir des informations sensibles sortir des workflows prévus.

Bonnes pratiques de sécurité pour MCP

• Appliquer le principe du moindre privilège : N’exposez que les outils et les données nécessaires au workflow.
• Approuver les serveurs MCP de manière centralisée : Examinez les serveurs tiers avant que les employés ne les connectent.
• Séparer les actions de lecture et d’écriture : Commencez par la récupération d’informations avant d’autoriser les modifications du système.
• Exiger une confirmation : Ajoutez une validation humaine pour les actions à fort impact.
• Utiliser des identifiants à périmètre limité : Limitez l’authentification aux systèmes et fonctions requis.
• Journaliser les appels aux outils : Gardez une visibilité sur les personnes qui ont accédé à quoi et sur les actions effectuées.
• Valider les entrées et les sorties : Ne supposez pas que les arguments générés par l’IA sont sûrs.
• Désactiver les outils inutilisés : Réduisez les accès superflus.
• Tester les cas de détournement : Incluez les injections de prompt, les instructions ambiguës et les actions non autorisées.
• Surveiller les mises à jour : Les serveurs MCP et les implémentations du protocole continuent d’évoluer.

La spécification du 28/07/2026 a également renforcé l’autorisation, notamment avec la validation de l’émetteur et l’abandon progressif de l’enregistrement dynamique des clients au profit de documents de métadonnées client.

Comment évaluer un serveur MCP pour un usage professionnel

1. Commencer par la tâche métier

Définissez ce que l’IA doit accomplir avant d’examiner le catalogue d’outils.

Exemple : Si l’objectif est de préparer des dossiers de compte, vous aurez peut-être besoin de rechercher des comptes et de découvrir des contacts, mais pas d’autorisations d’écriture dans le CRM.

2. Examiner les outils exposés

Examinez précisément ce que le serveur permet à l’IA de récupérer ou de modifier.

Exemple : Séparez les outils de recherche et d’enrichissement des actions qui modifient les fiches CRM ou déclenchent des workflows.

3. Vérifier l’authentification et les autorisations

Examinez la méthode d’authentification, les autorisations des utilisateurs, les périmètres, les contrôles administratifs et le cycle de vie des identifiants.

Exemple : Vérifiez si l’accès MCP de chaque utilisateur respecte ses autorisations existantes dans l’application ou s’il utilise un compte de service partagé.

4. Évaluer les données sous-jacentes

Pour les serveurs axés sur les données, vérifiez la couverture, l’actualité, l’exactitude, la provenance et le format des résultats.

Exemple : Comparez les résultats concernant les comptes et les contacts avec des fiches que votre équipe commerciale connaît déjà bien.

5. Confirmer la compatibilité avec les clients

Assurez-vous que le serveur fonctionne avec les applications d’IA que votre organisation prévoit réellement d’utiliser.

Exemple : Le fait qu’un serveur fonctionne avec un hôte MCP ne signifie pas automatiquement que toutes ses fonctionnalités se comporteront de la même manière avec un autre.

6. Examiner la journalisation et la gouvernance

Déterminez si les administrateurs peuvent retracer les utilisateurs, les appels aux outils, les accès aux données, les erreurs et les actions.

Exemple : Un outil d’écriture dans un CRM doit conserver suffisamment d’historique pour déterminer quelle requête adressée à l’IA a modifié la fiche.

7. Tester les défaillances et les détournements

Testez les données manquantes, les requêtes ambiguës, les identifiants expirés, les outils indisponibles, les injections de prompt et les actions non autorisées.

Exemple : Demandez à l’agent de modifier une fiche qu’il ne devrait être autorisé qu’à consulter et vérifiez que l’action est bloquée.

8. Commencer par des workflows en lecture seule

Commencez par la recherche, l’analyse et l’enrichissement avant d’activer des actions plus lourdes de conséquences.

Exemple : Déployez d’abord la recherche sur les comptes, puis ajoutez les mises à jour du CRM après avoir testé les autorisations, la journalisation et les mécanismes d’approbation.

Devriez-vous créer un serveur MCP ou en utiliser un existant ?

Un serveur MCP fourni par un fournisseur existant constitue généralement la voie la plus rapide lorsqu’il expose déjà les fonctionnalités requises. Une création en interne est plus pertinente lorsque le système sous-jacent est propriétaire ou que l’organisation a besoin d’un contrôle plus strict sur les autorisations, la gestion des données et la logique métier.

Questions fréquentes

En résumé

Model Context Protocol fournit aux applications d’IA un moyen commun d’accéder à des données, des outils et des workflows externes. Sa valeur ne réside pas dans le remplacement des API, des CRM, des bases de données ou des logiciels métier. MCP fournit plutôt aux applications d’IA compatibles une interface standardisée pour découvrir et utiliser certaines fonctionnalités de ces systèmes.

Pour les équipes commerciales et de RevOps, cela peut intégrer les informations à jour sur les comptes et les contacts directement à la recherche assistée par l’IA et à la conception de workflows. Le serveur MCP de ZoomInfo en est un exemple : il expose la découverte de comptes, l’enrichissement, la recherche, la découverte de contacts et d’autres informations B2B connexes aux applications d’IA compatibles.