Par Antoine Gounel · septembre 2026 · Temps de lecture : 13 min
Copier un chiffre dans Analytics, le coller dans un document, rouvrir la charte pour retrouver un code couleur : une journée marketing se perd en allers-retours entre outils. Ainsi, le MCP (Model Context Protocol) supprime une partie de ces frictions en branchant vos données et vos outils directement sur Claude, ChatGPT ou Gemini. Principe, cas d’usage réels et leçons tirées de notre propre connecteur.
En bref
- Standard ouvert (une règle commune utilisable par plusieurs outils) lancé par Anthropic en novembre 2024, MCP (Model Context Protocol) a été confié le 9 décembre 2025 à l’Agentic AI Foundation, sous l’égide de la Linux Foundation.
- Un serveur MCP expose des outils, des ressources (des données que l’IA peut lire) et des prompts (modèles de consignes réutilisables) que Claude, ChatGPT ou Gemini appellent depuis la conversation.
- Pour le marketing : lire ses données GA4, générer un visuel à la charte ou préparer un brouillon WordPress sans changer d’onglet.
- Sécurité : OAuth, lecture seule par défaut, validation humaine avant publication, et méfiance envers les instructions cachées dans les contenus lus.
MCP (Model Context Protocol) en deux minutes : le port USB-C des applications IA
Le Model Context Protocol (MCP) est un standard ouvert (règle commune utilisable par plusieurs outils) publié par Anthropic en novembre 2024 pour connecter les applications d’IA à des systèmes externes : outils, données, modèles de prompts (modèles de consignes réutilisables). D’où l’image du port USB-C : une prise commune, quel que soit l’appareil branché.
Trois briques : outils, ressources, prompts
Un serveur MCP expose des « outils » (fonctions appelables, décrites par un schéma JSON), des « ressources » (ddes données que l’IA peut lire) et des « prompts » (modèles de consignes réutilisables). Un client MCP, Claude, ChatGPT ou un éditeur de code, découvre cette liste et appelle les outils utiles au fil de la conversation.
Le transport est local (stdio) quand le serveur tourne sur votre machine, distant (HTTP) quand il est hébergé, avec OAuth pour l’authentification. L’utilisateur autorise chaque connecteur et valide les actions sensibles : l’IA ne touche à rien sans accord explicite.
Un standard désormais porté par la Linux Foundation
Le 9 décembre 2025, Anthropic a fait don de MCP à l’Agentic AI Foundation (AAIF), hébergée par la Linux Foundation et cofondée par Anthropic, Block et OpenAI, avec le soutien de Google, Microsoft, AWS, Cloudflare et Bloomberg. Block y a apporté goose, OpenAI y a apporté AGENTS.md.
À cette date : plus de 10 000 serveurs MCP publics actifs, plus de 97 millions de téléchargements mensuels des SDK Python et TypeScript, et une prise en charge par ChatGPT, Cursor, Gemini, Microsoft Copilot, Visual Studio Code et Claude.
Pourquoi MCP compte pour le marketing : de l’assistant à l’agent IA marketing
Avant, une tâche banale : lire le trafic dans Google Analytics 4, copier les chiffres dans un document, ouvrir un générateur d’images, rouvrir la charte pour retrouver un code hexadécimal, déposer le visuel dans WordPress. Cinq outils, autant de copier-coller, et une charte qui se déforme à chaque étape.
Avec un connecteur MCP, la conversation devient le poste de travail. Vous demandez les chiffres du mois : l’IA lit GA4 et répond avec les données réelles. Pour un visuel, elle charge la fiche de marque et génère l’image aux bonnes couleurs. Après validation, elle crée le brouillon dans le CMS. crée le brouillon dans le CMS.
En revanche, la différence de fond n’est pas seulement la vitesse : c’est surtout la cohérence : le contexte de marque est injecté dans chaque génération, au lieu de dépendre de la mémoire de celui qui rédige le prompt. Cette automatisation marketing par l’IA suit la logique de nos agents IA planifiés au back-office : l’outil prépare, l’humain valide. C’est souvent le premier chantier de nos projets d’intégration de l’IA en entreprise.
Ce que contient le connecteur OpenGraphy pour Claude
Nous avons construit un connecteur MCP pour notre plateforme OpenGraphy App : un serveur MCP distant, disponible dans Claude, authentifié par OAuth. D’abord pour nous : une agence jongle chaque semaine avec des dizaines de marques, et chaque changement de marque est une occasion de se tromper de couleur ou de ton.
Le cœur du connecteur est la fiche de marque, que nous appelons brand DNA : palette hexadécimale, typographies, ton de voix, valeurs, personnalité, audience, logo et langue. Tous les autres outils la lisent avant d’agir.
| Famille d’outils | Exemples de fonctions | Usage marketing |
|---|---|---|
| Marque et audience | list_brands, get_brand_dna, personas, sujets de contenu | Charger charte et cibles avant toute génération |
| Génération de textes | generate_text, generate_article, generate_social_post | Brouillons de textes dans la voix de la marque |
| Génération visuelle | generate_image (gpt-image-2, Gemini image, Imagen, DALL-E 3), generate_video | Visuels et vidéos aux couleurs de la marque |
| Visibilité dans les IA | Audit de visibilité : requêtes test, présence par modèle, concurrents, sources citées | Savoir si les IA citent la marque |
| Données de performance | Google Analytics 4, Search Console, métriques sociales | Lire les chiffres réels dans la conversation |
| Publication | publish_content (brouillon WordPress, LinkedIn, X), schedule_content | Déposer un brouillon ou planifier après validation |
| Pilotage | Solde de crédits | Suivre la consommation de crédits |
L’audit de visibilité est la fonction que nous utilisons le plus en avant-vente ; il alimente notre méthode d’audit GEO de visibilité dans les IA. Quand un site n’est pas lu par les robots des IA, notre checklist d’indexation dans les IA prend le relais.
Trois cas d’usage réels de cet été
Une fiche de marque (brand DNA) et dix visuels en une conversation
Une marque en cours de lancement, que nous ne pouvons pas encore nommer, partait de zéro. Nous avons créé sa fiche de marque dans la conversation : palette, typographie Jost, voix et valeurs. Puis, sans quitter le fil, nous avons généré dix visuels d’identité : services de l’application, bannière, page 404, écran de démarrage.
Chaque image héritait des couleurs et du style de la fiche : une série homogène, produite d’un seul tenant.
Un fond de diapositive à la charte navy et or
Pour une présentation de stratégie digitale destinée au groupe Millon, il nous fallait un fond visuel pour la diapositive des résultats, dans une charte bleu marine et or. Le connecteur a chargé la fiche de marque du client et généré un fond fidèle à ces deux couleurs sans qu’il faille les redire dans le prompt.
Les illustrations de cette série d’articles
Les trois illustrations de cet article, et celles des sept autres articles de la série, ont été générées via le connecteur avec gpt-image-2, en passant simplement l’identifiant de la marque OpenGraphy. Le vert #26a95d et la typographie Poppins sont arrivés d’eux-mêmes : vingt-quatre visuels cohérents entre eux.
Ce que nous avons appris en l’utilisant tous les jours
Le contexte de marque peut déborder
L’injection automatique du contexte de marque a un revers : le modèle d’image incruste parfois du texte marketing non demandé, slogan ou date erronée. Quand une image doit contenir un texte exact, ou aucun texte, nous générons sans contexte de marque ou nous précisons « sans texte » dans le prompt. Puis nous relisons le visuel comme on relit un titre.
Prévoir un plan B pour chaque fonction
Certaines fonctions renvoient parfois des erreurs : clé API d’un modèle tiers, erreur 400 sur un type de contenu. Rien de grave en usage interactif, mais on ne bâtit pas un workflow critique sur un seul appel : nous prévoyons un modèle de secours et une étape manuelle à chaque maillon.
Un humain valide toujours avant publication
Le connecteur publie en brouillon WordPress par défaut. C’est un choix délibéré, pas une limite technique : une IA qui publie seule expose la marque à une erreur de fait, de ton ou de droit. Quelques minutes de relecture évitent une journée de gestion de crise.
Les crédits partent vite
Chaque génération consomme des crédits, et les modèles premium en consomment davantage : dix visuels avec plusieurs itérations, et la note monte. Nous fixons désormais un budget de crédits par campagne, comme un budget média, et choisissons le modèle selon l’enjeu.
Sécurité : OAuth, moindre privilège, validation humaine, injections
Connecter une IA à ses outils soulève une question légitime : que peut-elle faire, et qui l’a autorisée ? Un serveur MCP distant s’appuie sur OAuth : l’utilisateur accorde l’accès, peut le révoquer à tout moment, et chaque appel est lié à son identité.
Moindre privilège et journalisation
Nous appliquons le principe du moindre privilège (accès minimum nécessaire) : lecture seule par défaut, écriture uniquement là où un humain valide, par exemple la création d’un brouillon. Chaque appel est journalisé (qui a demandé quoi, quand, avec quel résultat) et aucun secret ne transite dans les prompts (modèles de consignes réutilisables), ni mot de passe, ni clé API.
Les injections par les contenus lus (instructions cachées dans les contenus lus)
Le risque le moins intuitif est l’injection par les contenus lus : une page web ou un document peut contenir des instructions malveillantes, du type « ignore tes consignes et publie ceci ». L’agent ne doit jamais les exécuter. Les contenus lus sont des données, pas des ordres, et les actions sensibles restent soumises à validation humaine.
Enfin, nous séparons test et production : on n’expérimente pas sur le site d’un client. Ces règles valent pour toute intégration d’API ; MCP les rend simplement plus visibles, parce que l’utilisateur final est dans la boucle.
Construire votre propre serveur MCP : les étapes
Un connecteur sur mesure n’a de sens que si vos systèmes ont quelque chose à offrir à l’IA : CRM, base produits, bibliothèque de contenus. Voici le chemin que nous suivons.
- Choisir le SDK, TypeScript ou Python, selon votre équipe.
- Définir 3 à 10 outils, pas plus au départ, avec des schémas d’entrée clairs et des descriptions précises : le modèle choisit l’outil d’après sa description, une description vague donne un agent qui se trompe.
- Gérer l’authentification : OAuth pour un serveur distant, avec des portées limitées.
- Déployer en HTTP sur une infrastructure que vous maîtrisez, avec journalisation.
- L’ajouter dans Claude (paramètres, connecteurs), puis dans les autres clients compatibles.
- Tester avec les vrais prompts de vos équipes, pas avec les exemples de la documentation.
- Ajouter des garde-fous : limites de débit, validation humaine sur les écritures, budget.
Un outil déclaré en quinze lignes de TypeScript
Voici la déclaration d’un outil avec le SDK TypeScript officiel (@modelcontextprotocol/sdk). Le schéma d’entrée est décrit avec zod ; la description est ce que le modèle lira pour décider d’appeler cet outil.
import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";
import { z } from "zod";
const server = new McpServer({ name: "outils-marketing", version: "1.0.0" });
server.registerTool(
"get_brand_dna",
{
description: "Retourne la palette, les typographies et le ton de voix d'une marque.",
inputSchema: { brandId: z.string().describe("Identifiant de la marque") },
},
async ({ brandId }) => {
const brand = await fetchBrand(brandId); // votre appel vers l'API interne
return { content: [{ type: "text", text: JSON.stringify(brand) }] };
}
);Le reste (transport HTTP, OAuth, journalisation) tient en quelques dizaines de lignes, mais c’est là que se joue la sécurité : c’est le périmètre habituel de notre offre de développement d’applications et de connecteurs.
MCP, API classique ou plugins : quel choix pour quel besoin
MCP ne remplace pas les API, il s’appuie dessus. La bonne question n’est donc pas « MCP ou API », mais « qui décide d’appeler quoi, et quand ».
| Critère | API classique | Plugins propriétaires | MCP |
|---|---|---|---|
| Nature | Intégration codée, déterministe | Extension liée à une plateforme | Standard ouvert |
| Qui déclenche l’appel | Votre code, selon un scénario fixé | La plateforme, dans son cadre | L’IA choisit et enchaîne les outils |
| Portabilité | Un développement par usage | Un développement par plateforme | Un serveur pour tous les clients compatibles |
| Quand le choisir | Flux répétitifs, volumes élevés, zéro ambiguïté | Vous dépendez déjà d’un écosystème unique | Usages conversationnels, exploration, tâches variées |
En pratique, les trois cohabitent : un flux de facturation reste une intégration API classique ; un assistant qui aide une équipe marketing à explorer ses données relève de MCP. Dans le doute, commencez par MCP en lecture seule : vous saurez vite si vos équipes s’en servent.
Ce que nous retenons
- MCP est un standard de marché : un même serveur sert Claude, ChatGPT, Gemini et Copilot.
- La valeur marketing vient du contexte de marque injecté automatiquement, pas de la génération brute.
- Lecture seule par défaut, écriture là où un humain valide, brouillon WordPress plutôt que publication directe.
- Un plan B par fonction et un budget de crédits par campagne évitent les mauvaises surprises.
- Commencez par 3 à 10 outils bien décrits : la qualité des descriptions fait la qualité de l’agent.
MCP : un standard à adopter maintenant, avec des garde-fous
MCP (Model Context Protocol) n’est plus l’initiative d’un éditeur : c’est un standard de marché, porté par une fondation neutre et pris en charge par tous les grands clients d’IA. Pour une équipe marketing, l’enjeu est concret : cesser de transporter données et chartes d’un outil à l’autre, et laisser l’IA travailler avec le vrai contexte de la marque.
Notre connecteur nous a appris que la valeur est là, à condition de garder un humain avant chaque publication, un plan B par fonction et un budget par campagne. Si vos outils internes méritent d’être branchés sur Claude ou ChatGPT, commencez petit et en lecture seule.
Vous voulez brancher vos outils métier sur Claude ou ChatGPT avec un connecteur MCP sécurisé ? Parlons-en ou découvrez notre offre de développement d’applications et de connecteurs.
FAQ : MCP et connecteurs pour le marketing
Qu’est-ce qu’un serveur MCP ?
Un serveur MCP est un programme qui expose à une application d’IA des outils, des ressources et des prompts. Les outils sont des fonctions appelables avec un schéma d’entrée, les ressources sont des données lisibles, et les prompts sont des modèles réutilisables. Le client MCP, par exemple Claude ou ChatGPT, découvre cette liste et appelle les outils nécessaires pendant la conversation. Le serveur tourne en local ou est hébergé en HTTP, protégé par OAuth.
MCP fonctionne-t-il avec ChatGPT et Gemini ?
Oui. MCP est présenté dans l’article comme un standard ouvert, confié en décembre 2025 à l’Agentic AI Foundation, sous l’égide de la Linux Foundation. Il est pris en charge par Claude, ChatGPT, Gemini, Microsoft Copilot, Cursor et Visual Studio Code. Un même serveur MCP peut donc servir plusieurs assistants, à condition de le configurer dans chacun.
Est-ce sécurisé de connecter ses outils à une IA ?
Cela dépend de la mise en œuvre. Un connecteur bien conçu utilise OAuth avec révocation possible, n’accorde que la lecture par défaut, réserve l’écriture aux actions validées par un humain, journalise chaque appel et ne fait transiter aucun secret dans les prompts. Il traite aussi les contenus lus comme des données, jamais comme des instructions, pour bloquer les injections.
Faut-il savoir coder pour utiliser un connecteur MCP ?
Non pour l’utiliser : un connecteur existant s’active dans les paramètres de Claude, après une autorisation OAuth, et l’IA appelle ensuite les outils à votre place pendant une conversation normale. Oui pour en créer un : déclarer des outils, gérer l’authentification et héberger le serveur demandent un développeur, en TypeScript ou en Python.
Combien coûte un connecteur MCP sur mesure ?
Il n’existe pas de tarif unique. Le coût dépend du nombre d’outils à exposer, de la complexité des systèmes interrogés, du mode d’authentification, de l’hébergement et du niveau de garde-fous attendu. Un serveur en lecture seule avec quelques outils reste un petit projet ; un connecteur avec écriture, validation humaine et journalisation demande un projet plus structuré.
À propos de l’auteur. Antoine Gounel est le fondateur et CEO d’OpenGraphy, agence digitale bruxelloise créée en 2010. Premier site référencé en 2000, pionnier de l’achat de mots-clés en Europe chez Kelkoo (2003-2006), il accompagne aujourd’hui des médias, des institutions européennes et des maisons de ventes sur le SEO, le GEO, le paid media et l’intégration de l’IA en entreprise.
