Serveur MCP : à quoi ça sert, lesquels utiliser et quand créer le sien
Dernière mise à jour : 17 novembre 2026
Un serveur MCP permet à un assistant comme Claude ou ChatGPT d'utiliser les outils et les données d'une entreprise avec les droits de l'utilisateur connecté. Ce guide distingue trois situations, utiliser un serveur existant, en brancher un sur vos outils, en créer un pour votre logiciel, et dit ce que chacune demande.
Un serveur MCP est un programme qui expose à un assistant IA une liste d'actions et de données d'un logiciel, dans un format standard, le Model Context Protocol. L'assistant les découvre, choisit celles dont il a besoin pour répondre à la demande de l'utilisateur, et les appelle. L'utilisateur pilote alors son outil depuis Claude ou ChatGPT, sans changer d'écran.
Pour une entreprise, la question utile n'est pas « qu'est-ce que MCP » mais « lequel de mes trois cas est le mien ». Activer le serveur d'un éditeur dans Claude se fait en quelques réglages. Brancher vos outils internes ou ouvrir votre propre logiciel aux assistants est un chantier d'ingénierie, avec des droits à penser et des écritures à valider.
Ce guide s'adresse aux dirigeants et responsables techniques de PME, d'ETI et d'éditeurs de logiciels. Il dit ce que MCP change, ce que ça demande, ce que ça risque et quand ce n'est pas la bonne réponse. Tensoria développe des serveurs MCP et des agents IA connectés à des logiciels existants. Nous parlons donc aussi de ce qui se passe après la démonstration.
Définition
MCP : à quoi ça sert concrètement
MCP sert à brancher un assistant IA sur vos outils sans écrire une intégration différente pour chaque assistant. Un serveur MCP décrit ce que votre logiciel sait faire (chercher un client, lire une facture, créer un ticket). L'assistant, qui joue le rôle de client MCP, découvre cette liste et appelle les actions quand la demande de l'utilisateur le justifie.
La documentation officielle compare MCP à une prise USB-C pour les applications d'IA : un standard ouvert, que modelcontextprotocol.io décrit comme supporté par Claude et ChatGPT, mais aussi par des outils de développement comme Visual Studio Code ou Cursor. Anthropic l'a publié en novembre 2024.
Ce que ça change pour une entreprise tient en trois points.
- L'utilisateur reste dans son assistant. Il demande « quelles factures sont en retard sur ce dossier » à Claude ou à ChatGPT au lieu d'ouvrir trois écrans.
- La connexion s'écrit une fois. Le même serveur sert plusieurs assistants, là où une intégration maison ne sert qu'une application.
- Les droits restent ceux de la personne. Bien conçu, le serveur agit au nom de l'utilisateur connecté et jamais au-delà de ce que son compte permet.
Un serveur MCP expose trois types d'éléments. Les outils sont des actions avec des paramètres typés et une description, que le modèle choisit d'appeler. Les ressources sont des données à lire. Les prompts sont des modèles de requêtes préparés. Dans un projet d'entreprise, l'essentiel du travail porte sur les outils.
Précision utile, MCP ne rend pas le modèle plus intelligent ni vos données plus propres. C'est un tuyau standardisé. Ce qui passe dedans reste votre responsabilité, et c'est le sujet des sections suivantes. Pour la mécanique du protocole (messages, transports, négociation), l'approfondissement technique est sur ianas.fr.
Trois situations
Utiliser, brancher ou créer : de quoi parle-t-on ?
Quand on dit « serveur MCP », on peut parler de trois chantiers très différents, qui n'ont ni le même coût ni les mêmes équipes. Commencez par identifier le vôtre.
Utiliser un serveur existant
Vous activez dans Claude ou dans ChatGPT un serveur publié par l'éditeur d'un outil que vous payez déjà (comptabilité, CRM, stockage de documents). Aucun développement. Le travail est de choisir les droits, de former les équipes et de décider qui a le droit d'activer quoi.
Brancher un serveur sur vos outils internes
Vos outils maison ou votre ERP n'ont pas de serveur MCP. On en développe un qui appelle vos API internes, pour qu'un assistant ou un agent interne les utilise avec les droits de chaque employé. Le travail est d'ingénierie : outils, authentification, tests, hébergement.
Créer un serveur pour son propre logiciel
Vous êtes éditeur et vous voulez que vos clients pilotent votre produit depuis leur assistant. Le serveur devient une surface du produit, avec ses versions, sa documentation, son authentification multi-clients et ses garanties de sécurité.
Comment se repérer
Si un éditeur propose déjà un serveur pour votre outil, vous êtes en situation 1. S'il n'en propose pas et que c'est votre outil interne, situation 2. Si le logiciel est le vôtre et que vos clients l'utilisent, situation 3. Les situations 2 et 3 relèvent de l'offre ajouter l'IA à votre logiciel.
Situation 1
Quels serveurs MCP utiliser dans Claude ou ChatGPT
Les serveurs à utiliser en premier sont ceux que l'éditeur de l'outil publie lui-même, avec un accès en lecture seule. Ce sont les plus faciles à auditer, et un serveur qui ne sait pas écrire ne peut rien abîmer.
Pour Claude, les connecteurs du répertoire sont des serveurs MCP préparés, avec leur authentification. Un connecteur personnalisé est un serveur distant que vous ajoutez par son URL. Selon la documentation d'Anthropic, résumée dans notre article sur les connecteurs Claude, le serveur doit être joignable depuis internet : un serveur interne derrière un pare-feu ne se connecte pas tel quel. Pour ChatGPT, la documentation d'OpenAI sur MCP décrit l'ajout d'un serveur MCP personnalisé.
Un exemple concret : le serveur MCP de Pennylane. D'après la documentation de l'éditeur, il est en lecture seule, donc Claude peut interroger balance, factures ou transactions sans rien créer. Le pas à pas est dans Pennylane MCP avec Claude.
| Critère | Ce qu'on vérifie avant d'activer |
|---|---|
| Qui le maintient | L'éditeur de l'outil, ou un tiers identifiable avec un historique de mises à jour. |
| Lecture ou écriture | Lecture seule pour démarrer. Toute écriture se teste d'abord sur un dossier de test. |
| Droits demandés | Le serveur agit-il avec le compte de l'utilisateur, ou avec un accès global ? |
| Où passent les données | Hébergement du serveur, journalisation, contrat avec l'éditeur, conformité RGPD. |
| Qui l'active | Sur Team et Enterprise, un propriétaire de l'organisation autorise le connecteur avant les utilisateurs. |
ChatGPT précise de son côté qu'il ne recommande pas de connecter un serveur personnalisé sans connaître et faire confiance à l'application qui le sous-tend. Un serveur trouvé sur un dépôt public est un logiciel tiers non audité, et se traite comme tel.
Situations 2 et 3
Le travail qu'un serveur MCP demande
Écrire un serveur qui répond « bonjour » prend une heure avec un SDK. Le livrer en production prend plus longtemps, parce que le travail porte sur cinq points qui n'ont rien à voir avec le protocole.
Les outils à exposer
Un outil par route d'API donne vite des dizaines d'outils proches, et le modèle choisit moins bien. On part des tâches réelles des utilisateurs, on regroupe, et on rédige des descriptions précises. Une dizaine d'outils bien décrits couvre souvent mieux le besoin qu'une copie de l'API.
Authentification et droits
Pour un serveur distant, la spécification s'appuie sur OAuth 2.1 : le serveur MCP est un serveur de ressources, l'utilisateur s'authentifie auprès d'un serveur d'autorisation, et le serveur appelle l'API avec un jeton à son nom. Une clé API partagée par tous les utilisateurs est à éviter, parce qu'elle fait disparaître les droits individuels.
Validation des écritures
Lire est peu risqué, écrire ne l'est pas. Tout ce qui crée, modifie, envoie ou supprime passe par une confirmation humaine, ou par un brouillon que l'utilisateur valide. ChatGPT impose déjà une confirmation manuelle avant les actions d'écriture. Le serveur doit la prévoir aussi.
Tests du tool calling
Il faut vérifier que le modèle choisit le bon outil avec les bons arguments. Cela se mesure sur un jeu de demandes réelles, avec des cas ambigus, et se refait quand on change de modèle ou qu'on renomme un outil. Sans ce jeu de tests, on découvre les erreurs chez l'utilisateur.
Hébergement et suivi
Un serveur distant est un service en production. Il faut un transport adapté (la spécification définit stdio pour les serveurs locaux et Streamable HTTP pour les serveurs distants), de la journalisation de chaque appel, des limites de débit et un plan de mise à jour. Le protocole évolue, les SDK aussi.
Notre retour de terrain
Pour un éditeur de plateforme IA, nous avons développé en 2025 des agents avec Pydantic AI et des serveurs MCP avec FastMCP, mesuré le tool calling avec un benchmark et suivi les appels avec Logfire. Le détail technique est dans notre article sur le serveur MCP d'éditeur.
Limites et risques
Injection, droits trop larges : ce qui peut mal tourner
Un serveur MCP donne à un modèle de langage la possibilité d'agir sur un système réel. Les risques viennent de là, pas du protocole.
- L'injection de consignes. Un email, un document ou une page web lus par le modèle peuvent contenir des instructions cachées. OpenAI le dit dans sa documentation : il déconseille d'utiliser un serveur MCP qui pourrait manipuler du contenu non fiable, même si on fait confiance à son développeur. La parade est de limiter ce que les outils peuvent faire, pas d'espérer que le modèle résiste.
- Les droits trop larges. Un serveur qui utilise un compte de service avec accès à tout contourne les permissions de l'utilisateur. La documentation de sécurité de MCP recommande des scopes minimaux et une élévation progressive.
- Le passage de jeton. La spécification interdit qu'un serveur MCP accepte un jeton qui n'a pas été émis pour lui, ou le transmette tel quel à l'API en aval. C'est une faille classique des premiers serveurs.
- Les écritures non validées. Un modèle qui se trompe d'argument sur un outil d'écriture produit une erreur réelle, parfois irréversible.
- Les serveurs tiers non audités. Ni Anthropic ni OpenAI ne vérifient les serveurs personnalisés que vous branchez.
Ce que ça implique
Plus un serveur peut écrire, plus il faut de garde-fous. Lecture seule, droits de l'utilisateur, confirmation humaine sur ce qui part ou ne se rattrape pas, journal de chaque appel. Ce sont les mêmes conditions que pour un agent, détaillées dans notre guide des agents IA en entreprise.
Limites
Quand MCP n'est pas la bonne réponse
MCP n'est pas la bonne réponse quand une intégration directe plus simple répond au besoin. Un standard apporte de la valeur à ceux qui ont plusieurs clients et plusieurs outils, pas à tout le monde.
- Un seul agent interne, un seul logiciel. Un appel d'API direct, écrit pour cet agent, est plus rapide à faire et à sécuriser. Notre article sur connecter un agent IA à un logiciel par API ou MCP détaille ce choix.
- Un processus au chemin fixe. Si les étapes sont toujours les mêmes, un workflow d'automatisation suffit et coûte moins cher qu'un assistant qui choisit ses outils.
- Un besoin de réponses sur des documents. Rechercher dans une base documentaire relève d'un RAG, pas d'un serveur d'actions. Voir le guide RAG en entreprise.
- Un logiciel sans API. MCP ne crée pas d'accès qui n'existe pas. Il faut d'abord une API propre, ou un contournement qui a son propre coût.
- Aucune demande utilisateur. Si vos clients ne vous demandent pas de piloter le produit depuis un assistant, le serveur sera peu utilisé.
Le test en une question
Qui appellera ce serveur, et avec quel assistant ? Si la réponse est « une seule de nos applications », une API suffit. Si c'est « les assistants que choisissent nos clients », MCP est justifié.
Créer son serveur
Créer un serveur MCP : le faire soi-même ou le faire développer
Un serveur MCP simple se crée en interne si votre équipe maîtrise déjà son API et son authentification. Les SDK officiels (Python, TypeScript) et des bibliothèques comme FastMCP rendent le code court. La difficulté est dans les décisions autour du code.
Le plus souvent, un développement externe est pertinent dans trois cas : l'équipe n'a pas d'expérience du tool calling, l'authentification multi-clients demande un vrai travail (éditeur avec des centaines de comptes), ou le serveur écrit dans un logiciel métier et exige des tests sérieux avant la mise en production.
Ce que nous livrons sur ce type de projet est défini avant le démarrage.
- La liste des outils exposés, avec leurs descriptions et leurs droits.
- Le serveur, son authentification et sa documentation d'installation dans Claude et dans ChatGPT.
- Un jeu de tests du tool calling, rejouable à chaque changement de modèle.
- L'hébergement et le suivi des appels en production.
Le code, les prompts et les jeux de tests sont à vous. Le chiffrage se fait sur devis, après un cadrage qui fixe le nombre d'outils, les droits et les tests. Pour aller plus loin côté technique, voir FastMCP en production avec Python et le connecteur MCP personnalisé pour Claude. Si votre but est d'apparaître dans ChatGPT, lisez aussi rendre son logiciel utilisable dans ChatGPT.
Pour un agent plus large
Si le sujet dépasse un serveur et touche un agent qui orchestre plusieurs outils, voir notre offre agents IA sur mesure.
Questions fréquentes sur les serveurs MCP
Les questions que posent les dirigeants, DSI et éditeurs avant de se lancer.
Un serveur MCP pour votre logiciel ou vos outils ?
Un premier échange de 30 minutes, gratuit, pour fixer les outils à exposer, les droits et ce qu'il faudrait tester avant la mise en production.
Le détail de ce que nous développons est sur la page ajouter l'IA à votre logiciel.
Autres guides piliers
Explorer les autres guides Tensoria
Guide pilier
Agent IA en entreprise
Définition, exemples, garde-fous et mise en production des agents IA.
Lire le guide →Guide pilier
RAG en entreprise
Architecture, embeddings, sécurité, évaluation et coûts du RAG pour PME et ETI.
Lire le guide →Guide pilier
Projet IA en PME
Cadrer, lancer et piloter un projet IA en PME : audit, ROI, AI Act, formation.
Lire le guide →Articles du guide
Tous nos articles sur ce sujet
5 ressources pour aller plus loin
ChatGPT Apps : rendre son logiciel utilisable depuis ChatGPT
ChatGPT Apps pour un éditeur de logiciel : ce que sont les apps, ce qu'il faut développer (serveur MCP, Apps SDK), conditions, validation et intérêt réel.
Outils & ModèlesConnecteur MCP personnalisé dans Claude : brancher ses propres outils
Connecteur MCP personnalisé dans Claude : qui peut l'ajouter, les étapes, le serveur distant à prévoir, les droits à décider et les risques à cadrer.
Outils & ModèlesFastMCP : créer un serveur MCP en Python et le mettre en production
FastMCP pour créer un serveur MCP en Python : exemple de code, puis outils, OAuth, écritures validées, transport HTTP et tests du tool calling.
Outils & ModèlesServeur MCP : ouvrir votre logiciel à Claude et ChatGPT
Serveur MCP pour éditeur de logiciel : quels outils exposer, OAuth et droits par client, écritures validées, transport HTTP, tests du tool calling.
Outils & ModèlesConnecter un agent IA à votre logiciel, API ou MCP
Connecter un agent IA à votre logiciel, choix API ou MCP, permissions, validation humaine, ce qu'on met vraiment en production, et quand s'abstenir.
