Ajouter l'IA à votre logiciel : MCP et assistant

En bref

Ajouter l'IA à un logiciel existant, c'est brancher un modèle de langage sur votre produit, via votre API, avec les droits de chaque utilisateur et une qualité vérifiée sur vos données. On ne reconstruit pas le logiciel.

Serveur MCP : vos clients interrogent et pilotent votre produit depuis l'assistant IA qu'ils utilisent déjà.
Assistant intégré : une aide à l'usage dans votre interface, qui cherche dans votre documentation et dans les données du client, avec ses droits.
Fonctionnalités IA métier : extraction, génération, classification ou suggestions, ajoutées à un écran précis de votre outil.
Pour qui : éditeurs de logiciels et SaaS B2B, PME qui ont développé leur propre outil métier, équipes produit sans compétence IA en interne.

Trois façons d'ajouter l'IA à votre logiciel

Elles se combinent, mais chacune répond à une demande différente. On commence en général par une seule.

01

Un serveur MCP pour votre produit

Vos clients posent leurs questions à Claude, ChatGPT ou Copilot, et l'assistant va chercher la réponse dans votre logiciel, ou y lance une action autorisée.

Utile quand vos clients travaillent déjà dans un assistant IA et vous demandent « est-ce que votre outil est compatible ? ».

Ce que ça change pour un éditeur →

02

Un assistant IA dans votre interface

Un panneau d'aide qui répond aux questions d'usage depuis votre documentation, consulte les données du compte avec les droits de l'utilisateur et guide vers la bonne action.

Utile quand votre support répond chaque jour à des questions déjà documentées.

Voir l'assistant intégré →

03

Des fonctionnalités IA métier

Un bouton ou un traitement à un endroit précis de votre outil : lire un document et remplir les champs, rédiger un premier jet, classer une demande, proposer la suite.

Utile quand une tâche répétitive se fait aujourd'hui à la main dans votre logiciel.

Voir les fonctionnalités IA →

Offre 01

Un serveur MCP : votre produit utilisable depuis ChatGPT, Claude ou Copilot

Un serveur MCP (Model Context Protocol) est une couche publiée à côté de votre API, qui décrit dans un format standard ce qu'un assistant IA a le droit de lire et de faire dans votre logiciel. MCP est un protocole ouvert, lancé par Anthropic fin 2024 et adopté depuis par OpenAI, Google et Microsoft. Un seul serveur fonctionne avec tous les assistants compatibles.

Concrètement, votre client écrit dans Claude « quelles factures de ce client sont en retard ? » ou « crée un ticket pour ce chantier », et l'assistant appelle votre logiciel avec ses identifiants à lui. Il n'a pas besoin d'ouvrir votre interface ni d'exporter un fichier.

La question technique (« peut-on brancher un assistant sur notre produit ? ») se règle vite dès qu'une API existe. La vraie question est produit : quelles actions exposer, avec quels droits, et qui confirme avant qu'une donnée soit modifiée.

Ce que ça change pour un éditeur

Distribution : votre produit est présent là où vos utilisateurs passent déjà leur journée. Selon les plateformes, un serveur MCP peut aussi être référencé dans leur catalogue de connecteurs, après leur propre processus de validation.
Usage : les données de votre logiciel servent dans plus de situations (préparer un rendez-vous, croiser avec un autre outil, rédiger un compte rendu), ce qui rend l'abonnement plus difficile à remplacer.
Différenciation : la compatibilité avec les assistants IA apparaît dans les questions des acheteurs. Un connecteur officiel, maintenu par l'éditeur, répond à cette question mieux qu'un connecteur tiers bricolé par un client.
Contrôle : c'est vous qui décidez ce qui est exposé. Sans serveur officiel, certains clients finissent par brancher eux-mêmes votre API sur un assistant, sans vos garde-fous.

Ce que nous livrons

La liste des outils exposés (lecture d'abord, écriture ensuite), leurs descriptions rédigées pour le modèle, l'authentification OAuth au nom de l'utilisateur, l'isolation entre vos clients, la journalisation de chaque appel, des scénarios de test et une documentation d'installation pour vos clients.

Pour approfondir

Le fonctionnement du protocole (tools, resources, prompts, sécurité) est détaillé dans notre article MCP, le Model Context Protocol expliqué. Pour choisir entre une API directe et MCP, lisez connecter un agent IA à votre logiciel. Votre équipe technique peut aussi tester un serveur MCP depuis son poste avec Claude Code et MCP.

Offre 02

Un assistant IA intégré dans votre produit

Un assistant intégré répond dans votre interface, au moment où l'utilisateur bloque, à partir de votre documentation et des données de son propre compte.

Aide à l'usage

« Comment paramétrer un export ? » L'assistant répond depuis la documentation, les tutoriels et les vidéos existants, et cite la source. C'est le niveau qui réduit le plus vite les tickets répétitifs.

Recherche dans les données du client

« Pourquoi mon import de ce matin a échoué ? » L'assistant consulte le compte via votre API, avec les droits de l'utilisateur, et explique la cause propre à ce compte.

Actions guidées

« Relance le calcul. » Les actions sont limitées à une liste définie avec vous. Celles qui modifient des données demandent une confirmation de l'utilisateur.

Droits d'accès

L'assistant agit toujours avec l'identité de l'utilisateur connecté. Dans un logiciel multi-clients, aucun index, cache ou historique n'est partagé entre deux clients : un utilisateur ne peut pas obtenir par l'assistant ce que votre interface lui refuse.

En production chez un éditeur

Un éditeur toulousain de logiciel de statistiques médicales a intégré un assistant qui cherche dans sa documentation et ses vidéos tutoriels, avec des modèles hébergés en Europe : 50 % de tickets support en moins.

Le détail des niveaux de réponse et de l'escalade vers votre équipe est sur notre page agent IA support client. Pour la recherche documentaire sourcée, voir l'assistant IA interne (RAG), et notre comparatif chatbot support SaaS ou RAG sur mesure.

Offre 03

Des fonctionnalités IA métier dans votre outil

Une fonctionnalité IA métier fait une tâche précise, à un endroit précis de votre logiciel, et renvoie un résultat que votre code peut valider et stocker.

Extraction

Lire un PDF, un email ou un scan et remplir les champs de la fiche, avec un champ laissé vide quand l'information manque. Voir l'extraction de documents par IA.

Génération

Rédiger un premier jet (compte rendu, réponse, description, rapport) à partir des données déjà présentes dans l'outil, relu par l'utilisateur avant envoi.

Classification

Trier une demande, une pièce ou un ticket dans vos catégories, avec un score de confiance et un renvoi vers un humain sous le seuil.

Suggestions

Proposer la suite logique : un contenu adapté, une catégorie, un rapprochement, une prochaine étape. L'utilisateur garde la décision.

Évaluer avant de mettre en production

Une fonctionnalité IA ne s'ouvre pas à vos clients parce qu'une démo a bien marché. Avant la mise en production, on construit avec vous un jeu de test tiré de vos vraies données (des documents, des demandes, des cas limites), on fixe la métrique qui compte pour votre métier, et on mesure.

Sortie structurée : le modèle renvoie un objet typé que votre backend valide, pas un paragraphe à réparer.
Abstention : quand l'information n'est pas là, la valeur reste vide. Une case vide vaut mieux qu'une valeur plausible mais fausse.
Non régression : le jeu de test est rejoué à chaque changement de prompt ou de modèle.

Pour les métriques et les outils, voir notre article sur l'évaluation d'un LLM en entreprise.

Par où commencer selon votre situation

Le point de départ se choisit sur la demande que vous recevez déjà, pas sur la technologie.

Ce que vous entendez	Point de départ	Prérequis
« Votre outil marche avec ChatGPT ou Claude ? »	Serveur MCP en lecture seule	Une API documentée et une authentification par utilisateur
« Le support répond toute la journée aux mêmes questions. »	Assistant intégré sur la documentation	Une documentation, des tutoriels ou des tickets résolus exploitables
« Nos utilisateurs ressaisissent ce qu'ils reçoivent par email ou en PDF. »	Fonctionnalité d'extraction	Une centaine d'exemples réels pour construire le jeu de test
« Notre outil interne n'a pas d'API. »	Exposer d'abord les bonnes routes	Voir automatiser un logiciel métier sans API

Comment on travaille

Cinq étapes, avec un point de décision à chaque fois. Vous pouvez vous arrêter après le prototype si la qualité mesurée ne suffit pas.

01

Cadrage court

Quelques jours : la demande de vos clients, l'état de votre API, les actions à exposer ou la tâche à outiller, ce qui reste hors périmètre, et la métrique de réussite.

02

Prototype sur vos données

Un prototype branché sur un environnement de test de votre logiciel, avec vos vrais documents et vos vrais cas, pas sur un jeu de démonstration.

03

Mesure de la qualité

Le jeu de test est rejoué, les erreurs sont classées, et vous décidez sur des chiffres : on corrige, on réduit le périmètre ou on passe en production.

04

Mise en production

Intégration dans votre code et votre déploiement, ouverture à un premier groupe de clients, suivi des coûts et des erreurs avant d'élargir.

05

Transfert et propriété

Code, prompts, jeux de test et documentation livrés dans votre dépôt. Votre équipe reprend la main, ou nous assurons la maintenance si vous le souhaitez.

Propriété et réversibilité

Ce que recouvre la propriété du code et des données, comment éviter la dépendance à un prestataire IA, et ce que coûte la maintenance après livraison.

De l'IA ajoutée à des produits existants

Quatre projets où l'IA s'intègre dans un logiciel déjà utilisé, avec les résultats publiés sur chaque cas client.

Éditeur de logiciel médical

50 % de tickets support en moins

Un assistant intégré dans un logiciel de statistiques médicales, nourri de la documentation et des vidéos tutoriels, avec recherche hybride et modèles hébergés en Europe.

Lire le cas client → Reezet, application

La brique IA d'un produit existant

Backend IA de l'assistant Izzy : conversation en streaming, sorties structurées, mémoire sélective, recommandations, et des scénarios d'évaluation pour repérer les régressions.

Lire le cas client → Copro Assistance

100 h de saisie économisées par mois

Une fonctionnalité d'extraction lit les commandes reçues par email et les saisit dans le CRM existant. Plus de 1 500 emails traités et seulement 2 bugs en 6 mois.

Lire le cas client → Heeya, produit Tensoria

Un agent intégré à un site et à ses documents

Le produit que nous éditons : un agent RAG en widget, qui choisit à chaque échange entre chercher, répondre ou lancer la qualification. Retour d'expérience honnête sur l'usage réel.

Lire le retour d'expérience →

Sécurité, RGPD, hébergement et coûts d'usage

Les questions que vos clients poseront, autant y répondre avant la mise en production.

Données et hébergement

Choix du fournisseur : modèle américain avec traitement en Europe, Mistral, ou modèle hébergé sur votre infrastructure, selon la sensibilité des données de vos clients.
Conservation : options de non-rétention des requêtes et accord de traitement des données à faire valider par votre DPO.
Injection de prompt : le contenu lu par l'assistant (documents, emails) est traité comme une donnée, jamais comme une instruction, et les actions sensibles restent soumises à confirmation.
Traçabilité : chaque appel d'outil est journalisé, ce qui permet de répondre à un client qui demande ce que l'IA a fait sur son compte.

Pour un hébergement en France ou sur site, voir notre offre d'IA souveraine.

Coûts d'usage des modèles

Les fournisseurs facturent au million de jetons. Selon la grille d'Anthropic relevée le 4 octobre 2026, Claude Sonnet 5.5 coûte 2 $ en entrée et 10 $ en sortie par million de jetons, Claude Haiku 4.5 1 $ et 5 $.

Une question d'assistant qui envoie quelques milliers de jetons de contexte revient donc de l'ordre d'un à quelques centimes. Ce qui fait varier la facture : le volume, le modèle choisi pour chaque tâche (un petit modèle suffit souvent pour classer), le cache de prompt et le traitement par lot.

Pour comparer les fournisseurs et estimer le coût à l'échelle de votre logiciel : API Claude, OpenAI ou Mistral, laquelle choisir.

Notre prestation

Sur devis, après un cadrage de quelques jours. Le devis fixe le format (serveur MCP, assistant intégré ou fonctionnalité IA), la durée (en général quatre à huit semaines jusqu'à une première mise en production sur un périmètre ciblé) et les livrables : code dans votre dépôt, prompts, jeu de test et rapport de qualité, documentation, passation à votre équipe. Le premier échange de 30 minutes est offert.

Services liés

Quand le besoin dépasse l'ajout d'IA à un logiciel existant.

Agents IA

Agents IA sur mesure

Quand l'IA doit enchaîner plusieurs actions entre votre logiciel et d'autres outils, avec des garde-fous et une validation humaine.

RAG

Assistant IA interne

Pour vos propres équipes : interroger vos documents internes avec des réponses sourcées et des droits par service.

Nouveau produit

Développement SaaS et application IA

Quand il n'y a pas encore de logiciel, ou qu'il faut reprendre une application existante en profondeur.

Questions fréquentes

Un serveur MCP (Model Context Protocol) est une couche que l'éditeur publie à côté de son API : elle décrit, dans un format standard, les actions et les données de son produit qu'un assistant IA a le droit d'utiliser. Une fois ce serveur connecté, un client peut interroger ou piloter votre logiciel depuis Claude, ChatGPT ou Copilot, avec ses propres droits, sans ouvrir votre interface. Pour l'éditeur, c'est un nouveau point d'accès au produit, comparable à une API publique, mais pensé pour des assistants IA plutôt que pour des développeurs.

Non dans la grande majorité des cas. Le serveur MCP et l'assistant s'appuient sur votre API existante : ils appellent les mêmes routes, avec la même authentification. Le travail porte sur le choix des actions exposées, leur description pour le modèle, les droits et la journalisation. Il arrive qu'il manque une route (une recherche, un résumé de compte) ou que l'authentification ne permette pas d'agir au nom d'un utilisateur précis : ces ajouts sont identifiés pendant le cadrage, avant tout engagement.

Cela dépend de la demande que vous recevez. Si vos clients utilisent déjà Claude, ChatGPT ou Copilot et veulent y retrouver vos données, commencez par un serveur MCP en lecture. Si votre support répond toute la journée aux mêmes questions d'usage, commencez par un assistant intégré. Si une tâche précise prend du temps dans votre outil (saisie, tri, rédaction), commencez par une fonctionnalité IA ciblée. Les trois partagent la même base : une API propre, des droits par utilisateur et un jeu de test.

Chaque appel est exécuté avec l'identité et les droits de l'utilisateur qui pose la question, jamais avec un compte de service aux droits plus larges. Dans un logiciel multi-clients, l'identifiant du client accompagne chaque requête, et aucun cache, index ou historique de conversation n'est partagé entre deux clients. Les actions qui modifient des données demandent une confirmation, et chaque appel est journalisé.

Vous. Le code du serveur MCP, de l'assistant ou de la fonctionnalité, les prompts, les jeux de test et la documentation vous appartiennent et sont livrés dans votre dépôt. Votre équipe peut reprendre le développement, ou le confier à un autre prestataire. Rien ne dépend d'un outil propriétaire de Tensoria.

Le cadrage tient en quelques jours. Un prototype mesuré sur vos données demande ensuite quelques semaines. Comptez en général quatre à huit semaines pour une première mise en production sur un périmètre ciblé, cadrage compris. La durée dépend surtout de l'état de votre API, du nombre d'actions exposées et du niveau de qualité exigé avant d'ouvrir la fonctionnalité à vos clients.

Le code appelle les modèles à travers une couche d'abstraction : changer de fournisseur (Anthropic, OpenAI, Mistral ou un modèle hébergé en Europe) se fait sans réécrire la fonctionnalité. Le jeu de test construit pendant le projet est rejoué sur le nouveau modèle avant toute bascule, ce qui permet de vérifier que la qualité ne baisse pas. Un serveur MCP, lui, ne dépend d'aucun modèle en particulier : c'est un standard ouvert.

Les fournisseurs facturent au million de jetons. Selon la grille d'Anthropic relevée le 4 octobre 2026, Claude Sonnet 5.5 coûte 2 $ en entrée et 10 $ en sortie par million de jetons. Une question d'assistant qui envoie quelques milliers de jetons de contexte revient donc de l'ordre d'un à quelques centimes. Le coût réel dépend du volume, du modèle choisi par tâche et du cache. Notre prestation, elle, est sur devis, avec une durée, un format et des livrables fixés après cadrage.

Ajouter l'IA à votre logiciel : serveur MCP, assistant intégré, fonctionnalités IA