Fin 2024, Anthropic a publié une spécification ouverte nommée Model Context Protocol (MCP). En 18 mois, ce qui ressemblait à un standard de niche est devenu le protocole d’interopérabilité par défaut entre les LLM majeurs (Claude, ChatGPT, Microsoft Copilot, Gemini, Cursor) et n’importe quelle source de données structurée. Petit tour d’horizon de ce que ça change pour les SaaS B2B, avec trois cas d’usage déjà en production.
Ce que résout MCP
Avant MCP, exposer ses données à un agent IA imposait une de ces trois solutions, toutes médiocres :
- Copier-coller manuel depuis votre SaaS vers le chat — friction maximale, données non actualisées.
- Plugin/GPT custom par LLM — fragmenté, à maintenir pour chaque écosystème (OpenAI, Anthropic, Google…).
- API REST classique appelée via “tools/function calling” — fonctionne mais demande à chaque éditeur LLM de coder son propre wrapper.
MCP unifie tout ça. Un éditeur SaaS publie un seul serveur MCP (en TypeScript, Python ou Go), avec des “resources” (objets lisibles) et des “tools” (actions exécutables). N’importe quel client MCP — Claude Desktop, ChatGPT Plus en MCP mode, Cursor, Copilot, n’importe quel agent custom — peut s’y connecter avec une URL et un token.
Spec technique en 30 secondes
Un serveur MCP expose typiquement :
- Resources (lecture) :
read_resource("fleet://vehicles/123")retourne un JSON propre. - Tools (action) :
call_tool("simulate_tai", { vehicles: [...], year: 2028 })retourne un résultat structuré. - Prompts (templates) : suggestions prédéfinies de prompts contextuels.
Le transport est en JSON-RPC over HTTP/SSE ou stdio. Auth via OAuth 2.1 ou bearer token. Spec complète sur modelcontextprotocol.io.
Cas d’usage 1 : Linear (issue tracker)
Linear a publié l’un des premiers serveurs MCP grand public. Connecté à Claude Desktop, vous pouvez :
"Liste-moi les bugs critiques ouverts depuis plus de 7 jourssur le projet 'Frontend', groupés par assignee."Claude appelle le tool list_issues, applique le filtre, et formate. Pas de copier-coller, pas d’export CSV.
Cas d’usage 2 : Notion
Le serveur MCP Notion expose vos pages et bases de données. Un usage devenu courant en 2026 : préparation de notes de réunion. Demandez à Claude “prépare un brief sur le compte Lufthansa basé sur les 6 dernières pages Notion liées + les emails Outlook des 30 derniers jours” — il lit Notion via MCP, votre boîte via le connecteur Outlook MCP, et fusionne.
Cas d’usage 3 : un SaaS B2B de gestion de flotte
Plus surprenant : des SaaS verticaux français adoptent MCP. Lumea Fleet, plateforme de gestion et électrification de flottes automobiles, expose son catalogue fiscal 2026-2030 (TAI, AEN, ADVENIR, malus CO₂, malus poids) ainsi que les données client (véhicules, conducteurs, TCO) via un serveur MCP authentifié.
Concrètement, un DAF connecté à Microsoft Copilot peut demander :
“Combien Acme Corp paiera de TAI en 2027 si on bascule 12 véhicules diesel en BEV avant fin 2026 ?”
Copilot appelle le tool simulate_tai_scenario exposé par le serveur MCP de Lumea, récupère le résultat (typiquement quelques milliers à dizaines de milliers d’euros d’écart), et formule une recommandation. Le DAF n’a jamais quitté son outil habituel.
Vous pouvez explorer le playground Lumea MCP ici : https://lumeafleet.com/enterprise/playground
Pourquoi c’est un avantage concurrentiel pour les SaaS
Trois raisons rendent MCP critique pour les éditeurs en 2026 :
1. Élargissement de la surface d’usage
Les utilisateurs B2B passent de plus en plus de temps dans leurs LLM (Copilot intégré à Office, Claude pour la rédaction, ChatGPT pour l’analyse). Un SaaS qui n’est pas accessible depuis ces LLM disparaît du flux de travail des utilisateurs sans qu’ils ne s’en rendent compte.
2. Réduction du churn
Un utilisateur qui pilote son SaaS B2B via Claude/Copilot a multiplié sa surface d’usage. Il a moins de raisons de chercher un concurrent.
3. Différenciation immédiate
En mai 2026, moins de 5 % des SaaS B2B français ont un serveur MCP en production. Ceux qui en ont un bénéficient d’un avantage de communication évident (“compatible IA native”) et d’un référencement en hausse dans les listings IA.
Combien ça coûte de publier un serveur MCP
Pour un éditeur SaaS avec une API REST existante :
- Développement initial : 3-8 jours-homme pour un wrapper MCP sur une dizaine de tools et resources.
- Hébergement : zéro coût additionnel si vous le déployez sur Vercel / Cloudflare Workers / Render. Compter quelques dizaines d’euros/mois pour les hauts volumes.
- Maintenance : faible, la spec MCP est stable et rétrocompatible.
Le ratio coût/visibilité est imbattable.
Comment commencer
- Lisez la spec sur modelcontextprotocol.io (1h).
- Clonez un template TypeScript ou Python depuis le repo officiel (10 min).
- Définissez 3-5 tools représentatifs de votre SaaS (1 jour).
- Testez localement avec Claude Desktop (gratuit) avant de pousser en prod.
- Publiez l’URL + le mode d’auth dans votre doc dev.
Le retour sur investissement est mesurable en semaines : nouveaux leads via les directories IA-friendly (Future Tools, There’s an AI for that), trafic depuis les listings Anthropic/OpenAI partner. Et surtout, une métrique qui devient critique en 2026-2027 : le NPS de vos power users qui multiplie par 2 leur temps utile passé dans votre produit.
Sources :