“Extrait de mon CRM : des entreprises de plus de 50 salariés, donc dirigeant a changé au cours des 3 derniers mois. Vérifie qu’elles ne sont pas en procédure et prépare un brouillon de message de prospection” Voilà comment parler à un agent branché en MCP à vos différents outils.
Il y a deux ans, cette phrase demandait plusieurs heures de travail manuel, avec des exports / imports multiples Aujourd’hui, un agent IA bien configuré le fait seul, en 5 minutes (pendant que vous buvez votre café)
si vous ne connaissez pas le “MCP”
Le Model Context Protocol est un standard ouvert, publié par Anthropic fin 2024, qui décrit comment un modèle de langage peut découvrir et appeler des outils externes : en gros c’est ne prise, un adaptateur qui permet à n’importe quel Agent IA de communiquer avec n’importe quel outil (si l’outil dispose d’un MCP, bien sûr.)
En décembre 2025, Anthropic a transféré MCP à l’Agentic AI Foundation, une fondation sous l’égide de la Linux Foundation cofondée avec OpenAI et Block, et soutenue par Google, Microsoft et AWS. C’est un petit détail qui compte, et ça montre en tout cas que c’est un protocole qui s’est normalisé.
Avant MCP, chaque agent devait réinventer ses connecteurs. Aujourd’hui, un outil qui expose un serveur MCP est utilisable par n’importe quel agent.
Ce qui existe déjà pour la vente B2B en France
Toutes les entreprises se lancent dans la création d’MCP. Un peu comme les API à l’époque, celles qui ne le font pas vont limiter l’utilisation de leurs outils à des humains, alors que les agents IA sont de plus en plus utilisés. Et autrement, elles vont perdre énormément de marché.
| Outil | Serveur MCP | Ce que l’agent peut faire |
|---|---|---|
| Pappers | Officiel, une trentaine d’outils | Identifier une entreprise, lire ses finances, ses dirigeants, ses annonces BODACC, ses procédures |
| HubSpot | Officiel (développeurs HubSpot) | Lire et chercher contacts, entreprises, deals, créer des notes et des tâches |
| n8n | Nœuds « MCP Server Trigger » et « MCP Client » natifs | Exposer n’importe quel workflow n8n comme outil, ou consommer des serveurs MCP dans un agent n8n |
| Clay | Via API HTTP et webhooks, encapsulés dans n8n | Ajouter une ligne à une table, lire le résultat |
| Slack, Google Drive, Notion, Gmail | Officiels ou communautaires | Notifier, lire des documents, envoyer un brouillon |
Trois cas d’usage plutôt concrets
1. L’assistant de recherche de compte
Le plus simple, et celui par lequel je commence. Un commercial, dans Claude ou dans Slack, demande : « Prépare-moi Acme SAS avant mon appel de 15 h ». L’agent se débrouille avec tous les outils auxquel il est connecté (via leurs MCP respectifs) :
- Cherche l’entreprise dans le CRM (deal en cours, historique, contacts, dernières notes).
- Interroge Pappers (SIREN, effectif, chiffre d’affaires, dirigeants actuels, changements récents, procédures).
- Consulte les signaux stockés (visite du site, annonces BODACC).
- Produit une fiche d’une page : qui décide, ce qui a changé, ce qu’on leur a déjà dit, trois questions à poser.
Coût de mise en place : une journée. Alors, c’est sûr : les agents IA qui fonctionnent sur des MCP vont consommer beaucoup de tokens, donc vos demandes peuvent vous coûter plusieurs euros. Mais le ROI est immédiat parce que ça permet à votre commercial d’économiser parfois plusieurs heures de travail. (je vous laisse calculer le cout d’un commercial pour une entreprise)
2. cas d’usage classique : la qualification des leads inbound
Un formulaire est soumis (deux champs, enrichissement automatique). Plutôt qu’un workflow rigide, un agent reçoit le lead et raisonne : il enrichit via tous les outils dont il dispose, comme pappers, par exemple, calcule le score via un outil comme n8n, par exemple, et ensuite décide du routage. La grande différence avec un workflow rigide, c’est que l’agent va se débrouiller pour gérer des cas un petit peu limites (par exemple, si une entreprise est une filiale d’un client existant, ou si un nom de domaine correspond à plusieurs sociétés). Vous pouvez demander à l’agent d’expliquer sa décision dans une note externe, là où un workflow rigide aurait planté. C’est encore une fois une économie de temps incroyable.
3. Analyser le pipeline de manière abdominale.
Imaginez que, tous les lundis, vous avez un agent IA qui parcourt les leads ouverts. Croise tout ça avec les critères de qualification extraits des appels, repère les deals sans activité, et termine avec un compte rendu hyper synthétique pour le manager, avec les deals à regarder en priorité et pourquoi ils sont prioritaires.